典型文献
基于卷积神经网络的PCB缺陷检测
文献摘要：
印刷电路板(PCB)在生产制造中由于生产工序等问题易导致电路板存在瑕疵缺陷,为提高对电路板缺陷的检测效率,提出了一种基于卷积神经网络(CNN)的电路板缺陷检测网络.该检测网络基于YOLO v4网络进行优化改造,针对于PCB制作精密、复杂,各类缺陷不易检测的难点,在优化后的网络中加入了基于细粒度空间域的长距离全局注意力机制,同时在SPP模块的基础上进行特征图重组作为各YOLO检测头的输入.通过使用长距离注意力机制通道将浅层网络提取到的特征传递到深层网络中,并采用特征图重组的方式提升特征信息丰富度,从而提高对于PCB缺陷检测的精度.经实验分析,与各类经典CNN相比,在PCB缺陷检测任务中,该算法有较大优势,整体缺陷的平均检测精度均值(mAP)达到91.40％,适用于实际生产、检测环节.
文献关键词：
印刷电路板;深度学习;卷积神经网络;缺陷检测;注意力机制
中图分类号：
作者姓名：
何国忠;梁宇
作者机构：
云南大学软件学院,云南昆明 650504
文献出处：
引用格式：
[1]何国忠;梁宇-.基于卷积神经网络的PCB缺陷检测)[J].图学学报,2022(01):21-27
A类：
B类：
PCB,缺陷检测,印刷电路板,生产制造,生产工序,致电,瑕疵,检测效率,测网,YOLO,v4,优化改造,细粒度,度空间,空间域,长距离,全局注意力机制,SPP,特征图,检测头,取到,深层网络,特征信息,信息丰富度,类经,体缺陷,检测精度,mAP
AB值：
0.341175
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
