石锦成，刘 鑫，刘 蜜，刘 超

(贵州航天电器股份有限公司，贵州贵阳 550009)

0 引言

电子元器件上所附加的导线在穿线、剥线、压接等工序过程中常具有缺陷特征细微、多样、难摄取、不易量化等特点，在产品外观质量筛检过程中，采用人工筛检的方法会受到观测方法限制、筛检标准不统一等因素的影响，而采用传统机器视觉技术则存在缺陷特征难以量化和提取、缺陷图像识别能力弱等不足。由于存在细微而又多样的形态过渡变化，产品外观质量的“优、良、中、差”并不能受统一的精确尺寸所衡量。在实际人工筛检过程中，其质量品级常存在大范围的模糊过渡的状态，无法精确界定，筛检过程非常依赖筛检人员的观察和感觉。电子元器件导线线头部位的深度及形态均会影响最终检测结果，而在过渡的产品中则会存在一种或多种失效特征，对精确判断产品是否合格造成严重干扰。筛检工作对人员要求高、强度大、经验依赖性强等特点严重制约了电子元器件导线线头的检测效率和精度。

利用机器视觉技术可大幅提升产品外观检测的效率[1]。伴随机器视觉技术的发展，在自动化检测领域有一批技术应用成果[2-5]。然而在实际工程应用中，存在检测困难和实际应用场景的特性情况需要处理，采用经典机器视觉的方式往往难以全面应对各种检测场景，或需要较复杂的处理流程，因此难以适应日益增长的生产需求。以深度学习为代表的新一代人工智能技术的发展为寻求更加精确、高效的检测方法提供了途径[6-10]。……