|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 机器视觉技术研究进展及展望显示文摘机器视觉是建立在计算机视觉理论工程化基础上的一门学科,涉及到光学成像、视觉信息处理、人工智能以及机电一体化等相关技术。随着我国制造业的转型升级与相关研究的不断深入,机器视觉技术凭借其精度高、实时性强、自动化与智能化程度高等优点,成为了提升机器人智能化的重要驱动力之一,并被广泛应用于工业生产、农业以及军事等各个领域。在广泛查阅相关文献之后,针对近十多年来机器视觉相关技术的发展与应用进行分析与总结,旨在为研究学者与工程应用人员提供参考。首先,总结了机器视觉技术的发展历程、国内外的机器视觉发展现状;其次,重点分析了机器视觉系统的核心组成部件、常用视觉处理算法以及当前主流的机器视觉工业软件;然后,介绍了机器视觉技术在产品瑕疵检测、智能视频监控分析、自动驾驶与辅助驾驶与医疗影像诊断等4个典型领域的应用;最后分析了当前机器视觉技术所面临的挑战,并对其未来的发展趋势进行了展望,为机器视觉技术的发展和应用推广发挥积极作用。 | 朱云 凌志刚 张雨强 | 2020 | 图学学报2020，41，6： | 85 |
| 2 | 基于改进YOLOv4算法的PCB缺陷检测研究显示文摘针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用MobileNetV3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、MobileNetV3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。 | 伍济钢 成远 邵俊 阳德强 | 2021 | 仪器仪表学报2021，42，10： | 31 |
| 3 | 基于卷积神经网络的PCB缺陷检测显示文摘印刷电路板(PCB)在生产制造中由于生产工序等问题易导致电路板存在瑕疵缺陷,为提高对电路板缺陷的检测效率,提出了一种基于卷积神经网络(CNN)的电路板缺陷检测网络。该检测网络基于YOLO v4网络进行优化改造,针对于PCB制作精密、复杂,各类缺陷不易检测的难点,在优化后的网络中加入了基于细粒度空间域的长距离全局注意力机制,同时在SPP模块的基础上进行特征图重组作为各YOLO检测头的输入。通过使用长距离注意力机制通道将浅层网络提取到的特征传递到深层网络中,并采用特征图重组的方式提升特征信息丰富度,从而提高对于PCB缺陷检测的精度。经实验分析,与各类经典CNN相比,在PCB缺陷检测任务中,该算法有较大优势,整体缺陷的平均检测精度均值(mAP)达到91.40%,适用于实际生产、检测环节。 | 何国忠 梁宇 | 2022 | 图学学报2022，43，1： | 22 |
| 4 | 基于深度学习的PCB缺陷检测研究显示文摘印刷电路板(PCB)是保障电子设备产品可靠性的关键因素。因此,对于PCB板的缺陷检测是一项基本和必要的工作。当前PCB缺陷检测方面已经取得了很大进步,但由于PCB板缺陷的多样性、复杂性以及微小性,传统检测方法仍然难以应对。针对PCB板复杂性和微小性问题,文中提出了一种基于深度学习的PCB微小缺陷检测网络,命名为UF-Net。该网络通过多层卷积提取不同维度的特征,通过上采样及跳层连接(Skip Connect)的方式实现多尺度特征融合;利用RPN(Region Proposal Network)网络生成ROI(Region of Interest);通过ROI-Pooling层提取ROI特征,并经过两个全连接层对ROI区域进行分类和回归,从而实现缺陷检测。文中的方法能够对印制电路板导线缺陷和焊点缺陷进行精确的检测和识别,包括导线的短路、开路、缺口、毛刺以及焊点的孔洞、漏焊、焊盘不全等缺陷。通过对PCB缺陷数据集的定量分析,结果表明,该方法具有较好的移植性,在PCB数据集上的精度达到98.6%,满足PCB实际检测需求。 | 胡珊珊 肖勇 王保帅 尹家悦 | 2021 | 电测与仪表2021，58，3： | 16 |
| 5 | 基于多注意力Faster RCNN的噪声干扰下印刷电路板缺陷检测显示文摘针对工业环境中噪声干扰导致的印刷电路板缺陷检测困难的问题,提出基于多注意力Faster RCNN的印刷电路板缺陷检测方法,分别于特征提取以及特征融合部分引入注意力机制以获得具有抗干扰能力的特征表示,提升检测效果。首先使用分离注意力网络提取缺陷特征,使网络自动关注到缺陷特征,以降低噪声干扰的影响;其次,使用平衡特征金字塔融合不同分辨率特征,利用非局部注意力机制对融合特征进行全局感受野内不同区域特征的加权,增强其缺陷表征能力并进一步抑制噪声干扰;最后,依据所获得的特征表示,利用区域建议网络生成缺陷候选框并利用全连接层对其进行位置以及类别的确定以得到检测结果。在不同程度噪声干扰下的印刷电路板缺陷数据集上进行实验验证,平均检测精度达到92.4%,证明了所提方法的有效性和可行性。 | 陈仁祥 詹赞 胡小林 徐向阳 蔡东吟 | 2021 | 仪器仪表学报2021，42，12： | 16 |
