检索结果-维普期刊中文期刊服务平台

基于改进YOLOV5s的PCB表面缺陷检测研究: 1; 作者陈敏《包装工程》北大核心 2025年第S1期198-204,共7页; 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,... 展开更多; 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; 在线阅读下载PDF 职称材料

基于PPLCFaster-YOLOv5的PCB表面缺陷快检模型被引量：5: 2; 作者季堂煜赵倩 +2 位作者赵琰余文涛梁爽《电子测量技术》北大核心 2023年第11期115-122,共8页; 针对现有PCB表面缺陷检测方法精度低、召回率低以及实时性较差等问题,提出PPLCFaster-YOLOv5模型。该方法以改进后的PPLC-Net作为主干网络,将Focus结构作为网络第0层,提高特征图对位置信息的表达能力。在深度可分离卷积结构内引入通道... 展开更多; 关键词目标检测 pcb表面缺陷 YOLOv5 通道混洗 SIOU 微服务部署; 在线阅读下载PDF 职称材料

基于改进YOLOv7-tiny的PCB缺陷检测算法: 3; 作者侯培国韩超明 +1 位作者李宁宋涛《燕山大学学报》北大核心 2025年第2期167-176,共10页; 针对现有PCB缺陷检测算法检测效率低、参数量大以及结构复杂的问题,提出了一种改进的YOLOv7-tiny算法。设计了多尺度捕获模块,通过多尺度特征捕获、上下文信息融合以及特征增强的方法,提高算法对图像特征提取的能力,改善CSPSPP层单一池... 展开更多; 关键词 pcb表面缺陷检测 YOLOv7-tiny 多尺度捕获模块全局局部门控感知模块轻量化; 在线阅读下载PDF 职称材料

改进YOLO11的PCB表面缺陷检测方法: 4; 作者吴葛朱宇凡贾泽宁《电子测量技术》 2025年第14期136-145,共10页; 针对PCB表面缺陷检测准确率不足,无法充分平衡模型检测准确性与实时性,难以满足现代电子制造系统稳定运行要求的问题,提出了一种改进YOLO11的PCB表面缺陷检测方法HDH-YOLO。该方法通过采用优化的HGNetV2替换原YOLO11的骨干网络,实现模... 展开更多; 关键词 pcb表面缺陷检测 YOLO11 HGNetV2 HGBlock Dynamicconv DSM; 在线阅读下载PDF 职称材料

改进YOLOv7的PCB缺陷检测算法被引量：2: 5; 作者王玲向北平张晓勇《机械科学与技术》北大核心 2025年第1期9-18,共10页; 针对检测印刷电路板(Printed circuit board, PCB)缺陷任务中,通用物体检测算法难以区分目标缺陷与背景,从而导致检测精度低等问题,提出一种改进YOLOv7的PCB表面缺陷检测模型。首先,在主干提取网络用Conv2Former(Transformer-style conv... 展开更多; 关键词 pcb表面缺陷检测 YOLOv7 Conv2Former SimAM Focal-CIoU; 在线阅读下载PDF 职称材料

基于增强小目标特征提取的PCB板缺陷检测模型被引量：15: 6; 作者季堂煜赵倩 +2 位作者余文涛梁爽赵琰《仪表技术与传感器》 CSCD 北大核心 2023年第4期87-92,共6页; 针对印制电路板(PCB)表面缺陷所具有的分辨率低、小目标性以及多样性等问题,提出基于YOLOv5的增强小目标特征提取的PCB板缺陷检测模型——SPDYOLOv5模型。在主干网络引入SPDConv,提高主干网络对各尺度特征的提取能力。在主干网络最深层... 展开更多; 关键词深度学习 pcb表面缺陷检测 YOLOv5 小目标检测迁移学习 EIOU-NMS; 在线阅读下载PDF 职称材料

