裸体印刷电路板的缺陷识别基于贝叶斯式融合多尺度特征的缺陷识别
Xixi Han1, Renpeng Li2, Boqin Wang1
1School of Electronic Information, Zhongyuan University of Technology, Zhengzhou, Henan, China.
PeerJ. Computer science
|March 4, 2024
概括
本研究引入了一种使用多功能融合的裸体印刷电路板 (PCB) 新型缺陷识别方法. 该方法通过结合浅层和深度学习功能,在识别PCB缺陷方面达到99%以上的准确性.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 裸体印刷电路板 (PCB) 的缺陷检测对于电子制造质量控制至关重要.
- 现有的方法经常与复杂的缺陷类型和微妙的视觉线索作斗争.
研究的目的:
- 为裸体PCB提出一种先进的缺陷识别方法.
- 通过将多层次的浅层特征与深层次的语义特征融合,增强缺陷特征.
主要方法:
- 提取多尺度浅层特征:定向投影,灰度共发生矩阵和梯度定向信息.
- 使用预训练的视觉几何组16 (VGG-16) 模型通过转移学习进行深度语义特征提取.
- 采用主要组件分析和贝叶斯理论实施了多功能融合策略.
主要成果:
- 合并的特征向量显示出更好的缺陷表征能力.
- 支持矢量机器 (SVM) 经过训练,使用融合特征序列进行分类.
- 拟议的算法实现了高识别率,超过99%的准确性,用于裸体PCB缺陷识别.
结论:
- 深度特征与多层次浅层特征的整合显著提高了裸体PCB缺陷识别的性能.
- 这种多功能融合方法为PCB自动质量检查提供了强大而准确的解决方案.
