典型文献
基于YOLOv5的印制电路板缺陷智能检测
文献摘要：
为了检测印制电路板表面的多种缺陷,基于YOLOv5深度学习算法,进行数据集分类、数据增强和神经网络的构建.通过对缺陷图像目标信息的提取,在印制电路板数据集上进行迭代训练,获得最佳检测模型.对测试集中的印制电路板图像进行检测,统计检测精度相关参数,与传统印制电路板检测模型对比分析.建立基于YOLOv5算法的印制电路板缺陷智能检测模型,对印制电路板表面缺失孔、咬伤、开路、短路、杂散和伪铜等六种缺陷检测,结果表明平均准确率达到99.52％.基于YOLOv5算法的印制电路板缺陷检测模型训练速度快,检测准确率高,有助于印制电路板公司进行大批量快速缺陷检测,提高印制电路板生产质量和检测效率.
文献关键词：
YOLOv5网络;印制电路板;数据集预处理;模型训练;目标检测
中图分类号：
作者姓名：
陈博源
作者机构：
西安交通大学电气工程学院,陕西西安,710049
文献出处：
引用格式：
[1]陈博源-.基于YOLOv5的印制电路板缺陷智能检测)[J].电子测试,2022(07):62-65
A类：
B类：
YOLOv5,印制电路板,智能检测,深度学习算法,数据增强,目标信息,迭代训练,获得最佳,检测模型,测试集,板图,统计检测,检测精度,模型对比分析,咬伤,开路,短路,杂散,六种,缺陷检测,平均准确率,模型训练,训练速度,检测准确率,大批量,生产质量,检测效率,数据集预处理,目标检测
AB值：
0.261555
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。
