点击上方蓝字关注我们

微信公众号:OpenCV学堂

关注获取更多计算机视觉与深度学习知识

介绍

基于DeepPCB这个公开数据集,总计有1500份的模板-缺陷图像数据对,总计图像3000张,对应text格式的1500个标注文本描述文件。包含PCB主要的六个类别错误,分别是:
penshortmousebitespurpin holespurious copper
数据集来自线扫相机拍摄,分辨率标准是48个像素大致等于1毫米。原图大小是16kx16k的大小,然后预处理裁剪为标准的640x640大小,然后全部处理成二值图像从而消除光照不平衡影响。处理以后的图像对(缺陷图-模板图)显示如下:

数据标注的的格式为:x1 y1 x2 y2 type
标注数据分为两个部分1000张作为训练样本,500张作为做测试样本,训练与测试样本的缺陷数据统计分布如下:

YOLOv8模型训练

首先基于数据集,制作YOLO格式数据集,要把标注文件从VOC格式转换YOLO格式,然后按照指定的格式制作完成数据集。不知道怎么制作的看这里:
YOLOv8自定义数据集训练到模型部署推理
制作好数据集,配置好数据集描述文件,

然后直接使用下面的命令行开始训练:
yolo train model=yolov8s.pt data=pcb_dataset.yaml epochs=15 imgsz=640 batch=1

训练完成之后如下:


测试评估的结果如下:



扫码学习YOLOv8视频课程



推荐阅读

用注意力机制魔改YOLOv5涨点

一个教程搞定YOLOv8 对象检测+跟踪+分割


扫码查看OpenCV+OpenVIO+Pytorch系统化学习路线图



内容中包含的图片若涉及版权问题,请及时与我们联系删除