基于深度学习的国产工业相机PCB缺陷检测算法

针对PCB缺陷检测进口成套设备价格昂贵、闭源、不支持二次开发,面向国产工业相机的核心算法效率和准确度不佳的问题,提出一种基于深度学习的国产工业相机PCB缺陷检测算法。通过国产工业相机采集PCB训练样本集,利用K-means++聚类算法依据缺陷特征生成符合缺陷尺寸的先验框。在YOLOv3深度学习算法的网络结构基础上,增加一个尺度为104×104的特征图层,进一步提取更多尺度的特征信息。通过多尺度特征的联合预测得到缺陷位置和类别。实验测试结果表明:所提出算法的平均精度均值达到97.42%,优于同级别时间复杂度的SSD算法、YOLOv3算法和FasterRCNN算法,能够满足国产工业相机PCB缺陷检测的实际需求。