基于YOLO-MCE的BGA锡球表面缺陷检测方法
来源：计算机集成制造系统杂志2026年第4期北京时间：
作者：云清琳, 周永兵, 赵明亮, 罗滔, 王淑营, 张剑, 丁国富
单位：1.西南交通大学计算机与人工智能学院2.西南交通大学机械工程学院先进设计与制造技术研究所3.四川省机车车辆装备智能制造工程研究中心
摘要：针对现有方法对球栅阵列(BGA)锡球表面缺陷检测精度不足的问题,基于YOLO11提出了一种新的BGA锡球表面缺陷检测模型YOLO-MCE。首先,设计一种多尺度特征融合骨干网络MFFBN以提升模型在复杂环境中对小目标缺陷特征的识别和提取能力;其次,结合Faster Block和eSE注意力机制改进特征融合网络中的C3k2模块,从而更有效地捕获局部特征,避免相似缺陷混淆;最后,融合参数共享技术和组卷积设计一种更有效的检测头EGDH,提高局部特征优化能力,降低计算复杂度。实验结果表明YOLO-MCE的检测精度mAP50可以达到98.7%,比原始模型提高了4.3个百分点,有效提高了检测精度,为工业场景中的锡球缺陷检测提供了可靠解决方案。
关键词：球栅阵列,表面缺陷检测,YOLO11,多尺度特征融合,注意力机制
基金资助：四川省重大科技专项资助项目(2022ZDZX0002)。
