基于改进U-Net网络的PCB缺陷检测方法

摘要

针对PCB表面小尺寸缺陷难以检测的问题，提出了一种改进的U-Net语义分割网络，实现PCB表面缺陷图像的精确检测。首先，将U-Net的四层网络层次修改为三层，可以减少整体的计算工作量、提升网络模型收敛速度、缩短训练时间；其次，在U-Net网络中融入CBAM(Convolutional Block Attention Module)模块来提升图像中缺陷目标的显著度；然后，在编码阶段使用混合空洞卷积替换原有卷积块，增大感受野，获取更多的上下文信息。结果表明，U-Net的改进模型能够在提升模型性能的同时减少计算复杂度，能够增加PCB缺陷检测效率。

关键词

缺陷检测 / U-Net / 空洞卷积 / 注意力机制 / 语义分割网络 / 轻量型网络 / 深度学习 / 小目标检测

基金资助

广东省教育厅2023年度普通高校重点领域项目(2023ZDZX1087); 东莞科技特派员项目(20221800500812); 东莞职业技术学院国家双高计划电子信息工程技术专业群专项政校行企项目(ZXD202302)