基于卷积神经网络的PCB缺陷检测

• 作者: 何国忠 梁宇
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 印刷电路板 深度学习 卷积神经网络 缺陷检测 注意力机制
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图像处理与计算机视觉|Image Processing and Computer Vision
• 页码范围: 21-27
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2022010021

摘要

印刷电路板(PCB)在生产制造中由于生产工序等问题易导致电路板存在瑕疵缺陷,为提高对电路板缺陷的检测效率,提出了一种基于卷积神经网络(CNN)的电路板缺陷检测网络.该检测网络基于YOLO v4网络进行优化改造,针对于PCB制作精密、复杂,各类缺陷不易检测的难点,在优化后的网络中加入了基于细粒度空间域的长距离全局注意力机制,同时在SPP模块的基础上进行特征图重组作为各YOLO检测头的输入.通过使用长距离注意力机制通道将浅层网络提取到的特征传递到深层网络中,并采用特征图重组的方式提升特征信息丰富度,从而提高对于PCB缺陷检测的精度.经实验分析,与各类经典CNN相比,在PCB缺陷检测任务中,该算法有较大优势,整体缺陷的平均检测精度均值(mAP)达到91.40％,适用于实际生产、检测环节.