基于增强小目标特征提取的PCB板缺陷检测模型

作者：季堂煜; 赵倩^*; 余文涛; 梁爽; 赵琰

来源：仪表技术与传感器, 2023, (04): 87-92.

• 深度学习
• PCB表面缺陷检测
• YOLOv5
• 小目标检测
• 迁移学习
• EIOU-NMS

针对印制电路板(PCB)表面缺陷所具有的分辨率低、小目标性以及多样性等问题，提出基于YOLOv5的增强小目标特征提取的PCB板缺陷检测模型——SPDYOLOv5模型。在主干网络引入SPDConv,提高主干网络对各尺度特征的提取能力。在主干网络最深层加入CA注意力，加强深层信息的传递能力。提出T3Head特征融合结构，在上下采样阶段融入CBAM注意力机制，加强各尺度间的信息传递能力；借助转置卷积和空间深度卷积，优化特征融合结构对小目标特征的表达能力。在训练过程中，迁移VOC预训练权重加速收敛。采用EIOU-NMS进行后处理，改善模型检测效果。实验结果表明：文中模型在北京大学开源PCB板缺陷数据集上mAP0.5可达92.4%,性能优于其他检测方法。

• 单位
  上海电力大学