《表2 实验结果对比:基于深度学习的PCB缺陷检测研究》
文中实验结果如图7所示,UF-Net可以准确的识别故障类型,并标注故障位置。文中比较了UF-Net与当前最新的主流识别算法在PCB缺陷检测上的精确度,如表2所示,文中总结了Faster R-CNN在VGG-16和ResNet-101主干网络下的测试结果,FPN在ResNet-101主干网络下的结果以及TDD在ResNet-101主干网络下的测试结果。对比结果显示UF-Net通过多层特征融合及合理的锚框选择可以有效地提升模型微小故障检测的精度。
图表编号 | XD00191677900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 胡珊珊、肖勇、王保帅、尹家悦 |
绘制单位 | 南方电网科学研究院有限责任公司、南方电网科学研究院有限责任公司、南方电网科学研究院有限责任公司、南方电网科学研究院有限责任公司 |
更多格式 | 高清、无水印(增值服务) |