公开(公告)号：CN118864378A

公开(公告)日：2024-10-29

申请号：CN202410871840.9

申请日：2024-07-01

Applicant: 安徽工业大学

Inventor： 王兵 ,  汪元基 ,  卢琨 ,  汪文艳 ,  潘学娟 ,  吴紫恒 ,  赵远

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/766 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种PCB缺陷检测方法，属于印刷电路板表面缺陷检测技术领域，包括以下步骤：S1：样本预处理；S2：网络模型搭建；S3：损失函数优化；S4：输出检测结果。本发明通过在原始YOLOv8网络中添加两种新型卷积模块：SCConv模块以及可变形卷积模块，可以更有效地提取空间特征，同时，在减少计算成本的基础上，还能提高模型的检测精度；然后，将原有的损失函数替换为新的SIoU函数，有助于更好地训练目标，促进模型更快地收敛，从而提高了模型的性能。

公开(公告)号：CN118840345A

公开(公告)日：2024-10-25

申请号：CN202410952226.5

申请日：2024-07-16

Applicant: 安徽工业大学

Inventor： 王兵 ,  江枫 ,  卢琨 ,  汪文艳 ,  潘学娟 ,  吴紫恒 ,  赵远

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/084

Abstract: 本发明公开了一种基于FPDNet的钢铁产品表面缺陷检测方法，属于钢材表面缺陷检测技术领域，包括：在带钢表面缺陷图像数据集中采集数据样本，并对样本进行预处理；基于YOLOv8目标检测框架，设计包含可变形卷积和注意力机制的热轧带钢表面缺陷目标检测模型，并选择HGNetv2网络作为目标检测模型的特征提取器，同时采用GhostConv对骨干网络进行轻量化；利用训练集对模型进行训练，获取最优检测模型；在测试集上测试并输出检测结果与检测速度。本发明基于YOLOv8目标检测框架，选择参数量较少的卷积神经网络HGNetv2作为特征提取网络，同时设计了基于调制可变形卷积和MPCA注意力机制的CEDLAM模块，并选择SIoU损失函数，在提高模型的检测准确度和速度的同时大大降低了模型的参数量。