基于深度学习的电解电容识别与极性检测

汪威; 王冲; 黄旭东; 张伟伦; 曹金龙; 胡新宇

doi:10.13873/J.1000-9787(2024)02-0134-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于深度学习的电解电容识别与极性检测

计算与测试 | 更新时间：2025-09-11

- 基于深度学习的电解电容识别与极性检测
- 暂无标题
- 传感器与微系统 2024年第2期页码：134-138
- 作者机构：
  
  湖北工业大学机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61976083)
- DOI：10.13873/J.1000-9787(2024)02-0134-05
  中图分类号： TN41;TP18
- 纸质出版：2024
- 稿件说明：
移动端阅览
汪威, 王冲, 黄旭东, 等. 基于深度学习的电解电容识别与极性检测[J]. 传感器与微系统, 2024,(2):134-138.
汪威, 王冲, 黄旭东, 等. 基于深度学习的电解电容识别与极性检测[J]. 传感器与微系统, 2024,(2):134-138. DOI： 10.13873/J.1000-9787(2024)02-0134-05.

DOI：

摘要

针对工程中印刷电路板(PCB)上的电解电容不易识别、极性难以检测的问题，研究了一种基于深度学习的电解电容识别与极性检测方法。对于电容检测问题，提出了一种基于YOLOv5的改进算法，该算法在YOLOv5的骨干(backbone)融合Swin Transformer模块，提升模型的特征提取能力，在颈部融合了双向金字塔网络(BiFPN)模块，提高了网络的特征融合能力；对于电容极性检测，提出了一种语义分割结合形态学处理的方法，该方法能够分割电容基圆区域与极性区域然后有效检测电解电容的极性方向。实验结果表明，电容的识别精度达到96.9%

电容的分割精度达到93.9%

极性方向检测准确率达到99.1%

相比于目前电解电容极性检测较好的方法，所提方法有较好的鲁棒性，满足检测需求。

Abstract

关键词

Keywords

references

朱智惟,单建华,余贤海,孔德义,王琼,谢晓轩.基于YOLOv5s的番茄采摘机器人目标检测技术[J].传感器与微系统,2023(06).

舒子婷,张泽斌,宋尧哲,吴萌萌,袁晓兵.基于改进YOLOv5的低光照图像目标检测[J].激光与光电子学进展,2023(04).

冉光再,徐雷,李大双,郭战岭.基于图像差分和残差学习的PCB图像去噪算法[J].激光与光电子学进展,2022(12).

魏嘉莉,王瑞丰,冀运景,罗守华.基于机器视觉的PCB板电解电容极性自动定位[J].电子测量技术,2021(16).

王永利,曹江涛,姬晓飞.基于卷积神经网络的PCB缺陷检测与识别算法[J].电子测量与仪器学报,2019(08).

李天宇.基于机器视觉的PCB元器件在线检测[D].浙江理工大学,2018(06).

全正相.基于图像处理技术的AOI系统的研究[D].浙江理工大学,2017(07).

Jiawang He,Lurong Jiang,Suoming Zhang,Renwang Li,Changguo Xu,Xinxia Liu,Yongjian Shen.Fast plug-in capacitors polarity detection with morphology and SVM fusion method in automatic optical inspection system[J].Signal, Image and Video Processing,2023.

Jing Li,Jinan Gu,Zedong Huang,Jia Wen.Application Research of Improved YOLO V3 Algorithm in PCB Electronic Component Detection[J].Applied Sciences,2019.

浏览量

336

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进SSD的车内宠物遗落检测方法

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于YOLOX的QFN芯片表面缺陷检测技术研究

基于特征增强知识蒸馏的目标检测压缩算法

基于YOLOv5s的番茄采摘机器人目标检测技术