一种基于深度学习的电子元器件质量检测方法与系统

本发明涉及一种基于深度学习的卷积神经网络电子元器件质量检测方法，属于故障诊断技术与信号处理分析技术领域。本发明首先搜集不合格电子元器件的图像，如元件缺脚、错误打标，将收集到的图像分为训练集、验证集和测试集，并对数据集中的图像进行不合格区域标注，包括坐标信息和分类信息；其次构建用于电子元器件质量检测的卷积神经网络模型；然后利用训练数据集中的图像对用于不合格元器件图像检测的卷积神经网络模型进行训练；利用训练好的用于裂纹图像检测的卷积神经网络模型，对测试数据集中的不合格元器件图像进行质量检测。本发明使得网络模型能够有效增加不合格元器件的选择，并且比传统的多步图像检测方法速度更快，可以在短时间内处理更多的图像；使得网络模型可以获得更精细的局部细节；使得整个网络可以实现有效的递进式特征传递，提高了网络模型的电子元器件质量检测精度。