基于轻量化YOLOX的电子元器件缺陷检测方法研究.pdf
《基于轻量化YOLOX的电子元器件缺陷检测方法研究.pdf》由会员分享,可在线阅读,更多相关《基于轻量化YOLOX的电子元器件缺陷检测方法研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、 基于轻量化Y O L O X的电子元器件缺陷检测方法研究*吴栋梁1,刘知贵1,2(1.西南科技大学信息工程学院,四川 绵阳 6 2 1 0 0 0;2.西南科技大学计算机科学与技术学院,四川 绵阳 6 2 1 0 0 0)摘 要:针对传统目标检测方法在对电子元器件进行缺陷检测时存在参数量大、检测效率低的问题,提出了一种基于轻量化YO L O X检测网络的目标检测方法。首先,使用深度可分离卷积对主干网络实现轻量化处理,减少参数量的同时提高检测速度;其次,构建基于空间金字塔的通道注意力模型,对不同尺度特征进行筛选融合,加强小尺寸缺陷的特征权重;在特征融合的采样过程中,加入高效通道注意力,在略微增
2、加参数量的情况下,提升检测精度;最后,采用E I o U损失函数优化I o U损失函数,并使用余弦退火算法来使模型达到最佳检测效果。采用自制的电子元器件外观缺陷数据集进行实验,所提方法的平均检测精度达到9 8.9 6%,每幅图像的检测时间大约为0.0 9 s,与原YO L O X网络相比检测速度提高了一倍,模型大小缩小了约6 0%,并且在P C B瑕疵公共数据集上进行了验证,结果表明所提方法实现了目标缺陷的快速检测。关键词:电子元器件;缺陷检测;YO L O X;注意力机制中图分类号:T P 3 9 1.4文献标志码:Ad o i:1 0.3 9 6 9/j.i s s n.1 0 0 7-1
3、 3 0 X.2 0 2 3.0 8.0 1 5A n e l e c t r o n i c c o m p o n e n t d e f e c t d e t e c t i o n m e t h o d b a s e d o n l i g h t w e i g h t Y O L O XWU D o n g-l i a n g1,L I U Z h i-g u i1,2(1.S c h o o l o f I n f o r m a t i o n E n g i n e e r i n g,S o u t h w e s t U n i v e r s i t y o f
4、S c i e n c e a n d T e c h n o l o g y,M i a n y a n g 6 2 1 0 0 0;2.S c h o o l o f C o m p u t e r S c i e n c e a n d T e c h n o l o g y,S o u t h w e s t U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y,M i a n y a n g 6 2 1 0 0 0,C h i n a)A b s t r a c t:A i m i n g a t t h e
5、p r o b l e m o f l a r g e n u m b e r o f p a r a m e t e r s a n d l o w d e t e c t i o n e f f i c i e n c y o f t h e t r a d i t i o n a l t a r g e t d e t e c t i o n m e t h o d i n d e f e c t d e t e c t i o n o f e l e c t r o n i c c o m p o n e n t s,t h i s p a p e r p r o p o s e s
6、a t a r g e t d e t e c t i o n m e t h o d b a s e d o n t h e l i g h t w e i g h t YO L O X d e t e c t i o n n e t w o r k.F i r s t l y,t h e b a c k b o n e n e t-w o r k i s l i g h t e n e d u s i n g d e e p l y s e p a r a b l e c o n v o l u t i o n t o r e d u c e p a r a m e t e r s a n
7、 d i m p r o v e d e t e c t i o n s p e e d.S e c o n d l y,a s p a t i a l P y r a m i d-b a s e d c h a n n e l a t t e n t i o n m o d e l i s c o n s t r u c t e d t o f i l t e r a n d f u s e f e a t u r e s o f d i f f e r e n t s c a l e s t o e n h a n c e t h e f e a t u r e w e i g h t s
8、 o f s m a l l s i z e d e f e c t s.I n t h e f e a t u r e f u s i o n u p s a m p l i n g p r o c e s s,e f f i c i e n t c h a n n e l a t t e n t i o n i s a d d e d t o i m p r o v e d e t e c t i o n a c c u r a c y w i t h s l i g h t l y i n c r e a s e d p a r a m-e t e r s.F i n a l l y,t
