期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合特征增强的YOLO-TEC算法设计及其在PCB元器件分类中的应用
1
作者 胡俊 黄牌牌 +2 位作者 高洁 庄立城 刘升 《绵阳师范学院学报》 2026年第2期34-43,共10页
印刷电路板(Printed Circuit Board,PCB)是电子元器件的核心载体,但其元器件普遍具有体积小、数量多、种类复杂等特点,使得传统检测方法效率低下、耗时较长,难以满足智能制造对检测精度与速度的双重要求.为解决上述问题并提升PCB元器件... 印刷电路板(Printed Circuit Board,PCB)是电子元器件的核心载体,但其元器件普遍具有体积小、数量多、种类复杂等特点,使得传统检测方法效率低下、耗时较长,难以满足智能制造对检测精度与速度的双重要求.为解决上述问题并提升PCB元器件的检测与分类性能,提出一种基于YOLOv11改进的专用算法——YOLO-TEC.该算法面向PCB元器件检测的关键难点设计了多重优化策略:一是引入微小目标检测层,以增强多尺度特征提取能力,适配微小元器件的识别需求;二是构建ImproveEdgeDetection模块,强化边缘信息捕获以区分形态相似元器件;三是采用C2BRA模块替代原C2PSA结构,提升特征表达的紧凑性与判别力;四是融合轻量级CPCA注意力机制,在保持精度的同时有效加快推理速度.实验结果表明,与原始YOLOv11模型相比,YOLO-TEC的召回率提升7.2%,精度提高20.9%,mAP50提升14.7%,模型参数量减少约26%,实现了性能与轻量化的双重优化.该算法可精准识别并分类28类常见PCB元器件,具备未知元器件的标识能力,显著提升了PCB检测的精度与效率,为电子制造领域的PCB质量检测提供了高效解决方案,具有良好的实际应用前景. 展开更多
关键词 印刷电路板 YOLOv11 improveedgedetection C2BRA CPCA
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部