基于深度学习的PCB缺陷检测方法研究

作者：穆莉莉; 伍习东; 丰韦

来源：佳木斯大学学报(自然科学版), 2022, 40(01): 116-119.

• Faster R-CNN
• PCB缺陷
• 特征金字塔网络
• 在线困难样本挖掘

针对在PCB生产过程中出现漏孔、鼠咬、开路、短路、毛刺、余铜、灰尘、划痕等缺陷而影响其后期使用的问题，提出了一种基于Faster R-CNN算法的PCB缺陷检测方法。该方法以ResNet-101为基础骨干网络构建特征金字塔网络，采用Soft-NMS算法对预选框进行筛选，然后使用在线困难样本挖掘方法，将损失值较高的困难样本集中进行处理，提高网络对复杂PCB缺陷样本检测的精确度。实验结果表明，改进后的Faster R-CNN缺陷检测方法可以对各类PCB缺陷进行准确定位和分类，平均检测精度达到93.76%,相较于传统Faster R-CNN方法提高了24.5个百分点，对PCB缺陷全自动检测的研究有一定参考价值。

• 单位
  安徽理工大学