CNN融合多尺度特征的PCB裸板缺陷识别.pdf
《CNN融合多尺度特征的PCB裸板缺陷识别.pdf》由会员分享,可在线阅读,更多相关《CNN融合多尺度特征的PCB裸板缺陷识别.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 智 能 计 算 机 与 应 用 年 月 文章编号:()中图分类号:文献标志码:融合多尺度特征的 裸板缺陷识别李任鹏,李云峰(河南科技大学 机电工程学院,河南 洛阳)摘 要:印制电路板(,)表现形式多样,缺陷特征表征困难。针对印制电路板缺陷类别识别难度较大等问题,提出了一种基于卷积神经网络融合多尺度特征的 裸板缺陷识别方法。该方法首先提取 裸板缺陷的多尺度灰度共生矩阵特征、多尺度方向投影特征以及多尺度梯度方向直方图特征,构建缺陷浅层图像特征,然后基于迁移学习,利用 预训练神经网络模型的特征提取网络,提取 裸板缺陷图像深度语义特征,将得到的浅层图像特征与深度语义特征进行融合,最后将
2、特征向量以特征序列方式输入给支持向量机进行分类识别。试验结果表明,融合深度特征和多尺度浅层特征的算法相较于传统卷积神经网络算法,对 裸板缺陷具有较高的识别率。关键词:缺陷识别;特征提取;迁移学习;缺陷检测;特征融合 ,(,)【】(),【】;?哈尔滨工业大学主办学术研究与应用作者简介:李任鹏(),男,硕士研究生,主要研究方向:计算机视觉;李云峰(),男,博士,副教授,硕士生导师,主要研究方向:图像处理、计算机视觉、机器学习。通讯作者:李云峰 :收稿日期:引 言印制电路板(,)缺陷检测问题近年来备受关注。常见缺陷检测算法主要包括基于传统机器视觉的缺陷检测、基于机器学习的缺陷检测和基于深度学习的缺陷
3、检测算法。王付军利用信息熵来检测 表面镀层缺陷,具体通过计算图像颜色变化信息熵和结构变异信息熵来检测 的金手指缺陷和表面划伤缺陷。等在传统模板匹配技术的基础上,提出了一种全局傅里叶图像重建方法,用于检测和定位非周期性 图像中的小缺陷,该算法对平移和光照变化不敏感,能够发现各种非周期性 图像中 像素宽的细微缺陷。李云峰等提出一种基于图像边缘特征的 裸板缺陷检测算法,通过提取边缘像素的梯度方向信息熵以及边缘像素密度特征,结合支持向量机分类器实现缺陷定位。等提出了一种 缺陷检测的非参考比较框架,提取 图像的方向梯度直方图()和局部二值模式()特征,分别放入支持向量机()中进行监督学习,得到两个独立的
4、分类模型,并根据贝叶斯融合理论,融合两种模型进行缺陷分类,证明了融合特征在缺陷分类问题中的有效性。王恒涛等提出一种基于 的轻量化 缺陷检测算法,使用四尺度检测机制扩大模型检测范围,提高了对微小缺陷的检测效果,并通过 剪枝算法,对模型进行压缩,实现了模型的轻量化处理。等人建立了一种轻量级的 检测模型,在提高检测精度的同时实现了 的在线监测,并提出一种字符识别模型,提高了不规则字符的识别精度。裸板缺陷种类繁多,传统缺陷检测模型已无法对复杂多样的缺陷特征进行准确描述,对此本文提出了一种将多尺度浅层特征和神经网络提取的深度特征相融合的 裸板缺陷检测算法。多尺度特征相比于单一尺度特征,纹理特征更加丰富,
5、能更好地挖掘图像细节信息,卷积神经网络()可以自动的从数据集中学习特征,自动学习特征的过程可以从新的训练数据中得到新的有效特征表示。但构建和训练一个深度学习网络模型需要大量的时间成本、较高的硬件要求和大量的标记图像,在缺乏大量数据集的情况下,迁移学习是一个较好的解决方案。本文选择在 数据集上训练好的 网络模型作为预训练模型,通过对模型进行微调,包括调整网络结构和网络参数,使新的网络模型可以更好地拟合目标数据集。算法流程算法可分为两个阶段。第一阶段为缺陷特征的提取与融合。首先,为了减少背景区域干扰像素对特征提取的影响,通过图像差分和形态学等操作,分割出缺陷区域。接下来,提取 裸板缺陷图像的多尺度
6、灰度共生矩阵特征、多尺度方向投影特征以及多尺度梯度方向直方图特征。然后利用 神经网络模型提取缺陷图像的深度语义特征,最后将多个算法提取的特征信息进行融合,构建新的特征向量。第二阶段为缺陷分类识别。将融合后的新特征向量作为训练样本,训练支持向量机模型,完成对 裸板缺陷的分类识别。算法实现过程如图 所示。模板图像待测图像图像配准缺陷提取缺陷数据集V G G-1 6 N E T特征提取多尺度灰度共生矩阵特征,多尺度方向投影特征,多尺度梯度方向直方图特征SVM分类识别特征融合图 算法实现过程 图像配准与缺陷提取本文使用图像增强和高斯滤波算法,对 裸板原始图像进行预处理,以减少光照和噪声对图像的影响。预
