基于改进YOLOv3的印刷电路板缺陷检测算法

作者：卞佰成; 陈田^*; 吴入军; 刘军

来源：浙江大学学报(工学版), 2023, 57(04): 735-743.

• YOLOv3
• ResNeSt
• 缺陷检测
• 注意力机制
• 印刷电路板(PCB)

针对现有基于深度学习的印刷电路板(PCB)缺陷检测算法无法同时满足精度和效率要求的问题，提出基于YOLOv3改进的AT-YOLO算法来检测PCB缺陷.将主干网络替换为ResNeSt50，提高特征提取能力，减少参数量.引入SPP模块，融合不同感受野的特征，丰富了特征的表达能力.改进PANet结构替换FPN，插入SE模块提升有效特征图的表达能力，增加1组高分辨率特征图的输入输出，提升对小目标物体的敏感程度，检测尺度由3个增加到4个.使用K-means算法重新聚类生成锚框尺寸，提高了模型的目标检测精度.实验证明，AT-YOLO算法在PCB缺陷检测数据集上的精度均值AP0.5达到98.42%，参数量为3.523×107，平均检测速度为36帧/s，满足精度和效率的要求.

• 单位
  上海电机学院