基于YOLO-J的PCB缺陷检测算法

来源：计算机集成制造系统杂志2024年第11期北京时间：

作者：苏佳, 贾欣雨, 侯卫民

单位：河北科技大学信息科学与工程学院

摘要：针对现有PCB缺陷检测方法存在准确率低和模型参数量过多的问题,提出基于改进YOLOv4的YOLO-J的PCB缺陷检测算法。该方法使用Resnet作为模型的特征提取网络,解决YOLOv4中因CSPDarknet53参数太多从而难以部署在移动端的问题。为避免替换特征提取网络降低检测效果,通过增加注意力机制和改进PANet结构,提高模型对小目标PCB缺陷的特征提取能力。使用H-Swish激活函数作为颈部的激活函数,以达到提升检测精度和训练速度的目的。另外,通过使用二分K-means对PCB数据集聚类,解决初始锚框不适合检测PCB缺陷的问题。使用北京大学实验室公开发布的PCB缺陷数据集进行实验,结果表明,该方法相较于YOLOv4,在IoU=0.5时mAP提升了0.29%;在IoU=0.5:0.95时mAP和召回率均提升了6.7%,速度提升了2.24FPS,模型大小为132MB,约为YOLOv4的1/2。

关键词：深度学习,YOLOv4,缺陷检测,小目标检测

基金资助：装备预研重点实验室基金资助项目(6142A010301)。