基于增强小目标特征提取的PCB板缺陷检测模型

针对印制电路板(PCB)表面缺陷所具有的分辨率低、小目标性以及多样性等问题,提出基于YOLOv5的增强小目标特征提取的PCB板缺陷检测模型——SPDYOLOv5模型。在主干网络引入SPDConv,提高主干网络对各尺度特征的提取能力。在主干网络最深层加入CA注意力,加强深层信息的传递能力。提出T3Head特征融合结构,在上下采样阶段融入CBAM注意力机制,加强各尺度间的信息传递能力;借助转置卷积和空间深度卷积,优化特征融合结构对小目标特征的表达能力。在训练过程中,迁移VOC预训练权重加速收敛。采用EIOU-NMS进行后处理,改善模型检测效果。实验结果表明:文中模型在北京大学开源PCB板缺陷数据集上mAP0.5可达92.4%,性能优于其他检测方法。