基于深度学习的电子元件焊点缺陷检测方法 |
| |
作者姓名: | 刘玉龙 吕权权 吴浩 单建华 |
| |
作者单位: | 1. 特种重载机器人安徽省重点实验室;2. 安徽工业大学机械工程学院 |
| |
基金项目: | 国家重点研发计划(2017YFE0113200);;安徽省自然科学基金(2108085ME166);;安徽高校自然科学研究(KJ2021A0408); |
| |
摘 要: | 提出一种用于训练掩模区域卷积神经网络(Mask R-CNN)的半自动生成焊点图像掩模的方法。由于传统的通过人工标注获取掩模的方法费时费力,提出了一种简便快捷的基于GrabCut获取图像掩模的方法。该方法由两个阶段组成:第一阶段为基于GrabCut的焊点图像分割,输出像素级分割结果,从而获得所输入图像掩模;第二阶段实现基于Mask R-CNN的焊点表面缺陷检测方法,可以实现对缺陷的定位、分类和分割。试验结果证实了该方法的有效性,在保证Mask R-CNN方法检测精度的前提下,能快速、简单地获取训练Mask R-CNN所需的焊点掩模。
|
关 键 词: | 缺陷检测 深度学习 焊点检测 卷积神经网络 |
|
|