公开(公告)号：CN119205614A

公开(公告)日：2024-12-27

申请号：CN202411065629.4

申请日：2024-08-05

Applicant: 三峡大学

Inventor： 文斌 ,  王浚银 ,  张俊 ,  杨超 ,  胡晖 ,  叶永盛 ,  王子豪

IPC: G06T7/00 ,  G06T5/70 ,  G06T5/90 ,  G06T5/60 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/09

Abstract: 基于YOLOv7‑ESC的铝型材缺陷检测识别方法，包括如下步骤：S1、获取公开的数据集，采用天池铝型材表面瑕疵识别数据集，进行数据预处理；S2、改进YOLOv7模型，主干网络ELAN模块中3*3Conv卷积替换为PCnov卷积；S3、构建残差金字塔池化结构，主干网络提取到的特征输入残差金字塔池化模块SPPCSPC‑F；S4、在主干网络和特征融合网络间加入CBAM注意力机制；S5、回归损失函数CIoU替换为WIoU损失函数，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网络模型，保留最优权重；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，最终实现铝型材表面缺陷的自动化和智能化识别。该方法能够提高铝型材表面缺陷检测精度，降低小目标缺陷漏检率。

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。