基于Ghost-YOLOv5的PCB缺陷检测

摘要

针对现有PCB缺陷检测方法存在误检、漏检严重,模型参数量过大的问题,提出一种基于改进YOLOv5的PCB缺陷检测算法。首先使用轻量级网络GhostNet作为YOOv5的主干网络,解决YOOv5参数量过大的问题;其次设计了轻量加权双向特征金字塔网络(Light-BiFPN),对网络提取的深层特征与浅层特征进行有效融合;最后采用K-means++对PCB数据集聚类,解决初始先验框不适合的问题。实验结果显示:Ghost-YOLOv5与原算法相比mAP提升3%,达到98.9%,模型参数量减少47.91%,相比原算法具有一定优势。

关键词

PCB缺陷检测 / YOLOv5 / 目标检测 / 深度学习