文献类型：期刊文章

作　　者：伍济钢[1] 成远[1] 邵俊[1] 阳德强[1]

Wu Jigang;Cheng Yuan;Shao Jun;Yang Deqiang(Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment,Hunan University of Science and Technology,Xiangtan 411201,China)

机构地区：[1]湖南科技大学机械设备健康维护湖南省重点实验室,湘潭411201

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(51775181)项目资助。

年　　份：2021

卷　　号：42

期　　号：10

起止页码：171-178

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用MobileNetV3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、MobileNetV3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。

关 键 词：PCB缺陷检测  YOLOv4  二分K-means聚类  MobileNetV3  Inceptionv3  

分 类 号：TH862[仪器类] TP391.41]