典型文献
基于改进YOLOv4网络的电路板元器件缺陷检测
文献摘要：
针对传统元器件缺陷检测算法中存在的效率低、误检率高和易用性不强等问题,提出一种基于改进YOLOv4网络的电路板元器件缺陷检测方法.根据电路板上元器件尺度变化大、小目标数量多的特点,设计了改进的YOLOv4算法对电路板上不同元器件进行定位与识别,主要通过增强特征融合增加了一个小目标检测尺度并结合K-means++聚类优化选取先验框尺寸来提升元器件定位与识别精度.结合元器件定位与识别的结果,提取并构建了方位与极性特征向量来对元器件及其极性标识在电路板上的绝对位置进行表示.提出一种元器件方位与极性特征向量的相似度匹配计算方法,精准检测了 5种常见元器件缺陷.实验结果表明,所提出的算法能够快速、精准地实现电路板元器件定位与识别,并有效检测电路板的不同元器件缺陷.
文献关键词：
机器视觉;元器件缺陷检测;YOLOv4;元器件定位;相似度匹配
中图分类号：
作者姓名：
谢黎;袁小芳;尹柏鑫
作者机构：
湖南大学电气与信息工程学院,湖南长沙 410082;湖南大学机器人视觉感知与控制技术国家工程实验室,湖南长沙 410082
文献出处：
引用格式：
[1]谢黎;袁小芳;尹柏鑫-.基于改进YOLOv4网络的电路板元器件缺陷检测)[J].测控技术,2022(04):19-27
A类：
元器件缺陷检测,元器件定位
B类：
YOLOv4,电路板,检测算法,误检率,和易,易用性,缺陷检测方法,上元,尺度变化,特征融合,小目标检测,检测尺度,means++,聚类优化,先验框,识别精度,特征向量,相似度匹配,匹配计算,精准检测,有效检测,检测电路,机器视觉
AB值：
0.21984
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。
