基于多尺度融合和可变形卷积PCB缺陷检测算法

作者：朱红艳; 李泽平^*; 赵勇; 罗相好; 成先镜; 杨肖委

来源：计算机工程与设计, 2022, 43(08): 2188-2196.

DOI：10.16208/j.issn1000-7024.2022.08.013

• 目标检测
• 深度学习
• 卷积神经网络
• 可变卷积
• 印刷电路板

针对目前PCB缺陷检测方法中存在缺陷较小不易识别、缺陷形状多样化导致识别率下降等问题,提出基于多尺度特征融合和可变形卷积的PCB缺陷检测算法(DCR-FRNet)。在Faster R-CNN算法的基础上进行优化改进,能够更好地适应同一缺陷不同尺度的缺陷目标。采用的多尺度融合的金字塔模型有效地提高模型的特征识别能力;引入的可变形卷积替代常规的卷积,通过卷积学习偏移量提高模型的特征提取能力。实验结果表明,在采集的缺陷数据集上,所提DCR-FRNet算法相对于基准网络能够更有效识别缺陷特征,检测精度达到了96.60%,F1分数提高了16.30%。

• 单位
  北京大学深圳研究生院; 贵州大学; 遵义师范学院