基于CRS-YOLO算法的高密度柔性封装基板缺陷检测方法

针对柔性封装基板表面缺陷尺寸微小、特征不明显,现有检测方案实时性较差的问题,提出了一种基于柔性封装基板目标检测的CRS-YOLO算法。在单阶段网络模型YOLOv5基础上首先在Backbone添加CA注意力机制模块,强化特征提取能力;其次,将原有的SPP池化金字塔替换为性能更佳的Basic RFB池化金字塔,扩大感受野,减少模型漏检率;最后采用SIoU损失函数替换原本的CIoU损失函数,加快训练模型收敛,提高模型的检测能力。实验结果表明,在柔性封装基板缺陷数据集的验证下,CRS-YOLO算法与原网络模型相比,mAP提高了9%,检测速度大幅提升,FPS达到48,满足了柔性封装基板表面缺陷检测的准确性和实时性。