改进YOLOv4的工控线路板缺陷检测方法

工控线路板是实现工程控制的核心零件,在工控线路板的工业生产线中,缺陷检测是极其重要的部分。由于目前线路板载有大量的元器件,板面排线、尺寸形状等都因功能的不同差异性很大,所以检测工控线路板缺陷一直存在算法精度不高,有漏检、误检的情况出现。针对目前缺陷检测方法的局限性,提出了一种基于深度学习的改进YOLOv4算法来实现生产过程中的工控线路板缺陷检测,该算法使用工程中真实拍摄的线路板缺陷图像和数据增强后的虚拟合成图像一起作为实验训练的数据集,很大程度上提高了训练结果的普遍性。此外,改进原始网络算法的骨干网络,使用轻量级的骨干网络和性能更好的激活函数,提高了缺陷检测的识别精度。实验结果表明,改进的YOLOv4算法的识别精度可以达到97.8%。