基于改进YOLOv8的PCB缺陷检测算法

摘要

针对目前大多数印刷电路板(printed circuit board, PCB)缺陷检测算法中准确度较低、模型较大及移动部署不便的问题，提出了一种改进的YOLOv8算法.该算法使用GhostNet和HGNetV2的结合作为网络主干，增加小目标检测层和坐标注意力机制，采用动态上采样器(DySample)替换最邻近上采样算子以提升检测精度，将选定锚框的交并比(intersection over union, IoU)改为Inner-CIoU.结果显示，相较于原始YOLOv8算法，改进后算法的检测精度提升了2.0百分点，达到97.6%,召回率提升了2.8百分点，达到94.5%,参数量减少了24.58%,模型大小仅为4.84 MB,检测速度达到216.6帧/s.检测精度的提升和模型体积的显著减小，使得改进算法能更好地满足工业场景对PCB缺陷检测的要求.

关键词

PCB缺陷检测 / 改进YOLOv8 / 坐标注意力机制 / 动态上采样 / Inner-CIoU