| 6 | 基于YOLOv5的轻量化PCB缺陷检测显示文摘针对PCB缺陷检测误检和漏检严重的问题,提出了一种基于YOLOv5的轻量化PCB缺陷检测算法。该算法使用四尺度检测机制扩大模型检测范围,增加深层语义信息与浅层语义的融合,丰富微小缺陷的检测;通过几何中值的过滤器剪枝(Filter Pruning via Geometric Median,FPGM)算法,对模型进行压缩,降低计算量,提高推理速度,实现轻量化处理;在原有网络基础上增加CA注意力机制,过滤冗余信息,强化模型重要信息的提取能力;使用聚类和遗传学习算法对锚框进行调节,加快模型收敛速度、节省训练时间,提高模型预选框准确度;结果表明,模型经过优化后,精度可达到99.06%;在仅考虑体积的情况下,模型可压缩至0.56 MB。模型在检测精度、速度和体积上均有提高,满足PCB缺陷实时检测要求。 | 王恒涛 张上 张朝阳 刘展威 | 2022 | 无线电工程2022，52，11： | 14 |
| 7 | 基于机器视觉的PCB板表面缺陷检测方法研究进展显示文摘基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本,在现代化工业生产中得到了广泛应用。对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述;对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析,总结了各种算法的主要思想、适用范围以及局限性;同时对未来的发展方向进行了展望,为该领域的研究人员提供参考。机器视觉作为现代工业生产中一项不可或缺的关键技术,在PCB板缺陷检测领域仍有较大的发展空间,尤其是进一步智能化,仍有待深入研究。 | 董静毅 吕文涛 包晓敏 骆淑云 王成群 徐伟强 | 2021 | 浙江理工大学学报(自然科学版)2021，45，3： | 13 |
| 8 | 基于YOLOV5的药品表面缺陷实时检测方法显示文摘药品在实际生产过程中总会伴随着异物、缺粒、药体破损等表面缺陷,这些缺陷轻则影响产品使用效果,重则会在使用过程中产生巨大事故造成生命财产损失。针对深度学习模型在实际工业产品表面缺陷检测中缺陷样本少以及细小缺陷检测精度低的应用问题,将目前主流的目标检测算法之一——YOLOV5应用于药品检测场景,提出了一种精度高、所需标注样本少、检测速度快的one-stage实时缺陷检测系统——RDD_YOLOV5(Real-time Defects Detection_YOLOV5)。利用原始图像初级特征进行数据增强,结合注意力机制与多尺度特征融合,增加骨干网络提取跨通道语义信息能力,充分融合高层语义信息与底层细粒度信息以提升模型在小缺陷检测方面的识别效果,在有限的样本条件下达到较高的准确率。该方法检测效果达到了96.6%mAP,32 FPS。 | 钱雪 李军 唐球 钱晓雨 | 2021 | 信息技术与网络安全2021，40，12： | 4 |
| 9 | 机器视觉在军事领域的应用现状及发展趋势显示文摘机器视觉技术凭借其非接触测量、实时性好、可持续工作等优点,在军事领域中有着广阔的应用前景。在对机器视觉光学照明系统、成像系统、视觉信息处理系统等关键技术进行概述的基础上,详细分析了机器视觉技术在军事领域进行典型目标物识别、人员识别、装备缺陷检测等典型场景以及典型军事装备上的应用现状。在此基础上,指出了机器视觉在军事领域的应用,仍然存在视觉传感器硬件系统难以适应极端环境、复杂的军事目标适应性不足、目标识别的实时性难以保证、多传感器融合获取军事目标信息能力缺乏等问题。同时,对机器视觉技术在军事领域应用的未来发展趋势进行了展望,研究分析结果可为机器视觉在军事领域的进一步实用化提供参考。 | 陈静 宫黎明 | 2022 | 遥测遥控2022，43，6： | 4 |
| 10 | 融合双神经网络的PCB缺陷检测方法显示文摘印刷电路板(PCB)缺陷检测是电子工业领域的一个重要研究课题.PCB电路密集复杂,缺陷非常小,传统检测方法检测精度低,漏检率高.针对以上问题,提出一种融合YOLOv3和VGG19神经网络的双网络小目标检测方法,实现对PCB缺陷的高质量检测.将PCB缺陷数据集输入YOLOv3和VGG19网络进行训练,生成缺陷检测模型M_(1)和M_(2).使用M_(1)检测PCB图像,目标置信度50%以上为R_(1),50%以下为R_(2).将R_(2)裁剪出来并使用M_(2)进行二次检测,目标置信度50%以上为R_(3),将R_(1)和R_(3)进行融合.实验表明,双神经网络缺陷检测方法在PCB缺陷小目标上的检测精度提高至99.44%,有效地减少了由于置信度低而导致的漏检问题. | 林璐颖 吴慧君 杨文元 | 2022 | 哈尔滨商业大学学报(自然科学版)2022，38，2： | 3 |
