融合浅层特征和注意力机制的PCB缺陷检测方法

作     者：廖鑫婷 张洁 吕盛坪 LIAO Xinting;ZHANG Jie;LYU Shengping

作者机构：东华大学人工智能研究院上海201620 东华大学机械工程学院上海201620 华南农业大学工程学院广东广州510642 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2024年第30卷第3期

页      面：1092-1104页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：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) 

主　　题：印制电路板 微小缺陷 YOLOv5 注意力机制 特征融合 

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。