文档名：基于改进YOLOv8n的PCB缺陷检测算法
摘要：针对现有的印刷电路板(PCB)缺陷检测方法计算量大、小目标缺陷易漏检、检测速度较慢等问题,提出YOLOv8n-4SCDP缺陷检测算法.首先,在YOLOv8n颈部网络增加上采样,融合Backbone中浅层语义信息,同时增加微小目标检测层降低PCB小目标缺陷漏检率;其次,在Backbone中融入坐标注意力(CA)机制,强化特征语义和位置信息,提高了模型特征融合能力;另外,设计密集连接机构,提高模型的缺陷特征利用率,采用PConv对模型进行压缩,既保证了模型的准确性,又大大减小了模型的尺寸;最后,针对难易样本不平衡的问题,采用线性区间映射法重新定义回归损失函数(Focaler-SIoU),提高模型收敛速度和回归精度.实验结果表明,YOLOv8n-4SCDP算法的整体缺陷的平均精度均值(mAP)达到95.8%,检测帧率达到了65fps.有效改善YOLOv8n对于PCB小目标缺陷漏检率高、检测精度低等问题.
Abstract：Inresponsetotheissuesoflargecomputationalload,easyomissionofsmalltargetdefects,andslowdetectionspeedinexistingPCBdefectdetectionmethods,thispaperproposestheYOLOv8n-4SCDPdefectdetectionalgorithm.Firstly,upsamplingisaddedtothenecknetworkofYOLOv8n,integratingshallowsemanticinformationintheBackbone,andasmalltargetdetectionheadisaddedtoreducetheomissionrateofsmalltargetdefectsinPCBs.Secondly,theCAattentionmechanismisintegratedintotheBackbonetoenhancethesemanticandpositionalinformationoffeatures,therebyimprovingthefeaturefusioncapabilityofthemodel.Thirdly,adenseconnectionmechanismwasdesignedtoenhancetheutilizationofdefectfeaturesinthemodel.Additionally,PConvwasemployedtocompressthemodel,ensuringbothaccuracyandsignificantlyreducingthemodel'ssize.Finally,toaddresstheissueofimbalanceddifficultandeasysamples,weemployalinearintervalmappingmethodtoredefinetheFocaler-SIoUregressionlossfunction.Thisapproachenhancesbothmodelconvergencespeedandregressionaccuracy.TheexperimentalresultsindicatethattheYOLOv8n-4SCDPalgorithmachievesanaccuracyof95.8%andaframerateof65fps.ThiseffectivelyaddressesYOLOv8n'sissuesrelatedtohighdefectomissionratesandlowdetectionaccuracyforsmallPCBtargets.
作者：姜源 付波 权轶 李昊Author：JiangYuan FuBo QuanYi LiHao
作者单位：湖北工业大学电气与电子工程学院武汉430068
刊名：国外电子测量技术 ISTIC
Journal：ForeignElectronicMeasurementTechnology
年，卷(期)：2024, 43(6)
分类号：TP391.4
关键词：YOLOv8n PCB缺陷 小目标缺陷检测 密集连接 注意力机制
Keywords：YOLOv8n PCBdefection smalltargetdefectdetection denseconnection attentionmechanism
机标分类号：TP391.41TN41TP274.5
在线出版日期：2024年7月12日
基金项目：湖北省重点研发计划项目基于改进YOLOv8n的PCB缺陷检测算法[
期刊论文] 国外电子测量技术--2024, 43(6)姜源 付波 权轶 李昊针对现有的印刷电路板(PCB)缺陷检测方法计算量大、小目标缺陷易漏检、检测速度较慢等问题,提出YOLOv8n-4SCDP缺陷检测算法.首先,在YOLOv8n颈部网络增加上采样,融合Backbone中浅层语义信息,同时增加微小目标检测层降低PCB...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLOv8n的PCB缺陷检测算法 PCB defect detection algorithm based on improved YOLOv8n
基于改进YOLOv8n的PCB缺陷检测算法.pdf
- 文件大小:
- 10.77 MB
- 下载次数:
- 60
-
高速下载
|
|
