目前工业生产手机主板过程中，对于贴片区域以及元器件的外观检测主要还是由人工目检来完成，但人工目检漏检率高，疏漏大，人力成本高，耗时大，耽误生产。针对这些难点，本文提出将深度学习模型应用在工业生产中，代替人工目检，提高检测率和生产效率。采用SSD模型，减少和优化了网络参数，减少了网络层数，加快了网络推理时间。根据现场生产自做数据集，对缺陷进行实时标注，用Halcon对输入网络的图片进行统一处理。使得整体对缺陷的检测满足客户对CT和直通率的需求。
科研之友
微信
新浪微博
Facebook
分享链接
