一种基于深度学习的光通信器件贴片元件快速定位方法及系统

本发明属于计算机视觉与自动化检测技术领域，公开了一种基于深度学习的光通信器件贴片元件快速定位方法，本发明采用改进的CSPDarknet‑53作为特征提取骨干网络。该网络结构在保持较高检测精度的同时，通过提出的动态局部卷积替换普通卷积，相比传统特征提取骨干网络，该特征提取骨干网络在减少模型参数量的情况下仍然维持较高的特征提取能力，特别适合光通信器件生产线上的实时检测需求。损失函数用到了类方形角度敏感的损失函数，通过加入类方形目标的角度惩罚项，有效解决了概率IOU旋转框损失对类方形目标角度预测回归不稳定的问题，使得光通信器件的类方形贴片元件如光敏等角度预测能力显著提升。