融合双神经网络的PCB缺陷检测方法

作者：林璐颖; 吴慧君; 杨文元^*

来源：哈尔滨商业大学学报(自然科学版), 2022, 38(02): 162-170.

DOI：10.19492/j.cnki.1672-0946.2022.02.004

• 目标识别
• 深度学习
• 神经网络
• 印刷电路板
• 缺陷检测

印刷电路板(PCB)缺陷检测是电子工业领域的一个重要研究课题.PCB电路密集复杂，缺陷非常小，传统检测方法检测精度低，漏检率高.针对以上问题，提出一种融合YOLOv3和VGG19神经网络的双网络小目标检测方法，实现对PCB缺陷的高质量检测.将PCB缺陷数据集输入YOLOv3和VGG19网络进行训练，生成缺陷检测模型M1和M2.使用M1检测PCB图像，目标置信度50%以上为R1,50%以下为R2.将R2裁剪出来并使用M2进行二次检测，目标置信度50%以上为R3,将R1和R3进行融合.实验表明，双神经网络缺陷检测方法在PCB缺陷小目标上的检测精度提高至99.44%,有效地减少了由于置信度低而导致的漏检问题.

• 单位
  闽南师范大学; 漳州职业技术学院