典型文献
基于深度学习的PCB缺陷检测方法
文献摘要：
缺陷检测技术是PCB生产制造中一项不可或缺的质量控制技术,传统的机器视觉检测技术由于人工设计特征和复杂图像处理能力上的局限,无法快速地适应不同型号的PCB或不同的缺陷类型检测.针对上述问题,提出了基于深度学习的PCB缺陷检测方法,其利用深度学习自动提取缺陷特征和自主学习的能力,提高PCB缺陷检测性能和效率.实验结果显示,YOLOv3检测模型的mAP高达98.99％,FPS为71.28,可以快速准确地完成PCB缺陷的定位和分类判别,较好地满足其生产检测需求.
文献关键词：
印制电路板;缺陷检测;深度学习;目标检测模型
中图分类号：
作者姓名：
廖鑫婷;李泉洲;邱权;徐海;刘振国
作者机构：
工业和信息化部电子第五研究所,广东 广州 511370;工业装备质量大数据工业和信息化部重点实验室,广东 广州 511370
文献出处：
引用格式：
[1]廖鑫婷;李泉洲;邱权;徐海;刘振国-.基于深度学习的PCB缺陷检测方法)[J].电子产品可靠性与环境试验,2022(04):30-34
A类：
B类：
PCB,缺陷检测方法,生产制造,质量控制技术,机器视觉检测技术,设计特征,复杂图,处理能力,不同型号,缺陷类型,类型检测,自动提取,缺陷特征,检测性能,YOLOv3,mAP,FPS,快速准确,分类判别,产检,印制电路板,目标检测模型
AB值：
0.396316
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。