9、 h e E I o U l o s s f u n c t i o n i s u s e d t o o p t i m i z e t h e I o U l o s s f u n c t i o n,a n d t h e c o s i n e a n n e a l i n g a l g o r i t h m i s u s e d t o m a k e t h e m o d e l a c h i e v e t h e b e s t d e t e c t i o n e f f e c t.T h e m o d e l i s t e s t e d o n a
10、 s e l f-m a d e d a t a s e t o f e l e c t r o n i c c o m p o n e n t a p p e a r a n c e d e f e c t s,a n d t h e a v e r a g e d e t e c t i o n a c c u r a c y r e a c h e s 9 8.9 6%,w i t h a d e t e c t i o n t i m e o f a p p r o x i m a t e l y 0.0 9 s e c o n d s p e r i m a g e.C o m p
11、a r e d w i t h t h e o r i g i n a l m o d e l,t h e d e t e c t i o n s p e e d i s d o u b l e d a n d t h e m o d e l s i z e i s r e d u c e d b y a b o u t 6 0%.T h e m o d e l i s a l s o v a l i d a t e d o n t h e P C B d e f e c t p u b l i c d a t a s e t,a c h i e v i n g f a s t d e t e
12、 c t i o n o f t a r g e t d e f e c t s.K e y w o r d s:e l e c t r o n i c c o m p o n e n t;d e f e c t d e t e c t i o n;YO L O X;a t t e n t i o n m e c h a n i s m*收稿日期:2 0 2 2-0 6-0 6;修回日期:2 0 2 2-0 8-1 3基金项目:国家自然科学基金(U 2 1 A 2 0 1 5 7)通信作者:刘知贵(l i u z h i g u i s w u s t.e d u.c n)通信地址:6 2 1
13、 0 0 0 四川省绵阳市西南科技大学信息工程学院A d d r e s s:S c h o o l o f I n f o r m a t i o n E n g i n e e r i n g,S o u t h w e s t U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y,M i a n y a n g 6 2 1 0 0 0,S i c h u a n,P.R.C h i n a C N 4 3-1 2 5 8/T PI S S N 1 0 0 7-1 3 0 X 计算机工程与科学C o m p u t
14、e r E n g i n e e r i n g&S c i e n c e第4 5卷第8期2 0 2 3年8月 V o l.4 5,N o.8,A u g.2 0 2 3 文章编号:1 0 0 7-1 3 0 X(2 0 2 3)0 8-1 4 6 3-0 91 引言随着生活水平提高,人们的需求日益多样化,电子元器件的更新速度加快,人们对电子产品的需求也日益加大。电子元器件作为电子产品的重要部分,其质量好坏对电子产品是否能够长期稳定地工作有着重大的影响。研究高效而准确的电子元器件缺陷检测方法对电子产品质量控制和故障检测具有重要的实际意义。近年来,得益于神经网络技术发展和计算能力提升,涌现出
15、了许多基于深度学习的目标检测方法1,2,主要分为两阶段检测和单阶段检测2类。两阶段检测方法是先进行区域生成,再进行分类,代表性方法有更快的区域卷积神经网络F a s t e r R-C N N(F a s t e r R e g i o n a l C o n v o l u t i o n a l N e u r a l N e t w o r k)3、C a s c a d e R-C N N4和M a s k R-C N N5等。单阶段检测方法是基于端到端的回归方式实现的,代表性方法有单次多盒检测器S S D(S i n g l e S h o t m u l t i b o x D e
16、 t e c t o r)6、一级检测器Y O L O v 3(Y o u O n l y L o o k O n c e v 3)7、Y O L O v 48和R e t i n a N e t9等。基于卷积神经网络的目标检测方法被广泛应用于元器件的表面缺陷检测。周天宇1 0提出了一种YO L O-E f f i c i e n t N e t方法来对载波芯片缺陷进行实时性检测;刘少乾1 1将F a s t e r R-C NN模型与在线困难样本挖掘OHEM(O n l i n e H a r d E x a m p l e M i n i n g)1 2相结合,研究了一种微小电子元器件的检
17、测方法;魏相站等人1 3提出了一种基于改进的YO L O v 3的电容器外观缺陷检测方法;C h e n等人1 4结合YO L O v 3 和生成对抗网络算法1 5来对芯片晶粒的表面缺陷进行检测。上述方法结合不同应用场景实现了有针对性的优化,但在检测过程中存在参数量过多和检测时间长等问题。而电子元器件尺寸较小,缺陷种类多样化,特征不明显,在检测过程中难以保证精度提升的同时还具备实时性。针对此问题,本文提出了一种基于轻量化YO L O X1 6的电子元器件缺陷检测方法。2 Y O L O X目标检测方法2.1 Y O L O X网络结构YO L O X是旷视科技研究院在2 0 2 1年提出的一种
