基于YOLOv3-spp的缺陷检测优化模型

作者：曾凯^*; 李响; 贾建梅; 文继锋; 王翔

来源：计算机系统应用, 2022, 31(02): 213-219.

DOI：10.15888/j.cnki.csa.008318

• 深度学习
• 缺陷检测
• 目标检测算法
• 模型压缩

目前基于传统的机器视觉分析方法筛选后的PCB焊接缺陷图像还需要进行人工的复检流程,工作量大导致视觉疲劳后容易出错.为了改善这种现状,本文设计应用YOLOv3-spp的目标检测算法来构建焊接缺陷检测模型.为提升检测速度,采用模型剪枝、模型蒸馏、模型量化等技术对检测模型进行压缩优化,采用深度学习加速组件OpenVINO来加载压缩优化后的检测模型,实现对PCB焊接缺陷图像的复检.基于该优化算法设计了一种基于深度学习技术的PCB焊接缺陷检测识别系统.它能快速、准确地识别焊接缺陷并定位缺陷位置,解决了人工目检带来的效率低下、漏检误检率高等问题.

• 单位
  南京南瑞继保电气有限公司