改进型Faster R-CNN网络在电子元件LED气泡缺陷检测中的应用

作者：王标; 周雅兰; 王永红^*

来源：电子测量与仪器学报, 2021, 35(09): 136-143.

DOI：10.13382/j.jemi.B2003691

• 缺陷检测
• Faster R-CNN
• 深度学习
• 电子元件
• LED瑕疵

电子元件LED缺陷当前主要检测方法是通过效率低下的人工目检,而传统机器视觉检测速度慢,且识别精度通常难以满足实际应用要求。为了克服这些缺点,提出了一种改进的Faster R-CNN网络为框架的电子元件气泡缺陷检测方法。为了提高网络的鲁棒性和泛化能力,对数据集以添加噪声、改变亮度的方式进行扩充。以Resnet50和FPN网络作为主干网络提取图像特征,并根据其特征金字塔不同特征预测层的特性调整anchor的尺度,构建网络进行训练。最后在数据集上通过对试验结果定量分析表明,该方法对LED元件气泡缺陷的总体准确率达到了95.6%,召回率提高20.8%,单幅图片检测时间约为100 ms,满足生产中自动化检测的要求。

• 出版日期2021
• 单位合肥工业大学