文献类型：期刊文章

作　　者：李澄非[1] 蔡嘉伦[1] 邱世汉[1] 梁辉杰[1]

Li Chengfei;Cai Jialun;Qiu Shihan;Liang Huijie(Faculty of Intelligent Manufacturing,Wuyi University,Jiangmen 529020,China)

机构地区：[1]五邑大学智能制造学部,江门529020

出　　处：《电子测量技术》

基　　金：2017年广东省科技发展专项(2017A010101019);2019年广东省普通高校特色创新类项目(2019KTSCX181)资助。

年　　份：2021

卷　　号：44

期　　号：17

起止页码：146-153

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：现有印刷电路板(PCB)缺陷检测方法,多采用参考法进行检测,对图片配准要求高,不仅耗时且定位误差大。YOLOv4速度快,精度高,但应用在PCB检测上存在着漏检的情况,对小目标检测效果不佳,现提出了一种基于改进YOLOv4算法的PCB缺陷检测方法。首先,以CSPDarknet53为主干网络,采用单特征层结构,避免了数据不均衡带来的先验框分配问题。然后,将网络中的5次卷积改进为CSP结构的残差单元,进一步提高特征提取能力。最后,采取K-means++对先验框重新进行聚类,提高模型训练效果。实验部分采取北京大学发布的PCB数据集进行训练,结果表明,改进后的算法平均精度均值(mAP)达到98.71%,在精度上优于其他常见的目标检测算法。

关 键 词：电路板 机器视觉 YOLOv4  小目标  目标检测

分 类 号：TP391] TP18[计算机类]