改进YOLOv5的轻量级PCB缺陷检测算法

针对目前印刷电路板(PCB)工业缺陷检测方法存在准确率低和模型较大的问题,提出了一种基于YOLOv5改进的PCB——YOLOv5-L。该方法采用轻量化网络GhostNet作为模型的特征提取网络,解决YOLOv5模型参数过多从而难以部署在工业缺陷检测设备的问题。通过改进Neck结构,融合深层语义信息与浅层的细粒度信息,提高模型对PCB这种小目标缺陷的检测效果。在YOLOv5-L主干网络输出端引入一种混合注意力机制H_ECA,帮助模型抵抗混淆信息的影响,并专注于有用的缺陷信息。将Transformer应用于预测头部,提高模型捕获不同局部信息的能力。利用北京大学实验室公开发布的PCB缺陷数据集进行实验,实验结果表明,该方法相较于YOLOv5,在IoU设置为0.5时mAP提升了0.6%,速度提升了7.5帧/秒,模型大小为34 MB,约为YOLOv5的1/5。