介紹

基于DeepPCB這個公開數(shù)據(jù)集，總計有1500份的模板-缺陷圖像數(shù)據(jù)對，總計圖像3000張，對應(yīng)text格式的1500個標(biāo)注文本描述文件。包含PCB主要的六個類別錯誤，分別是：

pen
short
mousebite
spur
pin hole
spurious copper

數(shù)據(jù)集來自線掃相機(jī)拍攝，分辨率標(biāo)準(zhǔn)是48個像素大致等于1毫米。原圖大小是16kx16k的大小，然后預(yù)處理裁剪為標(biāo)準(zhǔn)的640x640大小，然后全部處理成二值圖像從而消除光照不平衡影響。處理以后的圖像對(缺陷圖-模板圖)顯示如下：

數(shù)據(jù)標(biāo)注的的格式為：x1 y1 x2 y2 type 標(biāo)注數(shù)據(jù)分為兩個部分1000張作為訓(xùn)練樣本，500張作為做測試樣本，訓(xùn)練與測試樣本的缺陷數(shù)據(jù)統(tǒng)計分布如下：

YOLOv8模型訓(xùn)練

首先基于數(shù)據(jù)集，制作YOLO格式數(shù)據(jù)集，要把標(biāo)注文件從VOC格式轉(zhuǎn)換YOLO格式，然后按照指定的格式制作完成數(shù)據(jù)集。不知道怎么制作的看這里： YOLOv8自定義數(shù)據(jù)集訓(xùn)練到模型部署推理 制作好數(shù)據(jù)集，配置好數(shù)據(jù)集描述文件，

然后直接使用下面的命令行開始訓(xùn)練：

yolo train model=yolov8s.pt data=pcb_dataset.yaml epochs=15 imgsz=640 batch=1

訓(xùn)練完成之后如下：

測試評估的結(jié)果如下：