PCB缺陷检测深度学习算法的精度改进
本文以YOLOv5目标检测算法为基础算法,针对PCB缺陷检测进行了提高精度的改进.首先通过实验选取了合适的数据增强方法.针对PCB缺陷尺寸小的问题,在原有的3个检测头基础上增加了 P2检测头.设计全新的PANet多特征融合结构,实现高效的双向跨尺度连接和加权特征层融合.针对PCB背景复杂的问题,引入了 CBAM注意力模块以增强图像信息.引入了 Transformer模块来增强算法,以提高捕捉不同位置的PCB缺陷信息的能力.最终通过这些改进,在检测速度FPS仅下降7.2的情况下,检测算法的mAP精度提高了 11.3%.
PCB、缺陷检测、目标检测、深度学习、YOLO
37
TP182;TN911.73(自动化基础理论)
国家重大科学仪器设备开发专项2013YQ220749
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共9页
11-19