【技术实现步骤摘要】
本公开涉及缺陷检测相关，具体地说，是涉及一种基于改进yolov7的pcb缺陷检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
2、小目标检测一直是计算机视觉领域中的一个困难并具有挑战性的问题。提高模型对小物体的检测性能具有广泛的现实意义，例如自动驾驶汽车、无人驾驶飞行器以及在工业领域中的缺陷检测。随着科技的不断进步，电子设备变得越来越精细、集成。印刷电路板(pcb)作为电子设备的基础装配，其质量尤为重要。工业制作过程中的任何微小瑕疵都会影响电子产品的正常工作。pcb的批量生产，使得其缺陷检测的工作耗费大量人力物力。为了使生产出来的pcb达到期望的质量标准，大量的研究和开发投入到自动化pcb缺陷检测。使用传统的目标检测算法进行pcb缺陷检测，具有很大的局限性，检测的结果准确率不高。
3、近年来，随着深度学习的不断发展，目标检测作为计算机视觉中的一项重要任务，一直被人们广泛关注。各种先进的检测算法层出不穷且应用广泛，包括双阶段检测算法fast r-cnn、faster r-cnn等，单阶段检测算法ssd、yolo系列等。已经有很多关于使用深度学习算法对pcb进行缺陷检测的研究，针对pcb缺陷的特点，设计出不同的模型，使得检测器在准确率、召回率、检测速度等方面有不同程度的提升。
4、专利技术人在研究中发现，微小目标检测在计算机视觉中始终是一个难题，由于模型层数的堆叠，提取到的图像特征减少，导致细小的瑕疵容易在特征提取中丢失。pcb缺陷检测是典
技术实现思路
1、本公开为了解决上述问题，提出了一种基于改进yolov7的pcb缺陷检测方法及系统，构建的模型能够关注更加细粒度的信息，防止小目标的丢失，解决了pcb缺陷检测中背景干扰大、检测目标尺度小的问题。
2、为了实现上述目的，本公开采用如下技术方案：
3、一个或多个实施例提供了一种基于改进yolov7的pcb缺陷检测方法，包括如下步骤：
4、获取yolov7原模型；
5、在yolov7原模型的特征金字塔的顶层加入evc模块，evc模块用于捕捉各特征层内特征的关系，实现层内局部特征的聚合，以捕获全局的长期依赖关系；
6、将bra模块加在yolov7原模型的头部，得到融合了evc模块和bra模块的改进后yolov7模型；所述bra模块为具有稀疏性的双层路由注意，用于关注微小细粒度信息；
7、获取待检测的pcb图像，基于改进后的yolov7模型进行目标检测，得到目标检测结果。
8、一个或多个实施例提供了一种基于改进yolov7的pcb缺陷检测系统，包括：
9、原模型获取模块：被配置为用于获取yolov7原模型；
10、第一引入模块：被配置为用于在yolov7原模型的特征金字塔的顶层加入evc模块，该模块用于捕捉各特征层内特征的关系，实现层内局部特征的聚合，以捕获全局的长期依赖关系和局部角区域信息；
11、第二引入模块：被配置为用于将bra模块加在yolov7原模型的头部，得到融合了evc模块和bra模块的改进后yolov7模型；所述bra模块为具有稀疏性的双层路由注意，用于关注微小细粒度信息；
12、检测模块：被配置为用于获取待检测的pcb图像，基于改进后的yolov7模型进行目标检测，得到目标检测结果。
13、一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述的一种基于改进yolov7的pcb缺陷检测方法中的步骤。
14、一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述的一种基于改进yolov7的pcb缺陷检测方法中的步骤。
15、与现有技术相比，本公开的有益效果为：
16、本公开中，对yolov7原模型进行改进，在特征金字塔的顶层加入显式视觉中心(evc)模块，使模型更加关注层内特征的关系，实现层内局部特征的聚合，以捕获全局的长期依赖关系，防止小目标的丢失；并且引入了具有稀疏性的双层路由注意(bra)，不仅在时间和内存上节省，而且使模型更加关注小目标的信息，提高模型pcb缺陷检测的性能。将yolov7原模型中的ciou损失函数替换为wiou损失函数，解决低质量样本和高质量样本不平衡的问题，使模型关注普通anchor box的质量
17、本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于：EVC模块包括轻量级MLP和可学习的视觉中心机制模块；轻量级MLP用于捕获顶级特征的远程依赖关系，可学习的视觉中心机制模块用于实现层内局部特征的聚合。
3.如权利要求2所述的一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于：
4.如权利要求2所述的一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于：
5.如权利要求1所述的一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于：BRA模块采用动态、查询感知的稀疏注意力，使每个查询都关注语义上最相关的键值对的一小部分。
6.如权利要求5所述的一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于，BRA模块的稀疏注意力的计算包括如下两个阶段：
7.如权利要求1所述的一种基于改进YOLOv7的PCB缺陷检测方法，其特征在于：改进后的YOLOv7模型进行训练采用基于动态非单调调频Wise-Io
8.一种基于改进YOLOv7的PCB缺陷检测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的一种基于改进YOLOv7的PCB缺陷检测方法中的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的一种基于改进YOLOv7的PCB缺陷检测方法中的步骤。
...【技术特征摘要】
1.一种基于改进yolov7的pcb缺陷检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于改进yolov7的pcb缺陷检测方法，其特征在于：evc模块包括轻量级mlp和可学习的视觉中心机制模块；轻量级mlp用于捕获顶级特征的远程依赖关系，可学习的视觉中心机制模块用于实现层内局部特征的聚合。
3.如权利要求2所述的一种基于改进yolov7的pcb缺陷检测方法，其特征在于：
4.如权利要求2所述的一种基于改进yolov7的pcb缺陷检测方法，其特征在于：
5.如权利要求1所述的一种基于改进yolov7的pcb缺陷检测方法，其特征在于：bra模块采用动态、查询感知的稀疏注意力，使每个查询都关注语义上最相关的键值对的一小部分。
6.如权利要求5所述的一种基于改进yolov7的pcb缺陷检测方法...
【专利技术属性】
技术研发人员：李爱民，李志窈，李文强，孔晓同，张跃晨，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。