| 11 | 基于改进YOLOv3的印刷电路板缺陷检测算法显示文摘针对现有基于深度学习的印刷电路板(PCB)缺陷检测算法无法同时满足精度和效率要求的问题,提出基于YOLOv3改进的AT-YOLO算法来检测PCB缺陷.将主干网络替换为ResNeSt50,提高特征提取能力,减少参数量.引入SPP模块,融合不同感受野的特征,丰富了特征的表达能力.改进PANet结构替换FPN,插入SE模块提升有效特征图的表达能力,增加1组高分辨率特征图的输入输出,提升对小目标物体的敏感程度,检测尺度由3个增加到4个.使用K-means算法重新聚类生成锚框尺寸,提高了模型的目标检测精度.实验证明,AT-YOLO算法在PCB缺陷检测数据集上的精度均值AP_(0.5)达到98.42%,参数量为3.523×10^(7),平均检测速度为36帧/s,满足精度和效率的要求. | 卞佰成 陈田 吴入军 刘军 | 2023 | 浙江大学学报(工学版)2023，57，4： | 2 |
| 12 | 基于深度学习的车载导航导光板表面缺陷检测研究显示文摘针对车载导航导光板表面缺陷像素值分布不均且普遍较小、背景复杂多变等特点,提出了基于改进掩膜区域卷积神经网络(Mask Region-based Convolutional Neural Network,Mask R-CNN)模型检测车载导航导光板表面缺陷的检测方法。首先,引入PinFPN模块改进原有Mask R-CNN的特征融合网络,充分利用高低语义信息构成各级语义、位置信息兼备的共享特征层,提升整体网络的检测精度;其次,通过引入跳层连接结构和SE(Sequence and Excitation)模块对网络的分割分支进行改进,改善了传统Mask R-CNN网络语义信息获取不充分的问题;最后,通过在自建的车载导航导光板数据集上的一系列实验对比,证明了本方法在检测精度和分割上的优势,在自建数据集上的检测准确率达到了95.3%,满足工业检测的要求。 | 王昊 李俊峰 | 2022 | 软件工程2022，25，3： | 1 |
| 13 | 应用于产品表面缺陷检测的神经网络IBS-Net显示文摘通过将深度学习的两阶段目标检测算法应用于表面缺陷检测中,并依据产品表面缺陷的特性改进网络,提出了IBS-Net算法,实现缺陷的分类识别与定位。IBS-Net改进在于提出了特征相关的非极大抑制方法(FR-NMS)和正样本扩充方法(PSA),依赖特征层间语义关系筛选候选框,将含有局部缺陷信息的候选框作为半正样本以辅助分类任务,体现由部分缺陷推知整体缺陷的思路;其次,利用缺陷之间的互斥性,提出了多类别非极大抑制方法(CR-NMS)应用于后处理阶段,以优化预测结果;此外,利用缺陷之间的重要性差异,改进了表面缺陷检测评估方法。实验结果表明:IBS-Net对13类芯片表面缺陷和6类热轧钢带表面缺陷的检测综合精准度分别达94.8%和89.2%,证明本算法具有良好的有效性和工程应用价值。 | 王新宇 蒋三新 | 2022 | 仪表技术与传感器2022，，11： | 1 |
| 14 | 基于深度学习的两阶段目标检测方法及其在表面缺陷检测中的应用显示文摘目标检测是计算机视觉领域的基本任务,要求识别图像中的目标类别并确定目标位置。R-CNN首次将卷积神经网络用于目标检测任务中,Fast R-CNN使用多任务损失函数来统一训练用于目标分类和定位的网络,Faster R-CNN提出RPN用于生成目标候选区域,大大加快了检测速度,并形成了端到端的深度学习目标检测框架。此后,基于深度学习的目标检测方法逐渐被应用到表面缺陷检测的具体场景中,并取得了良好的检测效果。 | 封学勇 | 2020 | 自动化应用2020，，8： | 1 |
| 15 | 基于DSO算法的印刷电路板焊点测试路径优化显示文摘针对印刷电路板焊点测试中的测试时长、测试效率等路径优化问题,提出了一种用于电路板自动测试的基于DSO(donkey and smuggler optimization)算法的路径优化方法,通过电路板上焊点坐标信息,编写DSO的优化程序,与蚁群算法、遗传算法和模拟退火算法进行算法有效性的比较与分析,并将其对试际电路板焊点测试路径进行仿真验证。结果表明:该算法能够有效优化电路板上的焊点测试路径,缩短测试时间,为解决电路板自动测试中的路径优化问题,提供了有效理论依据和解决办法。 | 吴亚帅 刘新妹 殷俊龄 高志亨 | 2021 | 科学技术与工程2021，21，14： | 1 |