7、处理之后,对采集过程中产生畸变的 裸板图像进行位姿矫正,即将待测图像与模板图像进行配准,由 角点检测算法实现。算法是一种基于相关性和局部统计的图像特征点查找算法。特征点是指图像边缘交叉点;颜色、亮度及与周围邻域不同的区域,即图像中的非均匀各向同性区域。算法计算公式可由式()表示。,()其中,和,是图像的一阶导数,表示对图像进行平滑滤波的平滑系数。可选择高斯导数计算平滑导数,使用高斯函数作为滤波函数,高斯滤波核大小为。也可使用 滤波器计算平滑导数,并使用尺寸为 智 能 计 算 机 与 应 用 第 卷的均值滤波器进行滤波。图像的不均匀程度可表示为 ()()图像纹理的各向同性程度可表示为:()()式
8、中:()和 ()分别表示矩阵 的迹和行列式。设置用于分割图像不均匀程度的阈值,用于分隔误差点区域的阈值 。提取大于或等于 的非均匀性,且同时具有大于或等于 的各向同性的像素点。角点检测结果如图 所示:图 算法角点检测结果 根据已知的模板图像和待测图像匹配点,()和,()确定投影变换矩阵,该最优矩阵应满足以下方程:()待测图像经过投影变换,完成位姿矫正和图像配准,如图 所示。图中矩形框表示经过模板图像和待测图像差分后得到的缺陷区域。()模板图像 ()校正后的待测图像图 图像配准结果 最后,对 裸板待测图像缺陷区域进行裁剪,为了减少干扰像素对特征提取的影响,将缺陷区域以外的图像区域,像素值设置为。
9、部分缺陷图像示例如图 所示。(a)漏孔(b)鼠咬(c)断路(d)短路(e)毛刺(f)余铜图 缺陷图像示例 缺陷图像特征提取图像识别实际上是一个分类的过程,为了识别出某图像所属的类别,就需要将不同类别的图像区分开来。即需要对图像进行特征提取,要求选取的特征不仅要能够很好地描述图像,更重要的是还要能够很好地区分不同类别的图像。为了增大特征信息类间差距,提高特征向量对 裸板缺陷图像的分类性能,本文提出了基于多尺度特征融合的缺陷提取算法。观察图 可知,裁剪出的 裸板缺陷图像在单一分辨率下,难以提取丰富的特征信息,故本文对缺陷图像执行下采样,基于高斯金字塔,构建多尺度缺陷图像,图像分辨率随着下采样逐渐降
10、低,信息逐渐丰富。对每张图像执行 次下采样操作,构建 层金字塔图像,分别对各尺度图像进行特征提取。在特征提取之前,需对数据集归一化出力,将 裸板缺陷图像每点像素值归一化至 之间。多尺度灰度共生矩阵特征提取提取各层金字塔图像 方向灰度共生矩阵特征。本文选择以下统计量作为灰度共生矩阵特征。设表示共生矩阵的宽度,表示共生矩阵中的项。则能量:,()第 期李任鹏,等:融合多尺度特征的 裸板缺陷识别 相关性:,()()()其中,(),(),()(),()()同质性:,()()对比度:,()()分别计算 层图像金字塔的灰度共生矩阵特征,将特征向量串联即可得到多尺度灰度共生矩阵特征向量。多尺度方向投影特征提取
11、方向投影,即区域灰度值的水平投影和垂直投影。计算公式如下:()(),(),()()()(),(),()()其中,()表示目标区域;()表示区域所在图像;,()表示输入区域内最小的轴平行外接矩形的左上角;()表示相应行 或列 中的区域点数。水平投影返回反映垂直灰度值变化的一维函数,同样垂直投影返回反映水平灰度值变化的函数。由于方向投影函数不能较好的对缺陷形状特征进行表征,且直接将方向投影函数作为特征向量输入给分类器,可能会造成数据冗余。已知方向投影函数是描述灰度值变化的一维曲线,而一维曲线可以看作时域空间的一维信号,故本文提取各缺陷图像的多尺度方向投影函数的时域特征作为特征向量。时域特征表征方式
12、如下:均方根:()方根幅值:()偏斜度:()平均幅值:()峰值:()峭度:()()波形因子:()脉冲因子:()裕度:()峰值因子:()其中,表示像素序列数量,表示第 个像素序列对应的方向投影函数值。计算 层图像金字塔方向投影函数的时域特征,将时域特征串联即可得到图像的多尺度方向投影特征向量。多尺度梯度方向直方图特征提取梯度方向直方图(,)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,其通过计算和统计图像局部区域的梯度方向直方图来构成特征。首先,计算 裸板缺陷图像的像素梯度,捕获轮廓信息。(,)(,)(,)()(,)(,)(,)()其中,(,)、(,)和(,)分别表示像素点(,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- CNN 融合 尺度 特征 PCB 缺陷 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。