摘要：現有的印刷電路板(PCB)缺陷檢測與識別算法大多都采取傳統的圖像處理和識別過程:即缺陷檢測,特征提取和缺陷識別。由于電路板的復雜性,傳統方法對于種類較多的缺陷很難達到精確分類,提出一種基于深度學習的PCB缺陷識別算法。首先對參考圖像與待測圖像進行差分操作找出PCB缺陷區域,然后針對缺陷區域,設計了包括2個卷積層、2個下采樣層和4個全連接層的卷積神經網絡模型。將PCB缺陷圖像批量歸一化,選取ReLU作為激活函數,Maxpooling作為下采樣方法,并使用Softmax回歸分類器訓練并優化卷積神經網絡。該方法分別與目前生產線上常用的基于方向梯度直方圖、尺度不變特征變換特征和支持向量機結合的識別方法進行了比對,實驗結果表明,該方法的正確識別顯著提高,對于10類PCB缺陷可以得到96.67%的識別準確率,具有較好的應用前景。