| 16 | Image smog restoration using oblique gradient profile prior and energy minimization显示文摘Removing the smog from digital images is a challenging pre-processing tool in various imaging systems.Therefore,many smog removal(i.e.,desmogging)models are proposed so far to remove the effect of smog from images.The desmogging models are based upon a physical model,it means it requires efficient estimation of transmission map and atmospheric veil from a single smoggy image.Therefore,many prior based restoration models are proposed in the literature to estimate the transmission map and an atmospheric veil.However,these models utilized computationally extensive minimization of an energy function.Also,the existing restoration models suffer from various issues such as distortion of texture,edges,and colors.Therefore,in this paper,a convolutional neural network(CNN)is used to estimate the physical attributes of smoggy images.Oblique gradient channel prior(OGCP)is utilized to restore the smoggy images.Initially,a dataset of smoggy and sunny images are obtained.Thereafter,we have trained CNN to estimate the smog gradient from smoggy images.Finally,based upon the computed smog gradient,OGCP is utilized to restore the still smoggy images.Performance analyses reveal that the proposed CNN-OGCP based desmogging model outperforms the existing desmogging models in terms of various performance metrics. | Ashok KUMAR Arpit JAIN | 2021 | Frontiers of Computer Science2021，15，6： | 0 |
| 17 | 超分辨率对抗网络的电路板瑕疵检测显示文摘电路板瑕疵检测是图像检测领域一个具有挑战性的问题.针对电路板瑕疵只占整个图像区域的很小比例而导致难以检测的问题,提出超分辨率生成式对抗网络的电路板瑕疵小目标检测方法,电路板图像通过对抗网络提高分辨率后用深层网络的多尺度进行目标检测.首先,将电路板数据集图片通过超分辨率生成式对抗网络提高分辨率,放大至4倍尺寸;在Darknet-53网络中通过卷积、采样和融合提取不同尺度的特征图;使用先验框对特征图进行多尺度预测,输出瑕疵的边界框和分类.实验表明,超分辨率生成式对抗网络电路板瑕疵小目标检测方法的平均精确率可提高至99.38%. | 吴慧君 施玉娟 杨文元 | 2021 | 哈尔滨商业大学学报(自然科学版)2021，37，4： | 0 |
| 18 | 基于密集YOLOv3的印刷电路板缺陷识别显示文摘对印刷电路板加工过程中微小缺陷的精准检测是保证电子产品质量的前提。由于电路板缺陷的特征尺寸极小,电路复杂,现有的目标检测方法存在很多不足。针对这一问题,在YOLOv3算法的基础,提出了一种用于印刷电路板缺陷检测的密集YOLOv3目标检测算法。首先,用密集连接卷积网络模块代替YOLOv3算法特征提取网络中的部分残差网络单元,增强网络的特征重用;其次,对损失函数加以改进,用预测框和真实值之间的广义交并比来解决交并比为零时无法继续优化的问题。所提出的密集YOLOv3算法在扩充后的印刷电路板缺陷数据集上得到了有效地验证。实验结果表明,与其他识别算法相比,所提算法在识别精度提高的同时,算法尺寸也有所减小。 | 杨杰 张书杰 | 2022 | 北京邮电大学学报2022，45，5： | 0 |
