基于深度学习的工业 X 射线电路板图像焊点缺陷检测
图像与视频处理
2021-03-26 v2 计算机视觉与模式识别
摘要
质量控制对电子生产至关重要。随着电子电路制造工艺的进步，印刷电路板（PCB）组装过程中焊点缺陷出现的概率不断增加。许多技术已被用于检测焊接故障，如 X 射线成像、光学成像和热成像。借助先进算法，新技术有望基于数字图像控制生产质量。然而，现有算法有时精度不足，难以满足质量控制要求，仍需专家进行后续核查。对于自动 X 射线检测，X 射线图像上感兴趣区域（ROI）定位焊点，并由若干算法检查；部分不正确的 ROI 会降低检测算法性能。X 射线图像的高维性及图像尺寸的变化也给检测算法带来挑战。另一方面，深度学习的最新进展为基于图像的任务带来曙光，其表现可媲美人类水平。本文在 PCB 质量检测的 X 射线成像质量控制中引入深度学习，提出并比较了两种基于人工智能（AI）的焊点缺陷检测模型，解决了 ROI 含噪问题与成像尺寸多变问题。所提方法的有效性在真实世界 3D X 射线数据集上通过实验得到验证，大幅节省了专家检测工作量。
引用
@article{arxiv.2008.02604,
title = {Deep Learning Based Defect Detection for Solder Joints on Industrial X-Ray Circuit Board Images},
author = {Qianru Zhang and Meng Zhang and Chinthaka Gamanayake and Chau Yuen and Zehao Geng and Hirunima Jayasekara and Xuewen Zhang and Chia-wei Woo and Jenny Low and Xiang Liu},
journal= {arXiv preprint arXiv:2008.02604},
year = {2021}
}
备注
Accepted by conference INDIN 2020