基于yolov5的PCB板缺陷检测（附有详细步骤通俗易懂版）

PCB板缺陷检测

模型训练

在初学的时候，可能不太了解到底模型训练是个什么流程，到底是什么意思。其实也很简单，就是我们用一个框架（如pytorch，tensorflow等）通过一定的算法如yolov5，对一定的数据集进行训练后等形成一个可以直接调用模型（例如用pytorch训练的模型通常是.pt或.pth文件，当然也有一些其他的，这就是看具体的需要了），通过一定的方法调用模型后（通常是简单的.load()语句），直接输入数据就可以按照一定的格式输出训练后的数据。

选择数据集

PCB缺陷检测我查到的有两种数据集，一种是deepPCB,另一种是北京大学智能机器人开放实验室数据，因为北京大学的数据已经处理好了，不用我们再处理了，所以我们在本次实验采用的是北京大学的数据，数据内容如下：

我们可以打开Annotations文件夹，然后再随便打开一个缺陷类型的文件，我们发现都是一些xml的文件，如下图所示：

这就是已经标注好的文件，用xml文件的形式保存，这个文件是在软件上手动标注后导出的文件，我们需要通过一定的处理，将标注信息提取出来。而这一步北京大学的数据集也替我们做了，连处理都不用了，我们可以看一下labels文件夹，内容如下：

这一个一个的txt文件就是我们训练需要的标签文件，我们可以随便打开一个，内容如下：

一共是三行五列数据，开头的0表示缺陷的类型（这里的0~5表示5种缺陷类型），后面的四列表示的是图像的一些其他的信息。三行表示这张图片总共有三个缺陷的地方。

划分训练集

上一步中，我们已经有了初步的数据集，下一步我们要将数据集处理成yolo可以处理的形式，什么意思呢，就是只要我们将yolo模型中的数据集位置改成自己的，就可以直接训练。yolo的数据集如下图所示：

先建立一个主文件夹datasets

然后在里面建立两个文件夹，一个labels，一个images

images里面建立两个文件夹 train和val