摘要
传统基于视觉处理的PCB缺陷检测方法通常依赖于人工预设规则下的特征提取,对不同缺陷类型和环境变化的适应性较差。针对这些问题,本文提出了一种基于LabVIEW平台的YOLOv5缺陷检测系统,实现了深度学习与Lab⁃VIEW的结合,提高了缺陷检测的泛化能力。在使用Python完成数据集训练的基础上,将YOLOv5的推理脚本封装为函数,并在LabVIEW平台上通过Python节点调用该推理函数,对摄像机实时采集或照片形式的PCB样品进行缺陷检测和标注。实验表明,该方法具有良好的样本适应性和易于优化等优点,拓展了LabVIEW的视觉处理功能。
出处
《电脑知识与技术》
2024年第28期124-126,共3页
Computer Knowledge and Technology
基金
福建省中青年教师教育科研项目(科技类)(项目编号:JAT200271)。
作者简介
舒强(1976-),男,江西南昌人,讲师,硕士,主要研究方向为电子测量技术。
