基于深度学习的电路面板元件检测研究

对电路面板的元器件识别,可大量减少人工成本和时间,避免因人为主观因素而产生不合格样品。根据应用场景要求,提出ResNet50融合EfficientNet的骨架网络方法。该方法增强了物体检测的语义信息,有效解决多尺度检测问题,对各类尺度检测问题有着更好的识别效果。通过骨架网络的特征提取后,加载到双向FPN(Bi-Feature Pyramid networks)层再进行更深层次的特征提取,将高语义特征和浅层的定位特征进行融合。实验结果表明,使用该构建的融合模型,具有精确率高、检测图片的帧率高、鲁棒性好的优点,具有良好的泛化能力。