| 基于可变形残差卷积与伸缩式特征金字塔算法的PCB缺陷检测 |
| |
| 引用本文： | 孙志超,王 博,张晓玲. 基于可变形残差卷积与伸缩式特征金字塔算法的PCB缺陷检测[J]. 电讯技术, 2023, 23(6) |
| |
| 作者姓名： | 孙志超 王 博 张晓玲 |
| |
| 作者单位： | 1.江苏理工学院 电气信息工程学院，江苏 常州 213001;2.大连东软信息学院 计算机与软件学院，辽宁 大连 116023 |
| |
| 基金项目： | 国家自然科学基金资助项目（61305123）；2021年江苏理工学院研究生实践创新项目（XSJCX21_57） |
| |
| 摘 要： | 近年来深度学习技术在印刷电路板（Printed Circust Boord,PCB）缺陷检测上已获得快速进步，但现有算法针对PCB图像中多尺度高密度微小缺陷目标，如何精准高效地提取特征，提高检测精度及速度依然存在巨大挑战。提出了一种可变形残差卷积与伸缩式特征金字塔的PCB缺陷检测算法。在Faster RCNN的基础上，通过引入可变形残差卷积模块替换原始VGG16网络进行通道关系校准，提高算法对复杂缺陷目标特征的语义获取能力；利用一种伸缩式改进的特征金字塔NAS-FPN网络与原区域建议RPN网络融合，以改善算法对多尺度微小缺陷目标的识别能力；结合IoU Loss、Matrix NMS等tricks组合综合优化网络的检测精度及速度。通过实验，相比原始Faster RCNN，检测精度从90.08%提升到99.41%，检测速率从4.08 frame/s提升到6.47 frame/s。该方法能实现检测精度及速度双高的PCB缺陷检测，具有一定的实际意义。
|
| 关 键 词： | 印刷电路板；缺陷检测；Faster RCNN；可变形卷积；特征金字塔 |
PCB defect detection based on deformable residual convolution and scalable feature pyramid algorithm |
| |
| SUN Zhichao,WANG Bo,ZHANG Xiaoling. PCB defect detection based on deformable residual convolution and scalable feature pyramid algorithm[J]. Telecommunication Engineering, 2023, 23(6) |
| |
| Authors: | SUN Zhichao WANG Bo ZHANG Xiaoling |
| |
| Affiliation: | 1.School of Electrical Information Engineering,Jiangsu University of Technology,Changzhou 213001,China;2.School of Computer and Software,Dalian Neusoft University of Information,Dalian 116023,China |
| |
| Abstract: | |
| |
| Keywords: | printed circuit board defect detection faster RCNN deformable convolution feature pyramid |
|
| 点击此处可从《电讯技术》浏览原始摘要信息 |
|
点击此处可从《电讯技术》下载全文 |
