基于改进YOLOv5算法的PCB裸板缺陷检测

目的 将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率。方法 通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率。结果 改进后的网络的平均精度由91.54%提高至97.36%,提高了5.82%,并且对于各类缺陷,算法的检测精度都能保持在90%以上,满足工业的需求。结论 文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势。     

光纤Bragg光栅力觉传感器在健康医疗领域的应用

在微创手术等现代医疗过程中普遍存在力触觉反馈缺失、健康体征监测系统有待完善和提升等问题，使得力触觉感知成为了机器人领域中热门的研究方向。传统的电学类传感器存在明显的体积大和生物相容性差等问题，难以直接应用于微创手术等场景。光纤Bragg光栅(Fiber Bragg Grating, FBG)传感技术因其抗电磁干扰能力强、生物相容性高、宽带宽和尺寸小等特点，正被广泛应用于健康医疗领域。主要介绍了FBG力觉传感器的工作原理及其传感特性，详细叙述了国内外基于FBG的力触觉传感器在健康医疗方面的研究现状和应用情况，并展望了光纤光栅式力觉传感技术在健康医疗领域的发展趋势。