计算机工程与科学

作者：梁泰然, 蒋诗新, 李泉洲, 欧阳斌, 吕盛坪

单位：1.华南农业大学工程学院,广东 广州 510642；2.中国赛宝实验室（工业和信息化部电子第五研究所）,广东 广州 511370；3.工业装备质量大数据工业和信息化部重点实验室,广东 广州 511370

关键词：印制电路板,表面缺陷检测,YOLOv5s-P6SE,SE注意力模块,柔性非极大抑制,

基金：广东省自然科学基金（2021A1515012395)

针对PCB生产中表面缺陷检测的需求,结合车间实际制定一个包含11种类别的缺陷分类标准,采集真实PCB表面缺陷图像，最终构建一个包含3 239幅图像4 672个缺陷目标的数据集Dataset_PCBSD。基于YOLOv5s改进得到一种新的PCB表面缺陷检测模型YOLOv5s-P6SE。为提高检测精度,在YOLOv5s中增加用于检测特大目标的P6检测层,引入了SE注意力模块和柔性非极大抑制后处理。实验结果显示,相较于基准模型YOLOv5s,YOLOv5s-P6SE在均值平均精度上提升了5.5%。同时,YOLOv5s-P6SE在mAP和模型大小上均优于Faster R-CNN、SSD、PCB缺陷检测模型YOLOv4-MN3以及DETR模型RT-DETR-L,且在平衡mAP和模型大小方面优于YOLOv8s。

来源：2025年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第2期