申请/专利权人:杭州电子科技大学
申请日:2021-05-26
公开(公告)日:2021-09-17
公开(公告)号:CN113409250A
主分类号:G06T7/00(20170101)
分类号:G06T7/00(20170101);G06N3/04(20060101);G06N3/08(20060101);G06T7/70(20170101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.12.15#发明专利申请公布后的驳回;2021.10.08#实质审查的生效;2021.09.17#公开
摘要:本发明公开了一种基于卷积神经网络模型的焊点检测方法,首先采集PCB焊点数据集并对数据进行预处理,然后对数据进行标注、保存;然后基于计算机视觉,建立神经网络模型;最后利用焊点数据训练集对建立的神经网络模型进行训练,并使用焊点数据测试集对建立的模型进行测试。本发明方法改进了YOLOv3网络结构,通过5个不同尺度的特征检测层来检测焊点目标,提高了目标检测网络对小尺度目标的检测效果;卷积神经网络的损失函数由四部分组成,通过使用多损失函数进行约束可以在不同方面对结果进行优化,保证模型具有很高的精度;改进后的卷积神经网络模型在保证准确率的同时,能够达到实时检测,满足工厂实际生产需求。
主权项:1.一种基于卷积神经网络的焊点检测方法,其特征在于,步骤如下:步骤1、采集PCB焊点数据集并对数据进行预处理,然后对数据进行标注、保存;步骤2、基于计算机视觉,建立卷积神经网络模型;步骤3、利用焊点数据训练集对建立的卷积神经网络模型进行训练,并使用焊点数据测试集对建立的模型进行测试。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于卷积神经网络的焊点检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。