基于双通道多模态卷积网络的电子元器件缺陷分类检测

1 论文标题：基于双通道多模态卷积网络的电子元器件缺陷分类检测

2 作者信息：程克林：上海赫立智能机器有限公司，上海

3 出处和链接：程克林. 基于双通道多模态卷积网络的电子元器件缺陷分类检测[J]. 数据挖掘, 2023, 13(3): 269-277. https://doi.org/10.12677/HJDM.2023.133027

4 摘要：目前在电子元器件的缺陷检测领域，主要是基于机器学习的传统图像处理算法和基于深度学习的智能图像算法。深度卷积网络可以自动提取图像更深层的特征，避免了传统图像处理算法特征提取的复杂性和盲目性。因此，本文提出一种基于双通道多模态卷积网络的电子元器件缺陷分类方法，将电子元器件影像分为Pass和Fail两个类别。首先，为提高模型的泛化能力，本文使用了Top光源和Side光源两个模态的数据。其次，为解决训练样本不足和类间样本不平衡的问题，使用PCA Jittering对数据集进行扩增。最后，为了实现模型对不同模态数据的有效覆盖，本文设计了一种基于特征融合的双通道卷积神经网络。实验表明，本文的电子元器件缺陷分类方法能够更有效地处理训练样本不足的问题，并在训练过程中通过特征融合提高了模型的性能。这将为电子信息产业的发展提供重要的技术支持和应用前景。