改进型卷积神经网络焊点缺陷识别算法研究

发布时间：2021-10-12 12:29

　　为了同时对多种焊点缺陷类型进行快速识别,解决现有焊接异常图像识别算法误检率与漏检率偏高的问题,设计了基于改进型卷积神经网络的深度学习算法。利用自组织映射分类技术,提高了卷积神经网络的数据选择自适应性,结合自适应矩估计分析,约束了焊接异常图像中特征集合的收敛条件。实验中将5种常见焊接异常图像以等比例随机分布的形式放入训练集、验证集和测试集中,再分别用传统识别算法（canny算法和k均值算法）和该算法进行测试。结果表明,对于桥连缺陷,3种方法均无误检、无漏检;对于小球缺陷,3种方法均符合要求,而canny算法的检出能力最优;对于偏球缺陷,3种算法的误检率分别是12.4%,7.3%和与1.4%,漏检率分别是13.3%,6.5%和1.1%;对于虚焊和少锡缺陷,该算法相比传统算法精度高约1个数量级。该算法在对多种焊点缺陷类型识别中具有明显优势。 

【文章来源】：激光技术. 2020,44(06)北大核心CSCD

【文章页数】：5 页

【文章目录】：
引 言
1 系统设计
2 数据预处理
    2.1 获取灰度直方图函数
    2.2 图像增强
    2.3 滤波优化
3 焊点异常识别算法设计
    3.1 深度学习算法构架
    3.2 改进型卷积神经网络
    3.3 模型设计与实现
4 实 验
    4.1 数据获取
    4.2 焊接异常图像对比
    4.3 测试集分析
5 结 论


【参考文献】：
期刊论文
[1]基于多模型深度卷积网络融合的人群计数算法[J]. 雷翰林,张宝华.  激光技术. 2019(04)
[2]基于变换矩阵的BGA X-ray图像倾斜识别及校正方法[J]. 李井元,方黎勇,胡栋材,齐晓世.  强激光与粒子束. 2018(10)
[3]基于图像处理的PCB板表面检测分析研究[J]. 夏成蹊,杨晨,赵雪,丁召.  电视技术. 2018(08)
[4]手持式声表面波射频识别系统[J]. 彭福强,陈智军,陈涛,李庆亮,贾浩.  压电与声光. 2018(03)
[5]加权联合降维的深度特征提取与分类识别算法[J]. 冯玮,王玉德,张磊.  激光技术. 2018(05)
[6]基于机器视觉的焊点检测算法研究[J]. 刘美菊,李凌燕,郭文博.  电子器件. 2017(04)
[7]基于极限学习机的焊点质量检测[J]. 马立勇,袁统帅.  计算机工程与应用. 2018(12)
[8]基于深度学习的图像超分辨率复原研究进展[J]. 孙旭,李晓光,李嘉锋,卓力.  自动化学报. 2017(05)
[9]基于机器人视觉的银网焊点定位技术研究[J]. 陈一峤,胡国清,黄道权,李锐,贾明峰.  航空制造技术. 2017(09)
[10]基于机器视觉PCB焊点质量检测研究[J]. 祝振敏,吕兆康,宋瑞超,李海文.  控制工程. 2017(04)



本文编号：3432582