基于改进YOLOv5的PCB元器件分类检测算法

Printed Circuit Board Component Classification Detection Algorithm Based on Improved YOLOv5

随着电子技术的发展,产生了大量的电子固体废弃物。为解决电路板上电子元器件的自动拆卸回收问题,本文提出了一种基于YOLOv5的分类检测算法。自制了一个废弃PCB元器件的数据集,用于训练分类模型;将原有网络结构中的主干(Backbone)替换为轻量级移动端架构MobileNetV2网络,提升对于移动端模型的检测性能;同时将MobileNetV2网络中的静态卷积替换为全维动态卷积(ODConv),增强对小目标的检测能力;在特征提取网络中引入BiFormer双层路由注意力机制模块,以有效抑制噪声信息的干扰,进一步提高对小目标的检测精度。在我们的数据集上测试改进后的算法,实验结果显示,在YOLOv5s算法上保持计算参数量少量增加的同时,整体平均精度提升了3.1%。改进后的算法在PCB元器件分类定位中具有较高的识别精确率,同时整体参数量增加较小,为在移动端使用提供了可能。