相关实验视频
Updated: Jun 1, 2025
08:35
Hybrid Printing for the Fabrication of Smart Sensors
Published on: January 31, 2019
8.1K
改进了印刷电路板缺陷检测方案
1School of Computer Engineering , Jiangsu Second Normal University, Nanjing, Jiangsu, 211200, China.
Scientific reports
|January 18, 2025
概括
这项研究介绍了PD-YOLOv8,一种增强的印刷电路板 (PCB) 缺陷检测系统. 它通过整合先进的注意力机制和优化的网络结构,显著提高了PCB检查中小缺陷的识别能力.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 制造业 制造技术 制造技术
背景情况:
- 印刷电路板 (PCB) 检查在检测小缺陷方面面临着挑战.
- 现有的方法往往难以准确识别复杂的PCB图像中的微小目标.
研究的目的:
- 提出一个改进的印刷电路板 (PCB) 缺陷检测方案,PD-YOLOv8,专门用于增强小目标识别.
- 通过创新的设计修改,提高PCB检查中小缺陷的检测性能.
主要方法:
- 将高效通道注意网络 (ECANet) 纳入YOLOv8骨干,以进行自适应功能增强.
- 优化了部结构,使用[公式:参见文本]模块进行跨层特征融合,以及专门的小目标检测头.
- 集成了一个SlimNeck模块,用于高效的多尺度特征融合,以及一个BiFPN结构,用于双向信息流.
主要成果:
- 该PD-YOLOv8算法表现出提高的灵敏度和专注于PCB图像中的微小细节.
- 增强了上下文理解,并改进了微小缺陷的本地化和识别.
- 与原来的YOLOv8.8相比,在小目标中实现了[公式:参见文本]对小目标的欧盟值0.5 (mAP50) 的交叉点平均平均精度的改进.
结论:
- 拟议的PD-YOLOv8方案有效地解决了PCB缺陷检测中小目标识别的挑战.
- 创新的ECANet集成,优化的部结构,SlimNeck和BiFPN显著提高了小型PCB缺陷的检测精度.
- PD-YOLOv8为自动化和高精度PCB检查系统提供了一个有前途的解决方案.
