实战 | 基于YOLOv8的PCB板缺陷检测

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：

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：

作者：gloomyfish
文章来源：OpenCV学堂

推荐阅读

• SAM-U升级SAM | 带你分析SAM的弱点并重新优化设计填补空缺
• YOLOD也来啦 | 优化YOLOv5样本匹配，顺带设计了全新的模块
• Hybrid-SORT起飞 | 超过DeepSORT将近10个点的多目标跟踪香不香？
• Q-YOLOP来啦 | 一个具有量化感知全景驾驶感知模型
• 视觉Backbone怎么使用1/8的FLOPs实现比Baseline更高的精度？

更多嵌入式AI干货请关注嵌入式AI专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。