典型文献
基于轻量化人工神经网络的PCB板缺陷检测
文献摘要：
PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型.首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解决特征提取中分辨率与感受野不合的问题.最后使用PReLU激活函数代替ReLU,防止神经元崩坏.实验结果表明,改进的算法参数减少91％,每s浮点运算次数减少70％,检测精度达到95％,能够在小型计算平台完成快速精确的PCB板表面缺陷检测.
文献关键词：
深度学习;轻量化网络;YOLOv5;PCB板检测;目标检测
中图分类号：
作者姓名：
王淑青;鲁濠;鲁东林;刘逸凡;要若天
作者机构：
湖北工业大学电气与电子工程学院,湖北武汉 430068;华中科技大学武汉光电国家研究中心,湖北武汉 430074;武汉大学电气与自动化学院,湖北武汉 430072
文献出处：
引用格式：
[1]王淑青;鲁濠;鲁东林;刘逸凡;要若天-.基于轻量化人工神经网络的PCB板缺陷检测)[J].仪表技术与传感器,2022(05):98-104
A类：
B类：
人工神经网络,PCB,表面缺陷检测,目标检测模型,计算平台,YOLOv5,主干网络,ShuffleNetV2,Conv,C3,FPN,CEM,AM,感受野,PReLU,激活函数,数代,崩坏,算法参数,浮点运算,检测精度,轻量化网络
AB值：
0.41089
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
