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：

pen
short
mousebite
spur
pin hole
spurious 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：

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