基于改进YOLOv5网络的印刷电路板缺陷检测 |
| |
作者姓名: | 卢麒仰 徐超林 杨 育 伍梓帆 赵洪琛 刘宏展 |
| |
作者单位: | 华南师范大学信息光电子科技学院 |
| |
基金项目: | 华南师范大学大学生创新创业项目(202132012);国家自然科学基金(62175070,61875057) |
| |
摘 要: | 针对印刷电路板(PCB)现存检测方法效率低和对小缺陷目标检测准确率低等缺点,提出针对YOLOv5网络进行改进,通过增加小目标检测层获取更多小缺陷特征,之后增加FPN算法融合深浅层的特征信息,提高深层的特征综合度。同时通过图像分割操作放大缺陷占比,提高精确度。结果表明,相比于优化前,设计的检测系统对PCB图片的检测准确性提高了1.89%,检测的缺陷平均检测精度均值提高了1.82%,并且减少了非必要的检测。这为完善PCB的高效检测提供了一定参考。
|
关 键 词: | 卷积神经网络 印制电路板 缺陷检测 图像处理 深度学习 |
|
| 点击此处可从《电子器件》浏览原始摘要信息 |
|
点击此处可从《电子器件》下载免费的PDF全文 |
|