freeaaron / pcbdetect-yolov5

PCBDetect-YOLOv5

PCBDetect - YOLOv5

資料集介紹：DeepPCB
YOLOv5 介紹：YOLOv5 🚀 in PyTorch

📝Quick Start

Install

Clone repo and install requirements.txt in a Python>=3.7.0 environment, including PyTorch>=1.7.

cd YOLOv5
pip install -r requirements.txt  # install

1. 將欲檢測之照片放入指定資料夾

將欲檢測之照片放入 YOLOv5\data\images 資料夾中

大小為 640 x 640

2. 執行 detect.py

Open your terminal/command prompt from your project directory and run the detect.py file by executing the command python detect.py.

cd YOLOv5
python detect.py

A Few Seconds Later Done！

預設路徑放於　YOLOv5\runs\detect \exp 開頭之資料夾下
(如欲更改資料夾名稱可於 detect.py 下之第 72 行進行修改)

---

訓練及驗證結果

train log：Wandb.ai

• Results

• PR_curve

Validation

• val_batch0_pred

• val_batch2_labels

路徑 YOLOv5\runs\train\PCBDetect 下可看到其他結果

Model Use

• Here I select YOLOv5s, the smallest and fastest model available. See YOLOv5 README table for a full comparison of all models.

• 參考資料：Train Custom Data

資料前處理

• 其實資料前處理無疑是最麻煩的一部分
• DeepPCB 原始資料集只給了測試照片與 Defect 位置座標
• 這邊我大概說明一下我進行的前處理步驟

1. 按照 VOC 格式創建資料集文件夾
2. 資料集格式轉換 - 轉換出 xml 檔
3. 訓練集資料劃分 - (train，val，test 按照 8：1：1 比例隨機劃分)
4. 生成 YOLO 格式的 Label - 依照 xml 檔，轉換出適用 YOLO 格式的 label.txt 檔
5. 修改配置文件、路徑與參數
6. 修改 train.py 等參數，開始訓練與測試。

---

Contact

聲明：如欲進行所有商業合作用途，請事先告知。
如果有漏洞與功能或其他問題，歡迎與我聯繫。
by FreeAaron