提出一种基于Faster RCNN(Faster Region with Convolutional Neural Networks)的电路板缺陷图像自动检测方法。该方法首先应用ResNet50网络作为主干网络以提取缺陷图像特征;然后针对电路板图像中缺陷的极端长宽比特点,提出基于特征金...提出一种基于Faster RCNN(Faster Region with Convolutional Neural Networks)的电路板缺陷图像自动检测方法。该方法首先应用ResNet50网络作为主干网络以提取缺陷图像特征;然后针对电路板图像中缺陷的极端长宽比特点,提出基于特征金字塔的区域推荐网络,得到多尺度特征融合图并生成建议框;最后,通过对感兴趣区域进行池化处理,并结合后续网络实现对电路板图像上缺陷的快速检测。试验证明,所提算法能够快速定位出电路板图像中的各种缺陷,并能实现准确的自动分类识别。展开更多
文摘提出一种基于Faster RCNN(Faster Region with Convolutional Neural Networks)的电路板缺陷图像自动检测方法。该方法首先应用ResNet50网络作为主干网络以提取缺陷图像特征;然后针对电路板图像中缺陷的极端长宽比特点,提出基于特征金字塔的区域推荐网络,得到多尺度特征融合图并生成建议框;最后,通过对感兴趣区域进行池化处理,并结合后续网络实现对电路板图像上缺陷的快速检测。试验证明,所提算法能够快速定位出电路板图像中的各种缺陷,并能实现准确的自动分类识别。
