设置首页
加入收藏

基于深度学习的PCB裸板缺陷检测系统

德阳科技成果超市素材收集清单

(一)项目名称

基于深度学习的PCB裸板缺陷检测系统

(二)项目介绍

痛点问题

目前印刷电路板(Printed Circuit BoardPCB)缺陷检测一般采用人工肉眼检测、电气检测、视觉检测等方法,但普遍存在检测效率低、接触式检测易损伤PCB、误检率高、难以适应多种缺陷类型等缺点,如何实现高效率、高准确率、高通用性的PCB板缺陷检测系统具有重要的实际意义。

解决方案

本成果致力研发基于深度学习的PCB裸板缺陷检测系统,其核心采用多尺度卷积核对缺陷图片进行特征提取,并采用深度可分离卷积操作替代网络中的标准卷积操作,实现提高网络模型特征提取能力的同时减少模型的参数数量及计算量,相比经典卷积网络、传统缺陷检测方法,具有缺陷识别准确率高、通用性强等优点,满足工业应用要求。

竞争优势分析

本项目采用深度学习PCB缺陷检测模型,具有缺陷识别准确率高、通用性强等优点

市场应用前景

初步实现基于深度学习的PCB裸板缺陷检测系统,目前测试过多种PCB裸板,相比经典卷积网络、传统缺陷检测方法,具有缺陷识别准确率高、通用性强等优点,满足工业应用要求。后续可以继续推广到其他PCB加工厂,具有广大市场潜力。

发展规划

近三年进一步完善提高基于深度学习的PCB缺陷识别模型性能在保证缺陷识别准确率下,提高训练效率及减少运算量提高系统缺陷识别性能

6. 知识产权

无。

(三)合作需求

合作需求软件开发团队和管理团队资金支持

(四)团队介绍

周松斌,男,博士,研究员,硕士生导师。现任广东省科学院智能制造研究所智能传感技术团队负责人、《自动化与信息工程》编委、广州市仪器仪表学会理事。从事自动化与信息技术应用研究和开发工作。近年来,主持国家、省部级科研项目有8项,主要参加7项,成果鉴定2项,主持技术开发项目15;发表科研论文9;申请发明专利7(授权3),实用新型专利授权8;获广东省科学技术二等奖1项,获得全国发明展览会奖励2项。

0.0604s