-
题名基于改进YOLOv4网络的电路板元器件缺陷检测
被引量：10
- 1
-
-
作者
谢黎
袁小芳
尹柏鑫
-
机构
湖南大学电气与信息工程学院
湖南大学机器人视觉感知与控制技术国家工程实验室
-
出处
《测控技术》
2022年第4期19-27,共9页
-
基金
国家重点研发计划项目(2017YFB1300900)。
-
文摘
针对传统元器件缺陷检测算法中存在的效率低、误检率高和易用性不强等问题,提出一种基于改进YOLOv4网络的电路板元器件缺陷检测方法。根据电路板上元器件尺度变化大、小目标数量多的特点,设计了改进的YOLOv4算法对电路板上不同元器件进行定位与识别,主要通过增强特征融合增加了一个小目标检测尺度并结合K-means++聚类优化选取先验框尺寸来提升元器件定位与识别精度。结合元器件定位与识别的结果,提取并构建了方位与极性特征向量来对元器件及其极性标识在电路板上的绝对位置进行表示。提出一种元器件方位与极性特征向量的相似度匹配计算方法,精准检测了5种常见元器件缺陷。实验结果表明,所提出的算法能够快速、精准地实现电路板元器件定位与识别,并有效检测电路板的不同元器件缺陷。
-
关键词
机器视觉
元器件缺陷检测
YOLOv4
元器件定位
相似度匹配
-
Keywords
machine vision
component defect detection
YOLOv4
component positioning
similarity matching
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于RPCA的太阳能电池片表面缺陷检测
被引量：32
- 2
-
-
作者
姚明海
李洁
王宪保
-
机构
浙江工业大学信息工程学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2013年第9期1943-1952,共10页
-
基金
国家自然科学基金(61070113)资助~~
-
文摘
目前太阳能电池片生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响.文中提出了一种基于RPCA(Robust Principal Component Analysis,RPCA)的太阳能电池片表面缺陷检测方法.该方法对图像矩阵进行变换,使之分解成无缺陷的低秩矩阵图像和有缺陷的稀疏矩阵图像.通过凸优化的方法,分别最小化上述两个矩阵的核范数和1范数,从而使矩阵得以有效快速地分解.同时,文中分别对优化的两种算法:加速逼近梯度(Accelerated Proximal Gradient,APG)法和非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)法,在太阳能电池片缺陷检测的计算时间和迭代次数方面进行了比较.最后通过大量实验,证明了上述方法在检测太阳能电池片表面缺陷的可行性和有效性.
-
关键词
RPCA
缺陷检测
APG法
IALM法
-
Keywords
robust principal component analysis defect detection accelerated proximal gradientinexact augmented Lagrange multiplier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