| 19 | Multiple Detection Model Fusion Framework for Printed Circuit Board Defect Detection显示文摘The printed circuit board(PCB)is an indispensable component of electronic products,which deter-mines the quality of these products.With the development and advancement of manufacturing technology,the layout and structure of PCB are getting complicated.However,there are few effective and accurate PCB defect detection methods.There are high requirements for the accuracy of PCB defect detection in the actual pro-duction environment,so we propose two PCB defect detection frameworks with multiple model fusion including the defect detection by multi-model voting method(DDMV)and the defect detection by multi-model learning method(DDML).With the purpose of reducing wrong and missing detection,the DDMV and DDML integrate multiple defect detection networks with different fusion strategies.The effectiveness and accuracy of the proposed framework are verified with extensive experiments on two open-source PCB datasets.The experimental results demonstrate that the proposed DDMV and DDML are better than any other individual state-of-the-art PCB defect detection model in F1-score,and the area under curve value of DDML is also higher than that of any other individual detection model.Furthermore,compared with DDMV,the DDML with an automatic machine learning method achieves the best performance in PCB defect detection,and the Fl-score on the two datasets can reach 99.7%and 95.6%respectively. | 武星 张庆丰 王健嘉 姚骏峰 郭毅可 | 2023 | Journal of Shanghai Jiaotong university(Science)2023，28，6： | 0 |
| 20 | 具有复杂纹理的木板表面刮痕缺陷检测模型显示文摘为提高木板加工生产线自动化水平,基于Faster RCNN提出一种木板表面刮痕缺陷检测模型,识别和定位不同纹理背景下的木板表面刮痕缺陷。图像预处理阶段提出改进双边滤波算法,在保持刮痕细节特征的同时对纹理背景进行平滑处理;提出灰度自适应刮痕生成方法进行数据增强处理。引入可形变卷积增强模型特征提取能力,使用旋转包围框标注并提出新的包围框回归损失函数,解决水平包围框中刮痕缺陷占比远小于纹理背景的问题。通过实际木板加工生产线采集的图像验证了提出模型的有效性,并将提出的模型与其他缺陷检测方法进行了对比测试,结果证明了所提模型的优越性。 | 胡勍 秦威 刘成良 石闻天 | 2024 | 计算机集成制造系统2024，30，1： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员