Поиск :
Личный кабинет :
Электронный каталог: Инютин, А.В. - Детекция дефектов печатных плат на основе архитектуры YOLOv8
Инютин, А.В. - Детекция дефектов печатных плат на основе архитектуры YOLOv8
Статья
Автор: Инютин, А.В.
Системный анализ и прикладная информатика: Детекция дефектов печатных плат на основе архитектуры YOLOv8
PCB defect detection based on YOLOv8 architecture
б.г.
ISBN отсутствует
Автор: Инютин, А.В.
Системный анализ и прикладная информатика: Детекция дефектов печатных плат на основе архитектуры YOLOv8
PCB defect detection based on YOLOv8 architecture
б.г.
ISBN отсутствует
На полку
Статья
Инютин, А.В.
Детекция дефектов печатных плат на основе архитектуры YOLOv8 = PCB defect detection based on YOLOv8 architecture / А. В. Инютин, М. М. Лукашевич. – DOI 10.21122/2309-4923-2024-2-16-24 // Системный анализ и прикладная информатика. – 2024. – № 2. – С. 16-24. – Режим доступа : https://rep.bntu.by/handle/data/148844. – На рус. яз.
Рассмотрены ключевые факторы и тенденции в проектировании и производстве печатных плат, определяющие современное состояние в области автоматического контроля печатных плат. Для поиска и классификации дефектов предлагается использовать метод детекции дефектов на изображениях на основе семейства моделей обнаружения объектов YOLO. Проведено обучение модели на публичном наборе изображений печатным плат с 6 классами дефектов, выполнена оценка точности на общепринятых метриках. На тестовом наборе данных средняя точность согласно метрике mAP50 равна 0,98.
The paper discusses the key factors and trends in the design and production of printed circuit boards (PCB), which determine the state of the art of the automatic PCB inspection. To search for and classify defects, it is proposed to use the method of detecting defects in images based on the YOLO family of object detection models. The model was trained on a public set of images of PCB with 6 classes of defects, and the accuracy was assessed using generally accepted metrics. On the test dataset, the average accuracy according to the mAP50 metric is 0.98.
004.932.2
общий = БД Техника
общий = ПЕЧАТНЫЕ ПЛАТЫ
общий = АРХИТЕКТУРА СИСТЕМ (вычисл. техника)
общий = ДЕФЕКТЫ
общий = АНАЛИЗ ИЗОБРАЖЕНИЙ
Инютин, А.В.
Детекция дефектов печатных плат на основе архитектуры YOLOv8 = PCB defect detection based on YOLOv8 architecture / А. В. Инютин, М. М. Лукашевич. – DOI 10.21122/2309-4923-2024-2-16-24 // Системный анализ и прикладная информатика. – 2024. – № 2. – С. 16-24. – Режим доступа : https://rep.bntu.by/handle/data/148844. – На рус. яз.
Рассмотрены ключевые факторы и тенденции в проектировании и производстве печатных плат, определяющие современное состояние в области автоматического контроля печатных плат. Для поиска и классификации дефектов предлагается использовать метод детекции дефектов на изображениях на основе семейства моделей обнаружения объектов YOLO. Проведено обучение модели на публичном наборе изображений печатным плат с 6 классами дефектов, выполнена оценка точности на общепринятых метриках. На тестовом наборе данных средняя точность согласно метрике mAP50 равна 0,98.
The paper discusses the key factors and trends in the design and production of printed circuit boards (PCB), which determine the state of the art of the automatic PCB inspection. To search for and classify defects, it is proposed to use the method of detecting defects in images based on the YOLO family of object detection models. The model was trained on a public set of images of PCB with 6 classes of defects, and the accuracy was assessed using generally accepted metrics. On the test dataset, the average accuracy according to the mAP50 metric is 0.98.
004.932.2
общий = БД Техника
общий = ПЕЧАТНЫЕ ПЛАТЫ
общий = АРХИТЕКТУРА СИСТЕМ (вычисл. техника)
общий = ДЕФЕКТЫ
общий = АНАЛИЗ ИЗОБРАЖЕНИЙ
