基于多通道特征融合学习的印制电路板小目标缺陷检测

摘要：

提出了一种多通道特征融合学习的印制电路板小目标缺陷检测网络YOLOPCB,首先删除YOLOv7 主干网络中最后一组MPConv层与E-ELAN层,去掉融合层的ECU模块与20×20 的预测头,使用跨通道信息连接模块串联精简后的主干和融合网络;其次设计了浅层特征融合模块与新的anchors匹配策略,增加了两个低层次、高分辨率检测头;最后将YOLOv7 主干网络中的 3 个E-ELAN作为输入,将融合层中最底部的E-ELAN和两个拼接模块作为输出,使用自适应加权跳层连接以增加同维度内信息量.在 PCB Defect 公开数据集上平均精度达到 94.9%,检测速度达到 45.6 fps;最后在企业现场制作的Self-PCB数据集中,YOLOPCB达到了最高精度 76.7%,比YOLOv7 检测精度提升了 6.8%,能有效提高印制电路板小目标缺陷检测能力.

关键词：印制电路板、小目标检测、图像特征提取、多特征融合、自适应加权融合算法

所属期刊栏目：45

分类号：TH701;TP391.4(仪器、仪表)

资助基金：江西省重大科技研发专项20232ACC01007

在线出版日期：2024-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：10-19