-
题名基于改进YOLOV5s的PCB表面缺陷检测研究
- 1
-
-
作者
陈敏
-
机构
武汉软件工程职业学院电子工程学院
-
出处
《包装工程》
北大核心
2025年第S1期198-204,共7页
-
文摘
针对印制电路板(Printed Circuit Board,PCB)表面缺陷存在的尺寸小、形状多样、漏检与错检率高等问题,本研究提出一种基于改进YOLOv5s的PCB缺陷检测模型。该模型通过以下创新点显著提升检测性能:首先,在主干网络中引入Adown下采样结构,在有效提取多尺度网络特征的同时,显著降低网络前后层间关联信息的丢失率;其次,创新性地提出一种小目标特征跨多层融合网络架构,通过构建跨多层特征融合机制,充分整合浅层细节特征与深层语义信息;进一步通过增加专用于微小缺陷检测的小感受野检测头,并融合坐标注意力机制,显著增强模型对微米级瑕疵的定位能力;在损失函数设计方面,创新性地将Focal损失函数和WIoUv3损失函数相结合,动态优化困难样本与简单样本的权重分配,有效加快算法收敛速度。实验结果表明,所提模型在保持实时性的同时实现卓越检测性能:mAP达到98.1%,推理速度为54 FPS。与基准模型相比,相较于原始YOLOv5s,本方法在精度、召回率和mAP上分别显著提升3.4%、3.7%和1.9%。该成果说明模型不仅能更好地满足工业场景高精度、高效率的PCB缺陷检测需求,更为智能制造质量管控提供了可靠的技术支撑。
-
关键词
YOLOV5s
PCB表面缺陷
adown下采样
小目标特征跨多层融合网络
-
分类号
TB486
[一般工业技术—包装工程]
-
-
题名基于改进YOLOv8n模型的辣椒病害检测方法
被引量：1
- 2
-
-
作者
李芳
危疆树
王玉超
张尧
谢宇鑫
-
机构
四川农业大学信息工程学院
四川农业大学机电学院
-
出处
《江苏农业学报》
北大核心
2025年第2期323-334,共12页
-
基金
四川省科技厅关键技术攻关项目(22ZDYF0095)。
-
文摘
为了解决辣椒病害检测速度慢,漏检率和误检率高的问题,本研究以YOLOv8n为基线模型,引入Adown下采样模块替代原模型骨干网络(Backbone)的卷积下采样层,引入SlimNeck模块将原模型颈部网络中的卷积层和特征聚合模块(C2f)替换为混合卷积模块(GSConv)和跨阶段部分网络(VoVGSCSP)模块,并利用辅助训练头Aux Head(Auxiliary head)融合原有的检测头,构建改进的YOLOv8n模型(YOLOv8n-ATA模型)。最后利用辣椒炭疽病、褐斑病、脐腐病和细菌性叶斑病等4种病害影像数据集对改进后的模型性能进行分析。结果表明,改进后模型的浮点计算量和模型大小比原YOLOv8n模型增加19.5%和10.2%,但模型对辣椒病害的识别精确率、平均精度均值mAP_(50)和mAP_(50∶95)分别提升2.6个百分点、2.9个百分点和2.9个百分点,同时每1 s传输帧数增加15.1%。因此,改进后的模型能够对辣椒病害进行有效识别,较好实现模型识别准确度与效率的平衡。
-
关键词
辣椒病害
YOLOv8n模型
目标检测
adown下采样模块
SlimNeck模块
Aux
Head检测头
-
Keywords
chili diseases
YOLOv8n model
target detection
adown downsampling module
SlimNeck module
Aux Head
-
分类号
S24
[农业科学—农业电气化与自动化]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
