基于YOLOv8的PCB板缺陷檢測
介紹
基于DeepPCB這個(gè)公開數(shù)據(jù)集，總計(jì)有1500份的模板-缺陷圖像數(shù)據(jù)對，總計(jì)圖像3000張，對應(yīng)text格式的1500個(gè)標(biāo)注文本描述文件。包含PCB主要的六個(gè)類別錯(cuò)誤，分別是：
pen short mousebite spur pin hole spurious copper數(shù)據(jù)集來自線掃相機(jī)拍攝，分辨率標(biāo)準(zhǔn)是48個(gè)像素大致等于1毫米。原圖大小是16kx16k的大小，然后預(yù)處理裁剪為標(biāo)準(zhǔn)的640x640大小，然后全部處理成二值圖像從而消除光照不平衡影響。處理以后的圖像對(缺陷圖-模板圖)顯示如下：
數(shù)據(jù)標(biāo)注的的格式為：x1 y1 x2 y2 type 標(biāo)注數(shù)據(jù)分為兩個(gè)部分1000張作為訓(xùn)練樣本，500張作為做測試樣本，訓(xùn)練與測試樣本的缺陷數(shù)據(jù)統(tǒng)計(jì)分布如下：
YOLOv8模型訓(xùn)練
首先基于數(shù)據(jù)集，制作YOLO格式數(shù)據(jù)集，要把標(biāo)注文件從VOC格式轉(zhuǎn)換YOLO格式，然后按照指定的格式制作完成數(shù)據(jù)集。不知道怎么制作的看這里： YOLOv8自定義數(shù)據(jù)集訓(xùn)練到模型部署推理 制作好數(shù)據(jù)集，配置好數(shù)據(jù)集描述文件，
然后直接使用下面的命令行開始訓(xùn)練：
yolo train model=yolov8s.pt data=pcb_dataset.yaml epochs=15 imgsz=640 batch=1
訓(xùn)練完成之后如下：
測試評估的結(jié)果如下：
審核編輯：湯梓紅
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報(bào)投訴
-
pcb
+關(guān)注
關(guān)注
4327文章
23175瀏覽量
400239 -
模型
+關(guān)注
關(guān)注
1文章
3342瀏覽量
49270 -
缺陷檢測
+關(guān)注
關(guān)注
2文章
145瀏覽量
12307 -
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1209瀏覽量
24848
原文標(biāo)題：實(shí)戰(zhàn) | 基于YOLOv8的PCB板缺陷檢測
文章出處：【微信號：CVSCHOOL，微信公眾號：OpenCV學(xué)堂】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
使用YOLOv8做目標(biāo)檢測和實(shí)例分割的演示
YOLOv8是來自Ultralytics的最新的基于YOLO的對象檢測模型系列，提供最先進(jìn)的性能。
YOLOv8自定義數(shù)據(jù)集訓(xùn)練到模型部署推理簡析
如果你只是想使用而不是開發(fā)，強(qiáng)烈推薦通過pip安裝方式獲取YOLOv8包！YOLOv8安裝命令行
在AI愛克斯開發(fā)板上用OpenVINO?加速YOLOv8分類模型
本系列文章將在 AI 愛克斯開發(fā)板上使用 OpenVINO 開發(fā)套件依次部署并測評 YOLOv8 的分類模型、目標(biāo)檢測模型、實(shí)例分割模型和人體姿態(tài)估計(jì)模型。
在AI愛克斯開發(fā)板上用OpenVINO?加速YOLOv8目標(biāo)檢測模型
