典型文献
基于改进YOLOv5算法的PCB裸板缺陷检测
文献摘要：
目的 将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率.方法 通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率.结果 改进后的网络的平均精度由91.54％提高至97.36％,提高了5.82％,并且对于各类缺陷,算法的检测精度都能保持在90％以上,满足工业的需求.结论 文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势.
文献关键词：
PCB裸板;YOLOv5;缺陷检测;深度学习;目标检测
中图分类号：
作者姓名：
许思昂;李艺杰;梁桥康;杨彬
作者机构：
湖南大学 电气与信息工程学院,长沙 410082;电子制造业智能机器人技术湖南省重点实验室,长沙 410082;机器人视觉感知与控制技术国家工程实验室,长沙 410082
文献出处：
引用格式：
[1]许思昂;李艺杰;梁桥康;杨彬-.基于改进YOLOv5算法的PCB裸板缺陷检测)[J].包装工程,2022(15):33-41
A类：
B类：
YOLOv5,PCB,缺陷检测,算法应用,高检,加特,特征融合,合通,C2,C3,C4,P2,P3,P4,F2,特征图,加图,细节信息,注意力机制,SE,block,检测精度,小目标检测,多信息融合
AB值：
0.426354
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。