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]; 在线阅读下载PDF 职称材料

题名基于PPLCFaster-YOLOv5的PCB表面缺陷快检模型被引量：5: 2; 作者季堂煜赵倩赵琰余文涛梁爽; 机构上海电力大学电子与信息工程学院; 出处《电子测量技术》北大核心 2023年第11期115-122,共8页; 基金国家自然科学基金(61802250)项目资助。; 文摘针对现有PCB表面缺陷检测方法精度低、召回率低以及实时性较差等问题,提出PPLCFaster-YOLOv5模型。该方法以改进后的PPLC-Net作为主干网络,将Focus结构作为网络第0层,提高特征图对位置信息的表达能力。在深度可分离卷积结构内引入通道混洗机制,使各分组卷积获取的特征对全局特征具有等贡献度;引入Dropout机制限制不平衡正则化因子。提出低参数量G4Head特征融合网络结构,将更为浅层的信息加入特征融合中,提高模型对缺陷的定位能力;在主干网络与特征融合之间增加残差连接,提高主干网络信息对特征融合的贡献度;采用SIOU损失函数,加速回归框收敛。将训练后的模型采用Flask服务器框架进行部署。实验表明,部署后的PPLCFaster-YOLOv5模型在DeepPCB以及北京大学PCB表面缺陷检测数据集上检测时间可达0.009 s,且准确率、召回率等相比于其他主流模型均获得提升。; 关键词目标检测 pcb表面缺陷 YOLOv5 通道混洗 SIOU 微服务部署; Keywords object detection pcb surface defects YOLOv5 channel blending SIOU microservice deployment; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv7-tiny的PCB缺陷检测算法: 3; 作者侯培国韩超明李宁宋涛; 机构燕山大学河北省测试计量技术及仪器重点实验室; 出处《燕山大学学报》北大核心 2025年第2期167-176,共10页; 基金河北省自然科学基金资助项目(F2023203005) 河北省教育厅科学研究资助项目(CXY2024024)。; 文摘针对现有PCB缺陷检测算法检测效率低、参数量大以及结构复杂的问题,提出了一种改进的YOLOv7-tiny算法。设计了多尺度捕获模块,通过多尺度特征捕获、上下文信息融合以及特征增强的方法,提高算法对图像特征提取的能力,改善CSPSPP层单一池化操作掩盖特征图内部有效信息的问题。提出了全局局部门控感知模块,通过选择性特征融合、局部与全局信息结合的方法,降低颈部网络的参数量。基于DeepPCB数据集进行实验得出,改进后的模型较传统模型精度提升了1.5%,参数量和计算量分别下降了66%和20.6%,模型规模降低了66.3%。改进后的算法识别精度高、参数量少、计算量小,可以为PCB缺陷的快速准确识别提供良好的条件。; 关键词 pcb表面缺陷检测 YOLOv7-tiny 多尺度捕获模块全局局部门控感知模块轻量化; Keywords pcb surface defect detection YOLOv7-tiny multi-scale capture module global-local gated perception module lightweight; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进YOLO11的PCB表面缺陷检测方法: 4; 作者吴葛朱宇凡贾泽宁; 机构华中科技大学电气与电子工程学院; 出处《电子测量技术》 2025年第14期136-145,共10页; 基金教育部2020年第二批新工科研究与实践项目(E-NYDQHGC20202219)资助。; 文摘针对PCB表面缺陷检测准确率不足,无法充分平衡模型检测准确性与实时性,难以满足现代电子制造系统稳定运行要求的问题,提出了一种改进YOLO11的PCB表面缺陷检测方法HDH-YOLO。该方法通过采用优化的HGNetV2替换原YOLO11的骨干网络,实现模型的轻量化;借鉴Dynamicconv的思想对HGBlock进行改进,用改进的Dynamic_HGBlock替换HGNetV2网络中后四层HGBlock,在不增加过多计算量的前提下引入更多网络参数,增强网络对泛化特征的学习能力,进而提高检测精度;在骨干网络末端添加DSM注意力机制层,通过放大关键区域的空间域和频率域响应提升模型的小目标检测能力。在PKU-Market PCB和DeepPCB数据集进行对比实验和消融实验,实验结果表明,提出的HDH-YOLO模型较基线YOLO11n模型参数量降低6.20%,计算量降低12.70%,mAP50和mAP50-95分别提升2.6%和2.3%,较好地平衡了轻量化和检测精度,在现代电子制造系统中具有高可靠性和高实用性。; 关键词 pcb表面缺陷检测 YOLO11 HGNetV2 HGBlock Dynamicconv DSM; Keywords pcb surface defect detection YOLO11 HGNetV2 HGBlock Dynamicconv DSM; 分类号 TP391.4 [自动化与计算机技术] TN791 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进YOLOv7的PCB缺陷检测算法被引量：2: 5; 作者王玲向北平张晓勇; 机构西南科技大学制造科学与工程学院; 出处《机械科学与技术》北大核心 2025年第1期9-18,共10页; 基金四川省科技厅重点研发计划(23ZDYF0471)。; 文摘针对检测印刷电路板(Printed circuit board, PCB)缺陷任务中,通用物体检测算法难以区分目标缺陷与背景,从而导致检测精度低等问题,提出一种改进YOLOv7的PCB表面缺陷检测模型。首先,在主干提取网络用Conv2Former(Transformer-style convolutional network)模块替代ELAN模块,保留空间信息的同时加强全局信息关联性,有效减少参数量。其次,删除20×20的大目标检测层,增加160×160的小目标检测层,以此保留更多小目标信息。此外,在特征融合网络引入SimAM(Similarity-based attention mechanism)注意力机制,不引入额外参数的同时提升检测精确度。最后,将Focal损失函数与CIoU损失函数结合,优化损失函数中高质量与低质量样本的权重分配,提升检测效果。实验结果表明,改进后的模型平均检测精度达到95.3%,相较于原模型精度提高了3.6%,参数量为10.97 MB,仅为原模型参数量的三分之一,改进后的模型能够更准确地识别PCB缺陷,有效降低漏检和误检率。; 关键词 pcb表面缺陷检测 YOLOv7 Conv2Former SimAM Focal-CIoU; Keywords pcb surface defect detection YOLOv7 Conv2Former SimAM Focal-CIoU; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TN41 [电子电信—微电子学与固体电子学]; 在线阅读下载PDF 职称材料

