基于改进YOLOv5算法的PCB裸板缺陷检测

作     者：许思昂 李艺杰 梁桥康 杨彬 XU Si-ang;LI Yi-jie;LIANG Qiao-kang;YANG Bin

作者机构：湖南大学电气与信息工程学院长沙410082 电子制造业智能机器人技术湖南省重点实验室长沙410082 机器人视觉感知与控制技术国家工程实验室长沙410082 

出 版 物：《包装工程》 (Packaging Engineering)

年 卷 期：2022年第43卷第15期

页      面：33-41页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：PCB裸板 YOLOv5 缺陷检测 深度学习 目标检测 

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。