检索结果-南通市图书馆

控制与决策 2023年第5期38卷 1231-1238页

作者：叶卓勋刘妹琴张森林浙江大学电气工程学院杭州310027 西安交通大学人工智能与机器人研究所西安710049

工业环境下表面缺陷检测是质量管理的重要一环,具有重要的研究价值.通用检测网络(如YOLOv4)已被证实在多种数据集检测方面是有效的,但是在工业环境的缺陷检测仍需要解决两个问题:一是缺陷实例在表面占比过小,属于典型的小目标检测问题;... 详细信息

工业环境下表面缺陷检测是质量管理的重要一环,具有重要的研究价值.通用检测网络(如YOLOv4)已被证实在多种数据集检测方面是有效的,但是在工业环境的缺陷检测仍需要解决两个问题:一是缺陷实例在表面占比过小,属于典型的小目标检测问题;二是通用检测网络结构复杂,很难部署在移动设备上.针对上述问题,提出一种基于轻量化深度学习网络的工业环境小目标缺陷检测方法.应用GhostNet替代YOLOv4主干特征提取网络,提高网络特征提取能力及降低算法复杂度,并通过改进式PANet结构增加YOLO预测头中高维特征图比例以实现更好的性能.以发动机金属表面缺陷检测为例进行实验分析,结果表明该模型在检测精度(mAP)提升5.83%的同时将网络模型参数量降低83.5%,检测速度提升2倍,同时满足缺陷检测的精度和实时性要求.

关键词：轻量化检测网络小目标缺陷检测主干特征提取网络改进式PANet

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

YOLO-POD:基于多维注意力机制的高精度PCB微小缺陷检测算法

引用

电子学报 2024年第7期52卷 2515-2528页

作者：郭艳王智文赵润星广西科技大学自动化学院广西柳州545616 广西科技大学电子工程学院广西柳州545006

随着电子设备的广泛应用,印刷电路板(Printed Circuit Board,PCB)在电子制造行业中具有重要意义.然而,由于制造过程中的不完美和环境因素的干扰,PCB上可能存在微小的缺陷.因此,开发高效准确的缺陷检测算法对于确保产品质量至关重要.针对... 详细信息

随着电子设备的广泛应用,印刷电路板(Printed Circuit Board,PCB)在电子制造行业中具有重要意义.然而,由于制造过程中的不完美和环境因素的干扰,PCB上可能存在微小的缺陷.因此,开发高效准确的缺陷检测算法对于确保产品质量至关重要.针对PCB微小缺陷检测问题,本文提出了一种基于多维注意力机制的高精度PCB微小缺陷检测算法.为降低网络的模型参数量和计算量,引入部分卷积(Partial Convolution,PConv),将ELAN(Efficient Layer Aggregation Network)模块设计为更加高效的P-ELAN,同时,为增强网络对微小缺陷的特征提取能力,引入多维注意力机制(Multi-Dimensional Attention Mechanism,MDAM)的全维动态卷积(Omni-dimensional Dynamic Convolution,ODConv)并结合部分卷积,设计了POD-CSP(Partial ODconv-Cross Stage Partial)和POD-MP(Partial ODconv-Max Pooling)跨阶段部分网络模块,提出了OD-Neck结构.最后,本文基于(Youo Only Look Once version 7,YOLOv7)提出了对小目标更加高效的YOLO-POD模型,并在训练阶段采用一种新颖的Alpha-SIoU损失函数对网络进行优化.实验结果表明,YOLO-POD的检测精确率和召回率分别达到了98.31%和97.09%,并在多个指标上取得了领先优势,尤其是对于更严格的(mean Average Precision at IoU threshold of 0.75,mAP75)指标,比原始的YOLOv7模型提高28%.验证了YOLO-POD在PCB缺陷检测性能中具有较高的准确性和鲁棒性,满足高精度的检测要求,可为PCB制造行业提供有效的检测解决方案.

关键词：印刷电路板小目标缺陷检测 POD-CSP POD-MP 全维动态卷积多维注意力机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv8n的PCB缺陷检测算法

引用

国外电子测量技术 2024年第6期43卷 22-32页

作者：姜源付波权轶李昊湖北工业大学电气与电子工程学院武汉430068

针对现有的印刷电路板(PCB)缺陷检测方法计算量大、小目标缺陷易漏检、检测速度较慢等问题,提出YOLOv8n-4SCDP缺陷检测算法。首先,在YOLOv8n颈部网络增加上采样,融合Backbone中浅层语义信息,同时增加微小目标检测层降低PCB小目标缺陷漏... 详细信息

针对现有的印刷电路板(PCB)缺陷检测方法计算量大、小目标缺陷易漏检、检测速度较慢等问题,提出YOLOv8n-4SCDP缺陷检测算法。首先,在YOLOv8n颈部网络增加上采样,融合Backbone中浅层语义信息,同时增加微小目标检测层降低PCB小目标缺陷漏检率;其次,在Backbone中融入坐标注意力(CA)机制,强化特征语义和位置信息,提高了模型特征融合能力;另外,设计密集连接机构,提高模型的缺陷特征利用率,采用PConv对模型进行压缩,既保证了模型的准确性,又大大减小了模型的尺寸;最后,针对难易样本不平衡的问题,采用线性区间映射法重新定义回归损失函数(Focaler-SIoU),提高模型收敛速度和回归精度。实验结果表明,YOLOv8n-4SCDP算法的整体缺陷的平均精度均值(mAP)达到95.8%,检测帧率达到了65fps。有效改善YOLOv8n对于PCB小目标缺陷漏检率高、检测精度低等问题。

关键词： YOLOv8n PCB缺陷小目标缺陷检测密集连接注意力机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：