【摘 要】
：
在电子信息产业高速发展的时代,印刷电路板（printed circuit board,PCB）作为电子设备中最为基础且不可替代的一部分,在国内外有很大的应用市场。为了适应工厂高质量快速的PCB生产现状,避免因PCB质量不合格而导致对电子器件的使用寿命与使用的稳定性造成影响,需要对PCB进行高效且准确的缺陷检测。如今通过人工目检的方法已逐渐被淘汰,而基于机器视觉的智能化检测方法因检测速度快、准确率高
论文部分内容阅读
在电子信息产业高速发展的时代,印刷电路板（printed circuit board,PCB）作为电子设备中最为基础且不可替代的一部分,在国内外有很大的应用市场。为了适应工厂高质量快速的PCB生产现状,避免因PCB质量不合格而导致对电子器件的使用寿命与使用的稳定性造成影响,需要对PCB进行高效且准确的缺陷检测。如今通过人工目检的方法已逐渐被淘汰,而基于机器视觉的智能化检测方法因检测速度快、准确率高、操作步骤简单,被越来越多的PCB生产厂家所接受。本文采用基于深度学习的目标检测算法对PCB中存在的缺陷进行检测,并对检测算法进行改进以提升对缺陷的检测性能。具体研究内容包括:（1）使用YOLOv3、YOLOv4网络模型对PCB裸板进行缺陷检测。通过对检测结果的对比发现,YOLOv4对缺陷的检测效果优于YOLOv3,并且随着输入到网络中图像的尺寸增大,YOLOv4检测准确度的优势更加明显,但检测的速度却变慢了。（2）为了进一步提高检测准确度,本文在YOLOv3的基础上进行改进。一是在网络中加入裁剪混合（Cutmix）数据处理模块,增强网络模型的泛化性能,使模型更加关注目标对象的各局部特征,提升模型对目标分类与定位的性能;二是在网络中加入卷积块注意力模块（convolutional block attention module,CBAM）,引导网络模型关注对PCB缺陷检测中有用的特征信息;三是对YOLOv3网络结构进行改进,增加一条对四倍下采样的特征图进行检测的支路,将Darknet-53网络中的第一、第二个残差模块中残差块的个数分别增加至4个与6个,再在对不同层中的特征图进行融合处加入批标准化（batch normalization,BN）层,增强网络模型对PCB中缺陷小目标检测的性能;四是在检测模型中使用完全交并比（complete intersection over union,CIo U）损失,加快网络在训练时边框回归的收敛速度。实验表明,上述改进的YOLOv3新型网络模型在对PCB进行缺陷检测时取得了非常好的检测效果,准确率甚至高于YOLOv4。
其他文献
短期负荷预测是电力调度部门的一项重要工作,是安排发电机组启停的主要依据。准确的短期负荷预测可以减少电能损失,提高供电质量,因此提高预测的精确度是研究人员的重点工作。人工神经网络具有强大的非线性逼近和自主学习能力,是目前短期电力负荷预测的热门方向之一。以某地区1-6月电力负荷数据为仿真数据集,首先对数据集进行了预处理,包括缺失值补充、异常值修正和归一化处理,然后分析了负荷变化的周期性特征,并且采用自
遗留物检测作为视频监控的关键支撑技术之一有着广泛的应用。现有方法在部分场景中能够满足视频监控的需求,但仍然存在着一些问题,主要体现在以下方面。（1）传统遗留物检测算法存在着复杂场景下不能很好地解决光影变化问题,基于深度学习的遗留物检测则存在着神经网络的参数量较多问题;（2）此外,现有的基于分布式的遗留物检测在应对紧急情况,如部分服务器宕机、区域性停电等问题时,不能将剩余的服务器资源应用在更重要的任
随着时代的发展,科技的进步日新月异,机械臂已在全球工业中得到广泛应用,成为现代化工业发展不可或缺的技术之一。机械臂是一个具有多输入多输出、强耦合、时变的非线性系统,机械臂的作业环境极其复杂,因此,设计出高性能的机械臂轨迹跟踪控制策略显得尤为重要。针对机械臂模型存在部分信息未知,不确定因素较多,以及外界扰动下,本问对机械臂轨迹跟踪控制问题进行了研究。基于终端滑模控制方法、时延估计策略、神经网络控制理
随着遥感卫星技术的发展水平不断提升,一方面造成了遥感数据量增长过快并且种类繁多,这使得遥感数据难以管理。另一方面,传统遥感数据处理软件面向的是单一用户,没有考虑支持持续、并发、全自动的高性能数据处理需求,普通用户无法使用这类软件高效率的批量处理遥感数据。与此同时,遥感数据一般都是从数据中心获取,数据中心负载太大不能保证遥感数据的稳定获取。针对以上问题,本文依托于“天空地多源数据融合的崩岗新型监测、
机械臂轨迹跟踪控制的目的是机械臂按照期望轨迹运动时系统误差始终保持最小,即使存在干扰。因此,高精度、快速响应的轨迹跟踪控制是机械臂的研究重点。自由空间机械臂的位置跟踪问题,终端滑模控制因在滑模面中引入了非线性函数,使系统误差能够在有限时间收敛,在机械臂控制方向深受学者们的关注。而任务空间机械臂的控制,线性滑模控制研究的较多,但它只能确保跟踪误差渐进收敛,而不能保证有限时间收敛。然而分数阶终端滑模整
随着移动机器人的不断改进与智能化,基于多传感器融合的同时定位与建图（SLAM）系统尤其是基于视觉SLAM成为当下研究的重点领域。但是因为相机等视觉硬件存在一些问题,当移动机器人快速运动时,有部分图像纹理缺失或者部分特征信息缺失,会导致图像信息采集出现问题,特别是单目相机还会存在图像采集频率过低以及尺度不确定性等问题。惯性测量单元（IMU）是自身携带三轴加速度和角速度的一种运动传感器,两者能够为单目
智能优化算法在控制器参数整定优化领域得到了日趋广泛的应用。其中新兴的鲸鱼优化算法（Whale Optimization Algorithm,WOA）由于结构简单、参数少、搜索能力强等特点受到了广泛关注。但WOA算法由于提出时间不长,其应用研究仍在初步阶段,算法本身还存在迭代精度较低,迭代后期易陷入局部最优等缺点。本论文针对鲸鱼优化算法所存在的不足,提出一种改进的鲸鱼优化算法（LOWOA）,并将其应
滚动轴承广泛用于旋转机械中,其失效会导致生产率损失和较高的运行成本。因此,轴承的故障诊断对于确保高性能传动至关重要。最近,各个领域都成功开发了用于轴承故障诊断的数据驱动方法。但这些方法仍然存在很大的局限性,例如在训练数据和测试数据具有相同分布的情况下训练此类模型。这极大地限制了数据驱动模型的广泛应用,特别是基于神经网络的故障诊断模型。因为当操作环境和条件发生变化时,上述方法往往无法检测到故障。为了
随着我国高等教育的发展,在高校大量扩招、大学生数量激增的同时,逃课、挂科等现象开始出现,这严重影响了学生的学业与学校的校风。因此,进行有效的学业预警变得越来越重要。为了保障学校教学质量,督促学生学习,本文给出了融合考勤预警与挂科预警的学业预警方案。通过人脸识别的方式进行学生考勤,根据考勤情况生成考勤预警;并基于学生的考勤情况以及历史考试成绩等数据,利用机器学习对当前学期的课程进行挂科预测,根据预测
车辆数量的增长趋势很快,促进了交通基础设施的建设和发展。为了提高交通效率,方便人们出行,有关人员着力研究智能交通监测系统。智能交通监测系统的重要性日益凸显,而车辆跟踪是其必不可少的组成部分,因此研究车辆跟踪有重大意义。针对车辆跟踪所面临的各种问题,论文提出了一种基于深度学习和核相关滤波的车辆跟踪算法。利用改进的YOLOv3网络检测车辆的位置,在跟踪过程中根据更新策略不断调整核相关滤波的跟踪框,从而