摘要：現(xiàn)有的印刷電路板(PCB)缺陷檢測(cè)與識(shí)別算法大多都采取傳統(tǒng)的圖像處理和識(shí)別過程:即缺陷檢測(cè),特征提取和缺陷識(shí)別。由于電路板的復(fù)雜性,傳統(tǒng)方法對(duì)于種類較多的缺陷很難達(dá)到精確分類,提出一種基于深度學(xué)習(xí)的PCB缺陷識(shí)別算法。首先對(duì)參考圖像與待測(cè)圖像進(jìn)行差分操作找出PCB缺陷區(qū)域,然后針對(duì)缺陷區(qū)域,設(shè)計(jì)了包括2個(gè)卷積層、2個(gè)下采樣層和4個(gè)全連接層的卷積神經(jīng)網(wǎng)絡(luò)模型。將PCB缺陷圖像批量歸一化,選取ReLU作為激活函數(shù),Maxpooling作為下采樣方法,并使用Softmax回歸分類器訓(xùn)練并優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)。該方法分別與目前生產(chǎn)線上常用的基于方向梯度直方圖、尺度不變特征變換特征和支持向量機(jī)結(jié)合的識(shí)別方法進(jìn)行了比對(duì),實(shí)驗(yàn)結(jié)果表明,該方法的正確識(shí)別顯著提高,對(duì)于10類PCB缺陷可以得到96.67%的識(shí)別準(zhǔn)確率,具有較好的應(yīng)用前景。