基于深度学习的机器人电路板自主故障检测系统

机器人在生产制造以及使用过程中,由电路板问题导致机器人故障的情况屡见不鲜,因此印刷电路板的故障检测是保障机器人可靠性的关键。基于深度学习的电路板故障缺陷检测方法不仅能够有效克服人工目视检测和线上仪器检测的弊端,提高效率,同时能为生产节省很大的成本。随着深度学习在目标检测领域的不断发展,深度学习网络可以快速准确地从图像中识别目标,并且具有较强的鲁棒性和可迁移性。本文针对电路板的故障检测问题,提出了基于深度学习的机器人电路板自主故障检测系统,该系统通过注意力网络以及多尺度特征融合,大大提高了模型对细小故障的检测召回率,且结合了级联神经网络,提升了故障的定位精度。该模型在电路板故障检测测试数据集上的精度达到平均准确率为99.4%,满足电路板缺陷检测的实际检测需求。