基于改进YOLOv5算法的PCB裸板缺陷检测

摘要：

目的 将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率.方法 通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率.结果 改进后的网络的平均精度由91.54％提高至97.36％,提高了5.82％,并且对于各类缺陷,算法的检测精度都能保持在90％以上,满足工业的需求.结论 文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势.

关键词：PCB裸板、YOLOv5、缺陷检测、深度学习、目标检测

所属期刊栏目：43

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：33-41