基于改进PointNet++的3D点云焊点缺陷检测方法OA

针对传统印刷电路板(PCB)焊点缺陷检测方法使用二维图像信息特征提取,检测准确率较低的问题,采用条纹结构光技术建立焊点3D点云信息,提出一种基于改进的PointNet++深度学习模型的3D点云焊点缺陷检测方法。首先通过双目条纹结构光技术建立PCB焊点3D点云信息;其次构建了包含焊锡过少、焊锡过多、气孔针孔、桥接短路、过热和正常焊点共计6种类别的PCB焊点3D点云数据集;建立改进的PointNet++深度学习模型,对3D点云数据进行训练及测试,其中应用多尺度分组策略提高模型对不同尺寸焊点的分类能力,并引入注意力机制,提高点云局部信息提取能力;最后运用改进模型对测试数据集和实际PCB板焊点进行测试,实验结果表明,改进PointNet++模型在测试集与实际PCB板焊点缺陷检测准确率分别为98.7%和97%,检测精度显著提升。