张梦婉,周攀,孙权,时睿昕,耿越.基于SENet-YOLOv5的PCB电路板缺陷检测方法研究*[J].电工技术,2025(3):96-100
基于SENet-YOLOv5的PCB电路板缺陷检测方法研究*
  
DOI：10.19768/j.cnki.dgjs.2025.03.023
中文关键词:  PCB缺陷检测  机器学习  YOLOv5  深度卷积神经网络
英文关键词:
基金项目:
作者单位
张梦婉 南京工程学院自动化学院 
周攀 南京工程学院自动化学院 
孙权 南京工程学院自动化学院，江苏省仿生控制技术与装备工程研究中心 
时睿昕 南京工程学院自动化学院 
耿越 南京工程学院自动化学院 
摘要点击次数: 48
全文下载次数: 0
中文摘要:
      针对PCB线路板缺陷检测问题，采用了卷积神经网络中的新颖架构，即改进的YOLOv5模型，通过对大量带有标记的PCB缺陷图像进行训练，建立了一个高效的缺陷检测网络。在模型的设计过程中，着重考虑了图像中噪声的随机性及PCB生产过程中可能出现的几何变形，引入注意力机制SENet，并改进损失函数。该方法提高了缺陷检测准确率，有效解决了传统方法中漏检和误检问题，为其他电子组件的自动化检测奠定理论基础与技术保障。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器