简介:摘要:针对目前常用的目标检测算法检测PCB板表面缺陷具有定位不准确、细小缺陷难以检测等问题,本文提出了多尺度特征融合的YOLO V3(Multiscale Feature Fusion,MFF-YOLO V3)PCB缺陷检测方法。受YOLO V3模型启发,通过设计卷积神经网络提取多尺度图像特征,将生成的多尺度特征进行融合以生成单尺度图像特征,然后运用聚类方法以实现对PCB板缺陷的准确定位。与YOLO V3不同在于,通过提高多尺度图像特征的分辨率并进行融合,提高了模型对PCB板微小缺陷的检测能力;为实现PCB板缺陷的精准定位,采用以AvgIOU为金标准的K-means算法实现候选目标区域的重定义。同时,由于MFF-YOLO V3实现了单输出以实现特征的提取,减小卷积层的层数,从而减小网络训练的计算量。通过在DeepPCB数据集上进行测试,其mAP较YOLO V3提升了9.2%,准确率达到了87.9%。实验表明,多尺度特征融合YOLO V3的PCB板表面缺陷检测方法能够更有效的检测PCB板缺陷,基本满足工业检测要求。
简介:摘要:YOLO V8(You Only Look Once V8)是一种用于目标检测的高性能算法。本文主要研究了YOLO V8的数据结构和算法,并对其进行了分析和优化。首先,我们介绍了YOLO V8使用的锚框(anchors)数据结构,这是一组预定义的矩形框,用于表示目标的位置和尺寸。然后,我们详细探讨了YOLO V8的算法,其基于深度卷积神经网络(CNN),通过一次前向传递实现多目标的位置和分类预测。此外,我们还研究了YOLO V8中使用的非极大值抑制(NMS)算法,用于筛选重叠的检测结果。为了提高检测性能,我们对YOLO V8进行了一系列优化,包括卷积核的大小和数量、激活函数的选择和损失函数的设计。
简介:摘要:文章主要是分析了190系列柴油机的综合性能检测和故障诊断,在此基础上讲解了常见数据采集信号处理方法,最后探讨了12V190B型柴油机的结构和性能,望可以为有关人员提供到一定的帮助。
简介:摘要:根据欧阳首承教授提出的溃变预测理论和V-3θ图预报工具,对攀西地区的一次暴雨天气过程进行了分析。结果显示,在高原地区,基于溃变理论的预报工具对暴雨也具有一定的预报能力。