基于改进YOLOv5算法的PCB裸板缺陷检测

目的将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率。方法通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率。结果改进后的网络的平均精度由91.54%提高至97.36%,提高了5.82%,并且对于各类缺陷,算法的检测精度都能保持在90%以上,满足工业的需求。结论文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势。

面向NOTES手术的软镜操作机器人技术进展

软式内窥镜(简称软镜)是实现经自然腔道内镜手术(Natural orifice transluminal endoscopic surgery,NOTES)的关键器械,由于柔性镜体本身所具有的安全性高、可达范围广和运动灵活等优势,软镜操作技术已经被应用在越来越多种类的外科手术中。考虑到人工操作过程中存在难度大、学习周期长、人力成本高、依赖临床经验和易受有害辐射等问题,研发并利用软镜操作机器人代替人工操作,可以实现更加安全、精准、智能的NOTES手术。旨在总结当前软镜操作机器人在建模、控制与规划方面的研究现状,探讨相关技术的研究趋势和面临的挑战。介绍了国内外代表性软镜操作机器人系统,总结了现有软镜操作机器人系统的运动特点。从模型、控制和规划三个角度对当前的软镜操作机器人技术进行了详尽的研究现状综述。总结和分析了当前研究内容中的不足和自主化软镜操作技术发展所面临的挑战,并对软镜操作机器人的进一步研究方向进行展望。