融合部分卷积和无参数注意力机制的轻量级印刷电路板缺陷检测算法

来源：计算机集成制造系统杂志2025年第10期北京时间：

作者：朱瑞, 齐元胜, 张勇斌

单位：1.北京印刷学院机电工程学院2.北京印刷学院印刷与包装工程学院

摘要：针对现有印刷电路板(PCB)缺陷检测方法存在准确率低和算法参数模量过多的问题,提出一种融合部分卷积和无参数注意力机制的轻量级PCB缺陷检测算法YOLO-P。新算法使用了以部分卷积(PConv)为结构核心的改进FasterNet网络作为模型的主干网络,降低算法模型的参数量并减少计算冗余,同时将颈部网络中的普通卷积层更换为部分卷积,进一步降低模型复杂度,提高检测效率;其次,在主干网络添加了无参数注意力机制(SimAM),在不增加模型复杂度的同时加强了新算法对图像无关背景信息的抑制,提升对小目标特征的提取能力;最后,通过引入复合型损失函数ECIOU来提升模型收敛速度,从而提升回归精度。实验结果证明,改进后的YOLO-P算法检测精度达到了98.8%,比YOLOv5算法提升了5.0%的,参数模量也减少了26.13%,训练后权重文件大小仅为10.1MB,更加适合部署在嵌入式系统、移动设备等计算资源受限和边缘计算的场景。

关键词：印刷电路板,缺陷检测,YOLOv5算法,部分卷积,注意力机制

基金资助：国家重点研发计划资助项目(2019YFB1707202);国家自然科学基金资助项目(62275025)。