基于改进的YOLOv8的PCB瑕疵检测

摘要

由于印刷电路板（PCB）集成度高且线路复杂以及参数量日益增加，其存在的瑕疵直接影响PCB的生产效率，利用计算机视觉技术对PCB瑕疵进行检测对PCB生产具有重要意义.本文在YOLO目标检测算法基础上，提出了一种基于自注意力的PCB瑕疵检测算法.首先，在特征提取阶段引入了极化自注意力机制，对PCB特征的空间与语义特征分别进行提取，并将其与输入原始特征进行结合，增强网络特征的表征能力.然后，在解码阶段加入了一种小目标检测头，该检测头充分利用了YOLO网络Backbone模块提取的低分辨率特征，使网络关注PCB局部细节特征，提高瑕疵区域的定位精度.实验结果表明，所提方法在PCB数据集上精度可达95.5%，与原YOLOv8方法相比提高了4%,mAP0.5∶0.95指标与原YOLOv8方法相比提高了2.8%.

关键词

YOLOv8 / 小目标检测头 / 极化自注意力机制 / 瑕疵检测 / 目标检测