解决方案体系结构：使用卷积神经网络实现图像分类

精益化生产、成本控制和减少浪费是制造企业保持竞争力必不可少的要素。在电路板制造业中，故障电路板会损耗制造商成本、降低生产效率。装配线依靠人力操作员快速查看和验证被装配线测试机标记为存在潜在故障的电路板。

此解决方案分析电路板制造厂中装配线摄像机所生成的电子组件图像，并检测其错误状态。其目的在于尽量减少或消除人力干预。此解决方案使用具有 50 个隐含层的卷积神经网络构建一个图像分类系统，该神经网络已通过 ImageNet 数据集中的 350,000 张图像进行了训练，即通过删除最后一个网络层来生成图像的视觉特征。这些特征随后用来训练一个提升决策树，即将图像分类为“通过”或“失败”，以及对一个制造厂中封边机的最终评分进行分类。分类性能结果良好（基于时间的交叉验证 AUC>.90），这表明该解决方案适合用于大幅降低组装电路板电子组件故障检测中的人力干预。

使用该解决方案实现故障检测自动化而不是单纯依靠人力操作员，从而帮助提升故障电子组件鉴定准确性，并提高生产效率。