基于改进YOLOv5算法的PCB表面缺陷检测方法

    公开(公告)号:CN114372949A

    公开(公告)日:2022-04-19

    申请号:CN202111244986.3

    申请日:2021-10-26

    Abstract: 本发明提出一种基于改进YOLOv5算法的PCB表面缺陷检测方法。该方法包括:对原始的PCB数据集进行预理,建立YOLOv5算法的网络结构;根据GIoU确定YOLOV5网络损失函数和性能评价指标;改进了网络结构的处Neck部分,加入自适应特征融合(Adaptively Spatial Feature Fusion,ASFF),充分利用不同尺度的特征,增强小目标检测性能;改进了最终预测边界框的方法,利用目标框加权融合(Weighted Boxes Fusion,WBF)替代非极大值抑制(Non Maximum Suppression,NMS)作为选择最终预测的边界框的方法;根据改进的YOLOv5算法网络结构,利用迁移学习的思想对网络结构进行训练;将待检测PCB表面缺陷样本数据输入训练好的基于改进YOLOv5算法的PCB表面缺陷检测模型,输出待检测PCB表面缺陷的位置和类别信息。经实例检测,本发明实现了PCB表面缺陷检测的高效和高精度的检测。

    一种基于KL距离的板级电路测点选择方法

    公开(公告)号:CN113533946A

    公开(公告)日:2021-10-22

    申请号:CN202110776895.8

    申请日:2021-07-09

    Abstract: 一种基于KL(Kullback‑Leibler)距离的板级电路测点选择方法,首先对电路仿真测量各个故障类型各个测点某一时间段内时域电压数据并对数据进行核密度估计并保存得到的概率密度函数,引入离散KL距离实现计算出测点集的故障隔离率。利用故障隔离率和测试点数量构造多维适应度函数,故障隔离率越高测点选择数越少的测点集越优,搜索全局最优测试点集。本发明专利无需建立故障字典进行故障隔离度的计算,通过引入核密度估计和离散KL距离将故障隔离计算转换为概率分布情况差异计算,充分利用了时域电压数据,提高测点集隔离率,利用故障隔离率和测试点数量构造人工鱼算法的多维适应度函数实现最优测点集选择,并通过在人工鱼算法中引入繁衍行为改善陷入局部最优解的情况。

    一种基于KL距离的板级电路测点选择方法

    公开(公告)号:CN113533946B

    公开(公告)日:2024-05-14

    申请号:CN202110776895.8

    申请日:2021-07-09

    Abstract: 一种基于KL(Kullback‑Leibler)距离的板级电路测点选择方法,首先对电路仿真测量各个故障类型各个测点某一时间段内时域电压数据并对数据进行核密度估计并保存得到的概率密度函数,引入离散KL距离实现计算出测点集的故障隔离率。利用故障隔离率和测试点数量构造多维适应度函数,故障隔离率越高测点选择数越少的测点集越优,搜索全局最优测试点集。本发明专利无需建立故障字典进行故障隔离度的计算,通过引入核密度估计和离散KL距离将故障隔离计算转换为概率分布情况差异计算,充分利用了时域电压数据,提高测点集隔离率,利用故障隔离率和测试点数量构造人工鱼算法的多维适应度函数实现最优测点集选择,并通过在人工鱼算法中引入繁衍行为改善陷入局部最优解的情况。

    一种基于多尺度卷积神经网络的模拟电路故障诊断方法

    公开(公告)号:CN115327354A

    公开(公告)日:2022-11-11

    申请号:CN202210803408.7

    申请日:2022-07-07

    Abstract: 本发明提出一种基于多尺度卷积神经网络的模拟电路故障诊断方法,包括以下步骤:(1)通过PSPICE仿真软件获取电路的一维时域响应信号,将采集到的时域响应信号作为MS‑CNN模型中1D‑CNN部分的输入;(2)将获取的模拟电路的一维时域响应信号通过短时傅里叶变换转化为二维电路频谱图,作为MS‑CNN模型中2D‑CNN部分的输入;(3)利用TensorFlow框架搭建包含1D‑CNN和2D‑CNN的多尺度卷积神经网络(MS‑CNN)诊断模型;(4)将一维时域信号样本及二维的电路频谱图像样本输送进MS‑CNN网络进行训练,设置训练参数,进行向前传播训练和参数优化,将模型训练到最优程度;(5)将测试数据集输送入训练好的MS‑CNN模型,进行故障诊断,验证模型的诊断性能,选择诊断准确率作为模型的评价指标。本发明可以增强模拟电路故障诊断中特征提取的信息完整度,进一步提高故障诊断准确率,有效地检测出模拟电路的各类故障。

    一种基于迁移神经网络的模拟电路故障诊断方法

    公开(公告)号:CN114295967A

    公开(公告)日:2022-04-08

    申请号:CN202110842458.1

    申请日:2021-07-26

    Abstract: 本发明公开了一种基于迁移神经网络的模拟电路故障诊断方法及其实现手段,包括数据采集与预处理、网络模型搭建与训练、迁移网络设计。采集被测电路的输出电压,对其进行三层小波包变换,取第三层小波包能量数据转换成灰度图,生成故障特征灰度图数据集。搭建卷积神经网络并使用mnist数据集训练。将训练之后的网络层参数迁移到新网络中,使用故障灰度图数据集训练网络,最终得到模拟电路的故障诊断模型。本发明在故障样本少的情况下,仍可保持较高的诊断精度,在大规模电路中,可以减轻数据采集和处理工作。

Patent Agency Ranking