18、无锚框单阶段检测器,在检测速度和精度上极具竞争力。考虑到模型的参数量和检测精度,本文采 用 其s模 型 作 为 检 测 框 架。图1所 示 为YO L O X网络结构,共分为3个部分:首先特征提取部 分 采 用 的 是 跨 阶 段 局 部 网 络C S P D a r k n e t(C r o s s S t a g e P a r t i a l D a r k n e t),在不同图像信息上进行特征提取,得到3种尺度的特征图;在特征融合部分,采用特征金字塔网络F P N(F e a t u r e P y r a-m i d N e t w o r k)1 7和 路 径 融 合 网 络P
19、 AN e t(P a t h A g g r e g a t i o n N e t w o r k)1 8来进行深层特征提取;最后输出端是网络的预测部分,输出分别传入3个解耦头进行目标框预测,得到预测结果。F i g u r e 1 S t r u c t u r e o f YO L O X n e t w o r k 图1 YO L O X网络结构2.2 Y O L O X组件主干部分:特征提取网络C S P D a r k n e t,包括C S P结构、F o c u s处理、C B S处理和空间金字塔池化S P P(S p a t i a l P y r a m i d P o
20、o l i n g)。(1)C S P结构。在C S P结构中,将原基础层左右拆分为P a r t 1和P a r t 2 2部分,P a r t 2部分继续进行卷积堆叠,P a r t 1部分经过少量处理后与P a r t 2合并,不仅减少了计算量,而且还可以保证一定准确率。C S P结构如图2所示。F i g u r e 2 S t r u c t u r e o f C S P 图2 C S P结构(2)F o c u s处理。F o c u s处理为切片操作,在一幅图像中每隔一个像素取一个值,得到4个独立的特征层,将其堆4641C o m p u t e r E n g i n e e
21、 r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(8)叠,此时宽高信息就集中到了通道信息,输入通道扩充了4倍。切片操作如图3所示。F i g u r e 3 S l i c i n g o p e r a t i o n图3 切片操作(3)C B S处理。YO L O X网 络 的C B S处 理 部 分 由 卷 积 层C o n v、批量标准化B N(B a t c h N o r m a l i z a t i o n)与S i-l u函数3部分组成。图像先经过卷积层C o n v得到输入的不同特征,再通过B N层进行批处理数据规范化,最后使用S i
22、l u激活函数处理结果。F i g u r e 5 S t r u c t u r e o f i m p r o v e d YO L O X n e t w o r k 图5 改进YO L OX网络结构(4)S P P结构。S P P结构是一种对特征网络提取的特征图进行不同分块池化再进行特征拼接的结构,大大增大了感受野,提高了特征图的特征信息表达能力。S P P结构如图4所示。F i g u r e 4 S t r u c t u r e o f S P P n e t w o r k 图4 S P P网络结构N e c k部分:N e c k 网络采用 F P N 结合 P AN e t
23、的结构,作为网络的融合部分。预 测 端:通 过 非 极 大 抑 制NM S(N o n-M a x i m u m S u p p r e s s i o n)方法筛选目标框,保留置信度最高的预测框信息,完成目标检测过程。3 改进的Y O L O X网络设计3.1 方法网络本文对YO L O X作出有针对性的改进,首先,为了减少网络参数量,缩短检测时间,使用深度可分离卷积D S C(D e p t h w i s e S e p a r a b l e C o n v o l u t i o n)替换C S P D a r k n e t主干网络中的普通卷积,实现轻量化处理;其次,搭建特征加强
24、模块,加强小尺寸缺陷的特征权重;在特征融合的采样过程中,加入高效 通 道 注 意 力E C A(E f f i c i e n t C h a n n e l A t t e n-t i o n)1 9,在略微增加参数量的情况下,提升检测精度;最后,引入余弦退火算法加速模型收敛,并采用有 效 交 并 比E I o U(E f f i c i e n t I n t e r s e c t i o n o v e r U n i o n)2 0损失函数优化交并比I o U(I n t e r s e c t i o n o v e r U n i o n)损失函数,使模型达到最佳检测效果。改进Y
25、O L O X网络的整体设计如图5所示。3.2 深度可分离卷积神经网络主要由不同的卷积核堆叠而成,随着其网络模型复杂度的不断增加,如何减少参数量是模型训练中不可或缺的一环。为了提高检测效率,本文采用深度可分离卷积代替一般卷积,D S C主要由深度卷积和点卷积组成,可大大减少模型的理5641吴栋梁等:基于轻量化YO L O X的电子元器件缺陷检测方法研究论参数量。对于 普通卷积,设输入特 征 图 尺 寸 为KKM,卷积核尺寸为FFM,数量为N,步长为1。特征图空间维度共包含KK个点,而对每个点进行卷积操作的计算量与卷积核的尺寸一致,即FFM,所以对单个卷积而言,其计算量为:KKFFM。那么对N个
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 量化 YOLOX 电子元器件 缺陷 检测 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。