基于深度学习的PCB缺陷检测方法

• 作者: 廖鑫婷 李泉洲 邱权 徐海 刘振国
• 学科: 工学
• 关键词: 印制电路板 缺陷检测 深度学习 目标检测模型
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 可靠性物理与失效分析技术
• 页码范围: 30-34
• 页数: 4页
• 分类号: TN41
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5468.2022.04.006

摘要

缺陷检测技术是PCB生产制造中一项不可或缺的质量控制技术，传统的机器视觉检测技术由于人工设计特征和复杂图像处理能力上的局限，无法快速地适应不同型号的PCB或不同的缺陷类型检测。针对上述问题，提出了基于深度学习的PCB缺陷检测方法，其利用深度学习自动提取缺陷特征和自主学习的能力，提高PCB缺陷检测性能和效率。实验结果显示，YOLOv3检测模型的mAP高达98.99%, FPS为71.28，可以快速准确地完成PCB缺陷的定位和分类判别，较好地满足其生产检测需求。