基于改进YOLOv8的SOP芯片缺陷检测研究

针对SOP芯片缺陷检测中因缺陷特征相似、缺陷目标小、缺陷尺度差异大造成的检测精度低的问题,本文提出基于改进YOLOv8的缺陷检测方法。通过使用SPD-Conv模块解决卷积池化过程中的信息丢失问题,并引入SimAM注意力机制,使模型学习三维通道中的信息,提高模型对缺陷特征的感知能力;同时使用BiFPN代替原特征提取网络,使用双向传递的多尺度特征融合,使模型能更好的区分拥有相似特征和尺度差异大的缺陷;最后增加一个小目标检测头,传递更多的低阶特征信息给高维检测网络,提高对小目标缺陷的检测效果。实验数据表明,该模型相比原模型mAP@0.5提高了5.4%,mAP@0.95提高了4.3%,召回率提高了3%,和其他模型相比有着显著优势。泛化实验中改进算法的mAP@0.5相比原模型也提升了2.7%,并设计了相关系统验证了算法的有效性。