微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
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：penshortmousebitespurpin holespurious 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：
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：
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：
扫码学习YOLOv8视频课程
推荐阅读
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
扫码查看OpenCV+OpenVIO+Pytorch系统化学习路线图
