基于深度学习的电子元件焊点缺陷检测方法
Electronics and Packaging(2023)
Abstract
提出一种用于训练掩模区域卷积神经网络(Mask R-CNN)的半自动生成焊点图像掩模的方法.由于传统的通过人工标注获取掩模的方法费时费力,提出了 一种简便快捷的基于GrabCut获取图像掩模的方法.该方法由两个阶段组成:第一阶段为基于GrabCut的焊点图像分割,输出像素级分割结果,从而获得所输入图像掩模;第二阶段实现基于Mask R-CNN的焊点表面缺陷检测方法,可以实现对缺陷的定位、分类和分割.试验结果证实了该方法的有效性,在保证Mask R-CNN方法检测精度的前提下,能快速、简单地获取训练Mask R-CNN所需的焊点掩模.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined