融合图像差分与深度学习的PCB缺陷识别研究

摘要

本文研究了一种在传统图像缺陷检测上,引入迁移学习的PCB缺陷图像识别方法,该方法在缺陷检测提取阶段,本文提出一种基于正反向的图像差分算法,检测提取了“潜在”PCB缺陷图像,制作了以五种常见PCB缺陷及正常无缺陷的样本集;在缺陷识别阶段,基于ResNet-34架构搭建PCB缺陷图像识别分类模型并结合迁移学习的思想,采用在PyTorch平台充分训练好的模型进一步训练。实验结果表明,文中提出的PCB缺陷检测识别策略平均识别率为93.23%,经过验证,本方案具有较高的有效性,在工程实践中具有一定的参考价值。