论文部分内容阅读
为了检测印制电路板表面的多种缺陷，基于YOLOv5深度学习算法，进行数据集分类、数据增强和神经网络的构建。通过对缺陷图像目标信息的提取，在印制电路板数据集上进行迭代训练，获得最佳检测模型。对测试集中的印制电路板图像进行检测，统计检测精度相关参数，与传统印制电路板检测模型对比分析。建立基于YOLOv5算法的印制电路板缺陷智能检测模型，对印制电路板表面缺失孔、咬伤、开路、短路、杂散和伪铜等六种缺陷检测，结果表明平均准确率达到99.52%。基于YOLOv5算法的印制电路板缺陷检测模型训练速度快，检测准确率高，有助于印制电路板公司进行大批量快速缺陷检测，提高印制电路板生产质量和检测效率。