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