基于卷积神经网络的电路缺陷识别方法  

作　　者：何俊杰 肖可 刘畅 陈松岩 

机构地区：[1]厦门大学物理科学与技术学院,福建厦门361001

出　　处：《福建电脑》2018年第2期9-11,共3页Journal of Fujian Computer

基　　金：福建省高校产学合作项目(No.2016H6026)

摘　　要：电子线路上产生的缺陷由于形状不规则、边缘模糊等特点,传统图像算法难以达到高精度的检测要求。本文提出基于深度学习的卷积神经网络对电路缺陷进行识别检测。首先利用直方图均衡化对输入的图像预处理,增强对比度和清晰度,然后在8层的卷积神经网络结构上对图像进行特征提取,最后通过softmax分类器实现对图像特征的识别和分类。在实际采集的电子线路图像数据集上实验表明,本文算法具有较高的准确率,能有效识别各类电子线路缺陷。

关 键 词：缺陷检测 神经网络 深度学习 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]