公开(公告)号：CN117372339A

公开(公告)日：2024-01-09

申请号：CN202311225450.6

申请日：2023-09-21

Applicant: 三峡大学

Inventor： 文斌 ,  胡晖 ,  彭顺 ,  丁弈夫 ,  胡一鸣 ,  杨超 ,  沈艳军

IPC: G06T7/00 ,  G06V10/20 ,  G06V10/25 ,  G06V10/30 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种基于YOLO‑SEE的PCB缺陷检测识别方法，包括如下步骤：S1、获取公开的数据集，进行数据预处理，建立YOLO‑SEE网络框架；S2、构建主干特征提取网络CSPDarknet53‑s，其由两部分构成，基本残差结构和线性残差结构；S3、构建特征融合网络FPN‑c，将主干网络提取到的特征传入特征融合网络FPN‑c中；S4、在主干网络和特征融合网络之间加入CA注意力模块；S5、将特征融合后的特征传入检测头部分进行分类预测；S6、训练YOLO‑SEE网络模型，得到最优权重；S7、利用训练好的最优权重进行测试，并对检测结果进行评价，最终实现PCB缺陷类别的自动化和智能化识别。该方法能够提高检测精度，降低漏检率，并且减少模型参数量。

公开(公告)号：CN118537294A

公开(公告)日：2024-08-23

申请号：CN202410550094.3

申请日：2024-05-06

Applicant: 三峡大学

Inventor： 文斌 ,  胡一鸣

IPC: G06T7/00 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/52 ,  G06V10/72 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 配电绝缘子多类型缺陷检测识别方法，获取配电绝缘子图像，对配电绝缘子图像和标签进行数据预处理，建立轻量化与特征增强网络；构建主干特征提取网络，用来提取配电绝缘子缺陷；构建增强型颈部网络，将主干特征提取网络提取到的配电绝缘子缺陷特征传入其中；引入三尺度融合机制，将特征融合后的特征传入轻量化与特征增强网络进行分类预测，并将回归损失函数GIoU‑Loss替换为SIoU‑Loss损失函数；训练轻量化与特征增强网络，得到最优权重；利用训练好的最优权重进行测试，并对检测结果进行评价，实现配电绝缘子多缺陷类别识别。该方法有效地提高了配电绝缘子多类型缺陷检测的精度，缩短了配电绝缘子多类型缺陷检测的时间和提高检测效率。