《在 AI 愛克斯開發(fā)板上用 OpenVINO 加速 YOLOv8 分類模型》介紹了在 AI 愛克斯開發(fā)板上使用 OpenVINO 開發(fā)套件部署并測評 YOLOv8 的分類模型，本文將
YOLOv8版本升級支持小目標(biāo)檢測與高分辨率圖像輸入
YOLOv8版本最近版本又更新了，除了支持姿態(tài)評估以外，通過模型結(jié)構(gòu)的修改還支持了小目標(biāo)檢測與高分辨率圖像檢測。原始的YOLOv8模型結(jié)構(gòu)如下。
AI愛克斯開發(fā)板上使用OpenVINO加速YOLOv8目標(biāo)檢測模型
《在AI愛克斯開發(fā)板上用OpenVINO加速YOLOv8分類模型》介紹了在AI愛克斯開發(fā)板上使用OpenVINO 開發(fā)套件部署并測評YOLOv8的分類模型，本文將介紹在AI愛克斯開發(fā)
在AI愛克斯開發(fā)板上用OpenVINO?加速YOLOv8-seg實(shí)例分割模型
《在 AI 愛克斯開發(fā)板上用 OpenVINO 加速 YOLOv8 目標(biāo)檢測模型》介紹了在 AI 愛克斯開發(fā)板上使用 OpenVINO 開發(fā)套件部署并測評
教你如何用兩行代碼搞定YOLOv8各種模型推理
大家好，YOLOv8 框架本身提供的API函數(shù)是可以兩行代碼實(shí)現(xiàn) YOLOv8 模型推理，這次我把這段代碼封裝成了一個(gè)類，只有40行代碼左右，可以同時(shí)支持YOLOv8對象檢測、實(shí)例分割
目標(biāo)檢測算法再升級！YOLOv8保姆級教程一鍵體驗(yàn)
YOLO作為一種基于圖像全局信息進(jìn)行預(yù)測的目標(biāo)檢測系統(tǒng)，始終保持著極高的迭代更新率，從YOLOv5到YOLOv8，本次升級主要包括結(jié)構(gòu)算法、命令行界面、PythonAPI等。具體到YOLOv8
在AI愛克斯開發(fā)板上用OpenVINO?加速YOLOv8-seg實(shí)例分割模型
《在 AI 愛克斯開發(fā)板上用 OpenVINO 加速 YOLOv8 目標(biāo)檢測模型》介紹了在 AI 愛克斯開發(fā)板上使用 OpenVINO 開發(fā)套件部署并測評
三種主流模型部署框架YOLOv8推理演示
部署。這里以YOLOv8為例，演示了YOLOv8對象檢測模型在OpenVINO、ONNXRUNTIME、TensorRT三個(gè)主流框架上C++推理演示效果。
解鎖YOLOv8修改+注意力模塊訓(xùn)練與部署流程
很多人也想跟修改YOLOv5源碼一樣的方式去修改YOLOv8的源碼，但是在github上面卻發(fā)現(xiàn)找到的YOLOv8項(xiàng)目下面TAG分支是空的
如何修改YOLOv8的源碼
很多人也想跟修改YOLOv5源碼一樣的方式去修改YOLOv8的源碼，但是在github上面卻發(fā)現(xiàn)找到的YOLOv8項(xiàng)目下面TAG分支是空的，然后就直接從master/main下面把源碼克隆出來一通
基于YOLOv8的自定義醫(yī)學(xué)圖像分割
YOLOv8是一種令人驚嘆的分割模型；它易于訓(xùn)練、測試和部署。在本教程中，我們將學(xué)習(xí)如何在自定義數(shù)據(jù)集上使用YOLOv8。但在此之前，我想告訴你為什么在存在其他優(yōu)秀的分割模型時(shí)應(yīng)該使用YOLOv8呢？
YOLOv8實(shí)現(xiàn)旋轉(zhuǎn)對象檢測
YOLOv8框架在在支持分類、對象檢測、實(shí)例分割、姿態(tài)評估的基礎(chǔ)上更近一步，現(xiàn)已經(jīng)支持旋轉(zhuǎn)對象檢測（OBB），基于DOTA數(shù)據(jù)集，支持航拍圖像的15個(gè)類別對象檢測，包括車輛、船只、典型
工商網(wǎng)監(jiān)
評論