文献类型：期刊文章

作　　者：王淑青[1] 鲁濠[1] 鲁东林[1] 刘逸凡[2] 要若天[3]

WANG Shu-qing;LU Hao;LU Dong-lin;LIU Yi-fan;YAO Ruo-tian(School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan 430068,China;Wuhan Optoelectronics National Research Center,Huazhong University of Science and Technology,Wuhan 430074,China;School of Electrical and Automation,Wuhan University,Wuhan 430072,China)

机构地区：[1]湖北工业大学电气与电子工程学院,湖北武汉430068 [2]华中科技大学武汉光电国家研究中心,湖北武汉430074 [3]武汉大学电气与自动化学院,湖北武汉430072

出　　处：《仪表技术与传感器》

基　　金：国家自然科学基金(61873195)。

年　　份：2022

期　　号：5

起止页码：98-104

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解决特征提取中分辨率与感受野不合的问题。最后使用PReLU激活函数代替ReLU,防止神经元崩坏。实验结果表明,改进的算法参数减少91%,每s浮点运算次数减少70%,检测精度达到95%,能够在小型计算平台完成快速精确的PCB板表面缺陷检测。

关 键 词：深度学习  轻量化网络  YOLOv5  PCB板检测  目标检测

分 类 号：TP391.41]