典型文献
基于自适应加权特征融合的PCB裸板缺陷检测研究
文献摘要：
现有的针对PCB裸板的缺陷检测方法存在精确度低、实时性差且难以在移动端部署等问题,本文以YOLO(you only look once)v4算法为基本框架并对其进行改进,提出了一种专门针对PCB裸板的缺陷检测算法.针对YOLOv4算法难以在移动端部署的问题,采用GhostNet取代CSPDarknet53以轻量化整个检测网络.为弥补YOLOv4算法在多尺度特征融合方面的性能不足,提出了一种双向自适应特征融合网络AF-BiFPN取代PANet网络.为进一步提高模型的检测精度,在AF-BiFPN特征融合网络的采样的过程中插入m-ECANet通道注意力机制.实验结果证明,改进后的YOLOv4算法的模型大小为18.64 MB,检测的平均精度(mean average precision,mAP)为98.39％,检测速度为62.23 FPS,可为实际PCB裸板检测提供理论指导.
文献关键词：
缺陷检测;轻量化网络;双向自适应特征融合;m-ECANet
中图分类号：
作者姓名：
钱万明;朱红萍;朱泓知;李毅;郭利文
作者机构：
湖南科技大学信息与电气工程学院 湘潭 411100
文献出处：
引用格式：
[1]钱万明;朱红萍;朱泓知;李毅;郭利文-.基于自适应加权特征融合的PCB裸板缺陷检测研究)[J].电子测量与仪器学报,2022(10):92-99
A类：
双向自适应特征融合
B类：
自适应加权,PCB,缺陷检测方法,移动端,端部,you,only,look,once,基本框架,检测算法,YOLOv4,GhostNet,CSPDarknet53,个检,测网,多尺度特征融合,特征融合网络,AF,BiFPN,PANet,检测精度,ECANet,通道注意力机制,MB,mean,average,precision,mAP,检测速度,FPS,轻量化网络
AB值：
0.374479
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。
