10.3969/j.issn.2095-2163.2023.10.014
CNN融合多尺度特征的PCB裸板缺陷识别
印制电路板(Print Circuit Board,PCB)表现形式多样,缺陷特征表征困难.针对印制电路板缺陷类别识别难度较大等问题,提出了一种基于卷积神经网络融合多尺度特征的PCB裸板缺陷识别方法.该方法首先提取PCB裸板缺陷的多尺度灰度共生矩阵特征、多尺度方向投影特征以及多尺度梯度方向直方图特征,构建缺陷浅层图像特征,然后基于迁移学习,利用VGGl6-Net预训练神经网络模型的特征提取网络,提取PCB裸板缺陷图像深度语义特征,将得到的浅层图像特征与深度语义特征进行融合,最后将特征向量以特征序列方式输入给支持向量机进行分类识别.试验结果表明,融合深度特征和多尺度浅层特征的算法相较于传统卷积神经网络算法,对PCB裸板缺陷具有较高的识别率.
缺陷识别、特征提取、迁移学习、缺陷检测、特征融合
13
TN491(微电子学、集成电路（IC）)
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
共8页
65-72
