介绍
基于DeepPCB这个公开数据集,总计有1500份的模板-缺陷图像数据对,总计图像3000张,对应text格式的1500个标注文本描述文件。包含PCB主要的六个类别错误,分别是:
pen short mousebite spur pin hole spurious copper数据集来自线扫相机拍摄,分辨率标准是48个像素大致等于1毫米。原图大小是16kx16k的大小,然后预处理裁剪为标准的640x640大小,然后全部处理成二值图像从而消除光照不平衡影响。处理以后的图像对(缺陷图-模板图)显示如下:
数据标注的的格式为:x1 y1 x2 y2 type 标注数据分为两个部分1000张作为训练样本,500张作为做测试样本,训练与测试样本的缺陷数据统计分布如下:
YOLOv8模型训练
首先基于数据集,制作YOLO格式数据集,要把标注文件从VOC格式转换YOLO格式,然后按照指定的格式制作完成数据集。不知道怎么制作的看这里: YOLOv8自定义数据集训练到模型部署推理 制作好数据集,配置好数据集描述文件,
然后直接使用下面的命令行开始训练:
yolo train model=yolov8s.pt data=pcb_dataset.yaml epochs=15 imgsz=640 batch=1
训练完成之后如下:
测试评估的结果如下:
审核编辑:汤梓红
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
pcb
+关注
关注
4220文章
22472浏览量
385774 -
模型
+关注
关注
1文章
2704浏览量
47685 -
缺陷检测
+关注
关注
2文章
131浏览量
12058 -
数据集
+关注
关注
4文章
1178浏览量
24351
原文标题:实战 | 基于YOLOv8的PCB板缺陷检测
文章出处:【微信号:CVSCHOOL,微信公众号:OpenCV学堂】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
【爱芯派 Pro 开发板试用体验】yolov8模型转换
通过开发板上预制的ax_run_model 工具,测试模型速度和精度。
示例都是yolov5的,没有yolov8,模型怎么运行还需进一步研究。
发表于 11-20 12:19
TensorRT 8.6 C++开发环境配置与YOLOv8实例分割推理演示
对YOLOv8实例分割TensorRT 推理代码已经完成C++类封装,三行代码即可实现YOLOv8对象检测与实例分割模型推理,不需要改任何代码即可支持自定义数据训练部署推理
在AI爱克斯开发板上用OpenVINO™加速YOLOv8分类模型
本系列文章将在 AI 爱克斯开发板上使用 OpenVINO 开发套件依次部署并测评 YOLOv8 的分类模型、目标检测模型、实例分割模型和人体姿态估计模型。
在AI爱克斯开发板上用OpenVINO™加速YOLOv8目标检测模型
《在 AI 爱克斯开发板上用 OpenVINO 加速 YOLOv8 分类模型》介绍了在 AI 爱克斯开发板上使用 OpenVINO 开发套件部署并测评 YOLOv8 的分类模型,本文将介绍在 AI 爱克斯开发板上使用 OpenVINO 加速
AI爱克斯开发板上使用OpenVINO加速YOLOv8目标检测模型
《在AI爱克斯开发板上用OpenVINO加速YOLOv8分类模型》介绍了在AI爱克斯开发板上使用OpenVINO 开发套件部署并测评YOLOv8的分类模型,本文将介绍在AI爱克斯开发板上使用OpenVINO加速YOLOv8目标
教你如何用两行代码搞定YOLOv8各种模型推理
大家好,YOLOv8 框架本身提供的API函数是可以两行代码实现 YOLOv8 模型推理,这次我把这段代码封装成了一个类,只有40行代码左右,可以同时支持YOLOv8对象检测、实例分割
目标检测算法再升级!YOLOv8保姆级教程一键体验
YOLO作为一种基于图像全局信息进行预测的目标检测系统,始终保持着极高的迭代更新率,从YOLOv5到YOLOv8,本次升级主要包括结构算法、命令行界面、PythonAPI等。具体到YOLOv8
三种主流模型部署框架YOLOv8推理演示
部署。这里以YOLOv8为例,演示了YOLOv8对象检测模型在OpenVINO、ONNXRUNTIME、TensorRT三个主流框架上C++推理演示效果。
如何修改YOLOv8的源码
很多人也想跟修改YOLOv5源码一样的方式去修改YOLOv8的源码,但是在github上面却发现找到的YOLOv8项目下面TAG分支是空的,然后就直接从master/main下面把源码克隆出来一通
基于YOLOv8的自定义医学图像分割
YOLOv8是一种令人惊叹的分割模型;它易于训练、测试和部署。在本教程中,我们将学习如何在自定义数据集上使用YOLOv8。但在此之前,我想告诉你为什么在存在其他优秀的分割模型时应该使用YOLOv8呢?
YOLOv8实现旋转对象检测
YOLOv8框架在在支持分类、对象检测、实例分割、姿态评估的基础上更近一步,现已经支持旋转对象检测(OBB),基于DOTA数据集,支持航拍图像的15个类别对象检测,包括车辆、船只、典型
评论