来源：期刊VIP网 时间：
作者：张健滔;黄允;汪鹏宇;瞿栋;
单位：上海大学机电工程与自动化学院;
摘要：为了准确快速进行PCB缺陷检测，文中针对常见的PCB缺陷铜面残渣（简称RE-CU）和铜面异物（简称FB-CU），利用YOLOv3模型进行缺陷识别实验。实验结果显示：YOLOv3模型在PCB缺陷识别中有较好的检测效果，在阈值为0.5时，有缺陷图片（简称NG图片）的漏检率低于15%，无缺陷图片（简称OK图片）的误检率只有5%左右。在深入分析检测的结果后，发现对于小缺陷的识别效果较差，于是增加了一个感受野更小的检测头，构建了具有四个检测头的网络结构。利用改进型的YOLOv3算法进行实验，结果表明：改进后的YOLOv3算法具有更好的检测性能，在阈值为0.5时，OK图片的误检率较改进前降低为0.25%，并且在阈值为0.7时更是达到了0%,NG图片的漏检率较改进前也有所降低。
关键词：深度学习;;PCB;;缺陷检测;;YOLOv3算法;;目标检测
基金资助：国家自然科学基金资助项目（52175102）;; 上海市自然科学基金资助项目（18ZR1414300）;; 上海市科技支撑项目（18391900900）
