基于深度学习的PCB焊锡缺陷检测

作者：卢小康; 欧阳华兵^*; 陈田; 刘军

来源：无线电工程, 2023, 1-8.

• 印刷电路板
• YOLOv5s
• 缺陷检测
• 小目标检测

针对现有印刷电路板(PCB)缺陷检测算法具有体积大、精度差、漏检率高等问题，提出一种改进的YOLOv5s算法，并利用迁移学习进行优化。首先，在主干特征提取网络加入卷积块注意力模块(CBAM)并引出一个新的蕴含更多丰富细节信息的浅层特征来提高模型信息感知能力，增强网络对小目标的检测。其次，使用C3-CBAM替换加强特征提取网络的C3结构，同时为了在保障模型检测精度的同时减少模型参数量，使用深度可分离卷积替换下采样。最后，去掉用于大目标的检测头(Yolo Head)，避免数据不均衡带来的先验框分配问题。通过在自制PCB焊锡缺陷数据集上实验表明，改进后算法较原YOLOv5s算法的模型参数量减少24.8%，平均精度均值(mAP0.5)达到99.46％，较原YOLOv5s提升了5.45%，证明了改进措施的有效性。

• 出版日期2023
• 单位上海电机学院