基于迁移学习的PCB缺陷图像识别研究  

作　　者：李丹[1] 

机构地区：[1]湖南科技职业学院人工智能学院,长沙410004

出　　处：《电脑编程技巧与维护》2024年第9期145-148,共4页Computer Programming Skills & Maintenance

基　　金：湖南科技职业学院校级科研项目(KJ21224)的技术及经费支持。

摘　　要：PCB是电子设备的重要部分,但由于多种因素的影响,容易出现缺陷,影响使用。为了提高生产效率和降低成本,在PCB生产中广泛使用自动光学检测(AOI)技术来对缺陷进行分类。然而,AOI存在误报缺陷的问题,需要大量人力进行验证和处理。因此,研究使用深度学习方法,结合卷积神经网络(CNN)的特征提取能力,对AOI检测出的缺陷进一步进行分类。实验结果显示,基于ResNet18的预训练模型的迁移学习方法在测试集上达到了98.3%的准确率,可以较准确地分类PCB缺陷。

关 键 词：AOI技术 深度学习 迁移学习 ResNet18模型 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TN41[自动化与计算机技术—计算机科学与技术]