文章详情
| 稿件标题： | 基于改进Yolov5的晶振多缺陷检测 |
| 稿件作者： | 李园，刘嘉程，王冬冬，王恩泽，赵亚凤 |
| DOI： | 10.11809/bqzbgcxb2023.07.004 |
| 科学编辑： | 刘勇（电子科技大学研究员 西南科技大学博导） |
| 栏目名称： | 智能光电检测技术专栏 |
| 关键词： | 晶振；多缺陷；深度学习；硬件加速；多缺陷检测 |
| 文章摘要： | 长期以来，晶振的缺陷检测主要依靠人工，存在着效率低、受外界影响程度大、成本高昂的问题。传统方法无法实现多缺陷一次性记录检出，而深度学习应用部署于工业界也存在着无GPU加速导致的推理速度慢的问题。针对以上问题，选定算法模型并通过在输入模块对图像增强、主干网络特征图融合、颈部网络引入新的尺度检测层和新的激活函数、输出预测时引入注意力机制的多种方式进行改进，在保留模型轻量化的同时增加小目标检测能力。最后进行模型剪枝和硬件加速推理，部署于PC端进行缺陷统计等工作。实验表明该系统的检出率在95%以上，实现了晶振缺陷检测的自动化和精细化。 |
| 稿件基金： | 国家自然科学基金项目（61975028） |
| 引用本文格式： | 李园，刘嘉程，王冬冬，等.基于改进Yolov5的晶振多缺陷检测［J］.兵器装备工程学报，2023，44(7)：25-31,38. LI Yuan, LIU Jiacheng,WANG Dongdong, et al.Multidefect detection of crystal oscillators based on improved Yolov5［J］.Journal of Ordnance Equipment Engineering，2023，44(7)：25-31,38. |
| 刊期名称： | 2023年07期 |
| 出版时间： | 2023年7月 |
| 上线时间： | 2023年7月28日 |
| 浏览次数： | 2067 |
| 下载次数： | 65 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |