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
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 缺陷检测 目标检测算法 模型压缩
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 软件技术 · 算法|Software Technique · Algorithm
• 页码范围: 213-219
• 页数: 7页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008318

摘要

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.