基于深度学习的PCB缺陷检测

针对当前印刷电路板(PCB)缺陷检测存在的检测精度低、速度慢等问题,设计一种基于改进YOLOv7的WiseYOLOv7算法。首先,在原有self-attention的基础上加入焦点调制网络,将不同粒度级别的空间特征汇总为调制器,以自适应的方式注入查询操作中,省去大量交互和聚合操作,从而使得模型轻量化;其次,利用RCSOSA模块减少特征图的通道数量,同时增强相邻层特征不同通道间的信息交流,提高模型对PCB小目标缺陷的特征提取能力和数据处理效率;最后,选用动态非单调焦点机制的Wise-IoU损失函数来加强对高质量锚盒的选取,优化目标检测器的性能。与YOLOv7基础算法相比,改进算法将平均精度由92.0%提高至96.1%,提高了4.1%,检测时间由21.9 ms缩短到17.9 ms,改进算法在精度和速度上都有明显提升。

资料为PDF文档格式.

本文档关键词:缺陷,深度,学习,PCB