基于卷积神经网络的PCBCT图像中的过孔和焊盘检测算法.PDFVIP

基于卷积神经网络的PCB CT 图像中的过孔和焊盘检测算法 作者 贾涛, 周利莉, 陈健, 曾磊, 闫镔 机构 信息工程大学 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第2 期 访问地址 /article/02-2018-02-022.html 发布日期 2017-03-15 09:16:41 引用格式 贾涛, 周利莉, 陈健, 曾磊, 闫镔. 基于卷积神经网络的PCB CT 图像中的过孔和焊盘检测算法[J/ OL]. [2017-03-15]. /article/02-2018-02-022.html. 摘要 针对印刷电路板（printed circuit board，PCB）计算机断层成像（computerized tomography，CT） 图像通常存在噪声大、过孔和焊盘的数量多以及焊盘与背景的对比度低和焊盘形状变化较多等因 素导致过孔和焊盘的检测比较困难的问题，基于卷积神经网络模型网中网，提出将池化核作为参 数进行学习以提高网络的数据表达能力，在基准数据集上进行验证后结合选择性搜索算法应用于 PCB CT 图像中的过孔和焊盘检测。实验结果表明，参数池化能够帮助提高网络对数据的表达能 力，改进后的网络能够有… 关键词 印刷电路板无损检测, 卷积神经网络, 参数池化, 计算机断层成像 中图分类号 TP391.4 基金项目 国家自然科学基金资助项目 35 优先出版 计 算 机 应 用 研 究 第 卷 基于卷积神经网络的PCB CT 图像中的过孔和焊盘检测算法* 贾 涛，周利莉，陈 健，曾 磊，闫镔* (信息工程大学，郑州 450000) printed circuit board PCB computerized tomography CT 摘 要：针对印刷电路板（ ， ）计算机断层成像 （ ， ）图像通常存在 噪声大、过孔和焊盘的数量多以及焊盘与背景的对比度低和焊盘形状变化较多等因素导致过孔和焊盘的检测比较困难的 问题，基于卷积神经网络模型网中网，提出将池化核作为参数进行学习以提高网络的数据表达能力，在基准数据集上进 行验证后结合选择性搜索算法应用于PCB CT 图像中的过孔和焊盘检测。实验结果表明，参数池化能够帮助提高网络对 数据的表达能力，改进后的网络能够有效检测出PCB CT 图像中的过孔和焊盘，基本达到实际应用需求。 关键词：印刷电路板无损检测；卷积神经网络；参数池化；计算机断层成像 中图分类号：TP391.4 Via and pad detection in PCB CT images based on convolutional neural network Jia Tao, Zhou Lili, Chen Jian, Zeng Lei, Yan Bin* (1Information Engineering University, Zhengzhou 450000, China) Abstract: Aiming at the problems of large noise, large amount of vias and pads, low contrast