Altium Designer 19应用笔记常用的一些功能

1.PCB回到原点

VF

2.查看PCB所有网络

又下角 Panls→PCB

3.PCB制造geber 输出

Altium Designer19 生成Gerber文件方法_ad19导出gerber的方法-CSDN博客

4.PCB开窗

  • 开窗:T+V+B
  • 更新选中的铜铺铜:T-G-R
  • 全部铜重铺: TGA

AD19 基础应用技巧(开槽,快捷键T+V+B)_ad开槽-CSDN博客

5.敷铜如何设置优先级

  • 选择铜皮,右键选择多边形操作,选择Bring to front就是置于顶层(高优先级),选择Send to back就是置于底层(低优先级)。
  • AD敷铜分先后,后敷的会避让先敷的,查看优先级方式如下:
  • 选择工具——多边形填充——多边形管理器
  • AD使用技巧2_ad铺铜优先级-CSDN博客

6.调整PCB最小步进

ctrl + g

7.多边形铺铜

TVG

8.板层管理

设计→层叠管理器 DK

9.窗口恢复默认

10.怎么看PCB的所有网络

11.铺铜顺序调整

右键→铺铜操作→铺铜管理器

13.没有KEPUOT 层如何设置,铺铜与机械1层的距离

AD19铺铜与边框距离设置

https://wenku.baidu.com/view/c740a29ac47da26925c52cc58bd63186bceb92fc.html?wkts=1705479395085&bdQuery=ad19+%E9%93%BA%E9%93%9C%E8%BE%B9%E6%B2%BF%E8%B7%9D%E7%A6%BB%E8%AE%BE%E7%BD%AE

14.设置铺铜与螺丝孔之间的间距

  • A.设计→类 (DC)→新建pad classes 为HOLD 并且把螺丝孔新建到HOLD类里面
  • B.设计→规则(DR) 新建一个规则

15.PCB 布线的时候隐藏网络

  • 隐藏网络:VC
  • 全部隐藏:V C H
  • 全部显示:VCS

16. AD19 器件不导出BOM设置

单个改可以参考下面这个操作。如果要批量的话只能去库里面改器件属性

17. AD 19原理图里面放图片

放置→绘图工具→图像

如下:

19 .修改 3D 视图下板子的颜色

  • 2D或3D模式下,依次单击“视图--工具栏--PCB标准”,
  • 完成上步后,工具栏位置会出现如图所示的下拉选相;
  • 按自己的要求,可切换,2D,3D视角,3D黑,深绿,浅绿,蓝色等视角

20.过孔盖油

21.导出 FPGA管脚的方式 pin_match

选中器件→右键→管脚映射→导出

22.清除测量记录留下的信息

Shift+C

23.PCB放尺寸

放线性尺寸:PDL

换方向: 点一下过后再按空格,双击尺寸可以编译尺寸的属性

24.Altium Designer 19导出3DPDF的方法

  • 直接按3,切换到3D视图

  • 文件→导出→PDF3D→选保存路径

  • 配置参数,配置好后点Export 就生成了PDF3D

  • 只能用只能用Acrobat Reader DC 打开,选择信任此文档。其他PDF查看器打开显示不正常

  • 14
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值