机构名称：
¥ 1.0
摘要 本文提出了一种针对焊球HIP（Head-In-Pillow）缺陷检测的AI（人工智能）解决方案。HIP缺陷会影响焊球的导电性，导致间歇性故障。由于HIP缺陷的位置和形状多变，传统的机器视觉算法无法完全解决该问题。近年来，卷积神经网络（CNN）在图像识别和分类方面表现优异，但由于数据不足，容易引起过拟合问题。因此，我们结合CNN和机器学习算法支持向量机（SVM）来设计我们的检测流程。参考几种最新模型的优点，我们提出了3D CNN模型，并采用焦点损失和三重态损失来解决由稀有缺陷数据引起的数据不平衡问题。与几种经典的CNN模型和深度学习检测软件SuaKIT相比，我们的检测方法具有最佳性能和快速的测试速度。
TsanKit：用于焊球枕头缺陷检测的人工智能
主要关键词
相关文件推荐
