一种基于改进YOLOX与PNN的SMT产线贴片机故障预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于改进YOLOX与PNN的SMT产线贴片机故障预测方法,该方法通过采集PCBA产品图像,对图像进行筛选,保留带缺陷的PCBA产品图像,对图像缺陷进行分类和位置信息标注,并将数据按比例进行数据集的制作与划分;对YOLOX神经网络模型进行改进,利用图像分类网络ConvNeXt的主干特征提取网络对原模型YOLOX进行改进,得到改进YOLOX神经网络模型;利用PCBA焊点缺陷数据集对改进YOLOX模型进行训练,得到基于改进YOLOX的PCBA焊点缺陷检测模型;将PCBA焊点缺陷检测模型部署到SMT产线上,进行PCBA焊点缺陷检测,并收集检测结果;采集PCBA焊点缺陷同一时期对应的贴片机故障信息,制作PNN的基础输入数据模型;将基于改进YOLOX的PCBA焊点缺陷模型与PNN模型部署到SMT产线上,进行贴片机故障预测。
《一种基于改进YOLOX与PNN的SMT产线贴片机故障预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022107079324,当前法律状态为已下证,由桂林电子科技大学提出申请,发明人为黄春跃;廖帅冬;张怀权;龚锦峰;李茂林,申请日期为2022-06-22,公开(公告)日期为2024-03-19,国际专利分类号(IPC)为 G06T 7/00 (2017.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于改进YOLOX与PNN的SMT产线贴片机故障预测方法,该方法通过采集PCBA产品图像,对图像进行筛选,保留带缺陷的PCBA产品图像,对图像缺陷进行分类和位置信息标注,并将数据按比例进行数据集的制作与划分;对YOLOX神经网络模型进行改进,利用图像分类网络ConvNeXt的主干特征提取网络对原模型YOLOX进行改进,得到改进YOLOX神经网络模型;利用PCBA焊点缺陷数据集对改进YOLOX模型进行训练,得到基于改进YOLOX的PCBA焊点缺陷检测模型;将PCBA焊点缺陷检测模型部署到SMT产线上,进行PCBA焊点缺陷检测,并收集检测结果;采集PCBA焊点缺陷同一时期对应的贴片机故障信息,制作PNN的基础输入数据模型;将基于改进YOLOX的PCBA焊点缺陷模型与PNN模型部署到SMT产线上,进行贴片机故障预测。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
