融合浅层特征和注意力机制的PCB缺陷检测方法

来源：计算机集成制造系统杂志2024年第3期北京时间：

作者：廖鑫婷, 张洁, 吕盛坪

单位：1.东华大学人工智能研究院2.东华大学机械工程学院3.华南农业大学工程学院

摘要：缺陷检测是印制电路板(PCB)生产过程中质量控制的重要环节。由于PCB表面缺陷尺寸微小,导线布局复杂多样,现有的检测算法难以充分利用微小缺陷的特征信息,其检测准确率难以满足生产需求。为解决上述问题,提出针对PCB微小缺陷检测的YOLOv5-TDD算法。该算法在YOLOv5基础上,首先在颈部网络中增加浅层特征融合分支,提升微小缺陷特征信息流通效率;其次引入SE-SiLU注意力机制模块,以对特征信息分配权重的方式,提高网络对浅层特征的微小缺陷信息关注度。实验结果表明,YOLOv5-TDD在PCB_DATASET缺陷数据集测试中,其检测精度mAP为99.12%,相较于YOLOv5提高了3.54%,检测精度优于其他算法。

关键词：印制电路板,微小缺陷,YOLOv5,注意力机制,特征融合

基金资助：国家自然科学基金面上资助项目(52375485);上海市自然科学基金资助项目(22ZR1403000);广东省自然科学基金资助项目(2021A1515012395)。