题名基于增强小目标特征提取的PCB板缺陷检测模型被引量：15: 6; 作者季堂煜赵倩余文涛梁爽赵琰; 机构上海电力大学电子与信息工程学院; 出处《仪表技术与传感器》 CSCD 北大核心 2023年第4期87-92,共6页; 基金国家自然科学基金资助项目(61802250)。; 文摘针对印制电路板(PCB)表面缺陷所具有的分辨率低、小目标性以及多样性等问题,提出基于YOLOv5的增强小目标特征提取的PCB板缺陷检测模型——SPDYOLOv5模型。在主干网络引入SPDConv,提高主干网络对各尺度特征的提取能力。在主干网络最深层加入CA注意力,加强深层信息的传递能力。提出T3Head特征融合结构,在上下采样阶段融入CBAM注意力机制,加强各尺度间的信息传递能力;借助转置卷积和空间深度卷积,优化特征融合结构对小目标特征的表达能力。在训练过程中,迁移VOC预训练权重加速收敛。采用EIOU-NMS进行后处理,改善模型检测效果。实验结果表明:文中模型在北京大学开源PCB板缺陷数据集上mAP0.5可达92.4%,性能优于其他检测方法。; 关键词深度学习 pcb表面缺陷检测 YOLOv5 小目标检测迁移学习 EIOU-NMS; Keywords deep learning pcb surface defect detection YOLOv5 small object detection transfer learning EIOU-NMS; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进YOLOV5s的PCB表面缺陷检测研究	陈敏	《包装工程》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于PPLCFaster-YOLOv5的PCB表面缺陷快检模型	季堂煜赵倩赵琰余文涛梁爽	《电子测量技术》北大核心	2023	5	在线阅读下载PDF 职称材料
3	基于改进YOLOv7-tiny的PCB缺陷检测算法	侯培国韩超明李宁宋涛	《燕山大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	改进YOLO11的PCB表面缺陷检测方法	吴葛朱宇凡贾泽宁	《电子测量技术》	2025		在线阅读下载PDF 职称材料
5	改进YOLOv7的PCB缺陷检测算法	王玲向北平张晓勇	《机械科学与技术》北大核心	2025	2	在线阅读下载PDF 职称材料
6	基于增强小目标特征提取的PCB板缺陷检测模型	季堂煜赵倩余文涛梁爽赵琰	《仪表技术与传感器》 CSCD 北大核心	2023	15	在线阅读下载PDF 职称材料