DM-YOLO for MLCCs’ automatic defect detection

doi:10.1016/j.optlastec.2025.113977

DM-YOLO for MLCCs’ automatic defect detection

2025-09-27

0

PRE

AI

DOI：10.1016/j.optlastec.2025.113977

原文链接

原文求助

摘要

En 中文

• 本工作开发了一种用于MLCCs的自动采样与分选设备（ASSD）。该设备具有自动采样、缺陷检测和样品分选功能。与其他类型的缺陷检测仪器相比，ASSD在自动化程度和检测效率方面表现突出。 • 提出了一种基于深度学习的模型DM-YOLO，以解决长尾和多尺度缺陷检测任务。实验在MLCCs的缺陷数据集上进行。该模型与几种在缺陷检测任务中广泛使用的方法进行了比较。实验结果验证了该方法的有效性及其良好的检测性能。 • 提出了层聚合网络（EULN）中UI瓶颈的高效实现。该方法增加了网络深度，提供了更灵活的感受野并提高特征提取能力，同时降低了模型在训练过程中的计算负载。 • 提出Bi-RepGFPN作为DM-YOLO的颈部结构。Bi-RepGFPN为每个连接和跳跃层提供可训练权重，以整合更丰富的特征。本工作中进行的实验证明其对模型特征融合的有效性。

DM-YOLO for MLCCs’ automatic defect detection

摘要

期刊

机构

引用论文