期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向废线路板拆解的高值电子器件自动识别方法研究
被引量：
2
1
作者
陈从平
徐道猛
+4 位作者
李游
邓扬
何枝蔚
张屹
戴国洪
《三峡大学学报（自然科学版）》
CAS
北大核心
2020年第2期87-92,共6页
针对现有对线路板上电子器件采用自定义特征进行机器视觉识别方法的不足,设计开发了一种基于深度学习的多类高值电子器件自动识别方法,通过对典型YOLOv3网络模型结构进行改进,构造新的YOLOv3-Darknet62网络模型,以提高对多类尺寸、形状...
针对现有对线路板上电子器件采用自定义特征进行机器视觉识别方法的不足,设计开发了一种基于深度学习的多类高值电子器件自动识别方法,通过对典型YOLOv3网络模型结构进行改进,构造新的YOLOv3-Darknet62网络模型,以提高对多类尺寸、形状差异较大的高值电子器件检出能力.经对网络参数优化、网络训练与实测,结果表明,该方法对所关注的废线路板上6类高值电子器件的平均识别精度高达79.23%,同等条件下识别率明显高于YOLOv2、YOLOv3、Faster-RCNN等深度学习网络的识别率,且较人工定义特征的识别方法具有更好的可移植性.
展开更多
关键词
废线路板
高值电子器件
识别
yolov
3-
darknet
62
网络
模型
下载PDF
职称材料
题名
面向废线路板拆解的高值电子器件自动识别方法研究
被引量：
2
1
作者
陈从平
徐道猛
李游
邓扬
何枝蔚
张屹
戴国洪
机构
三峡大学机械与动力学院
常州大学机械工程学院
出处
《三峡大学学报（自然科学版）》
CAS
北大核心
2020年第2期87-92,共6页
基金
国家科技重大专项课题(2018YFC1903101)
国家自然科学基金项目(51475266)。
文摘
针对现有对线路板上电子器件采用自定义特征进行机器视觉识别方法的不足,设计开发了一种基于深度学习的多类高值电子器件自动识别方法,通过对典型YOLOv3网络模型结构进行改进,构造新的YOLOv3-Darknet62网络模型,以提高对多类尺寸、形状差异较大的高值电子器件检出能力.经对网络参数优化、网络训练与实测,结果表明,该方法对所关注的废线路板上6类高值电子器件的平均识别精度高达79.23%,同等条件下识别率明显高于YOLOv2、YOLOv3、Faster-RCNN等深度学习网络的识别率,且较人工定义特征的识别方法具有更好的可移植性.
关键词
废线路板
高值电子器件
识别
yolov
3-
darknet
62
网络
模型
Keywords
discarded printed wiring boards
high value electronic device
identification
yolov
3
-
darknet
62
network model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向废线路板拆解的高值电子器件自动识别方法研究
陈从平
徐道猛
李游
邓扬
何枝蔚
张屹
戴国洪
《三峡大学学报（自然科学版）》
CAS
北大核心
2020
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
