YOLOv11-MAS：一种高效的PCB缺陷检测算法

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：殷旭鹏, 赵兴强

单位：1.南京信息工程大学 自动化学院，南京 210044；2.南京信息工程大学 江苏省大数据分析技术重点实验室，南京 210044

摘要：随着电子设备对印刷电路板（printed circuit board，PCB）的要求越来越高，在PCB加工过程中的缺陷检测工作也愈发重要，但由于缺陷特征目标小、类别复杂且难以区分，传统检测方法在精度和鲁棒性方面存在局限。为此，对最新的YOLOv11版本改进，形成了PCB缺陷检测模型——YOLOv11-MAS。在骨干网络部分设计并嵌入中值增强空间通道注意力模块（median-enhanced channel and spatial attention block，MECS），以中值增强与深度卷积的方式扩大感受野，提高对PCB电路板特殊缺陷的识别能力。在颈部网络部分，采用自适应分层特征融合网络（adaptive hierarchical feature integration network，AHFIN），通过自适应加权融合多尺度特征，以增强对主干网络信息的利用，使模型能够精准关注关键缺陷区域。此外，将YOLOv11的损失函数替换为滑动对齐损失函数（slide alignment loss，SAL），通过优化边界框的界定，提高对复杂缺陷类型的检测能力。实验结果表明，YOLOv11-MAS模型在PCB缺陷数据集中的多个指标均表现优异，mAP值达到93.1%，较YOLOv11提升了7.8个百分点，同时在NVIDIA Jetson Xavier嵌入式设备上的检测帧率达49.6帧/s，能满足工业实时检测需求。

关键词：缺陷检测,小目标检测,YOLOv11,注意力机制,损失函数