基于改进YOLOv8s的PCB小目标缺陷检测模型

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：王健, 肖迪, 冯李航, 沈成

单位：南京工业大学 电气工程与控制科学学院，南京 211816

摘要：针对目前PCB缺陷检测中面临缺陷的形态复杂、目标小，难以对其进行精确的捕捉，导致识别检出率、准确率低等问题，提出了基于改进YOLOv8s的PCB小目标缺陷检测算法优化。提出增设小目标检测层，同时添加小物体检测头提高在小目标情况下的检测效果；在骨干网络中引入可选择空洞卷积（S-Conv）与CAFM（context-aware feature modulation）卷积和注意力融合模块，扩大感受野，在提升特征表示能力的同时增强对各尺度特征进行融合；使用可变形卷积和空间信息增强模块设计更加灵活和有效的空间金字塔池化层，提高模型对目标特征的表征能力和检测精度；融合信息聚集-分发机制对颈部结构进行改进。改进损失函数，以VFWD-CIoU代替原损失函数，提升密集小目标检测。改进后的模型算法在四张拼凑的PCB小目标数据集上进行相关对比实验。结果表明，改进后算法模型的平均精度（mAP）为99.1%。相比于Faster R-CNN、YOLOv5、YOLOv7等网络模型，检测精度得到很大的提升，表明该算法可以运用于实际生产环境中的PCB小目标缺陷检测。

关键词：PCB,小目标缺陷检测,YOLOv8s,特征融合,注意力机制,损失函数