基于改进YOLOv8s的PCB表面缺陷检测方法

摘要

在印刷电路板(printed circuit board, PCB)生产过程中，缺陷检测是质量把控的关键。为了进一步优化PCB微小缺陷目标的检测效率，提出一种基于改进YOLOv8s的PCB表面缺陷检测方法。首先，以SPDConv替换骨干网络传统卷积层，增强微小缺陷特征提取能力；其次，在原模型的颈部网络中嵌入高效多尺度注意力(efficient multi-scale attention, EMA)机制，通过动态调整通道与空间维度权重聚焦缺陷区域特征，抑制背景噪声，同时设计了精简检测头架构，移除大目标检测分支，结合缺陷尺寸统计生成特定框以提升小目标匹配效率；最后，采用瓦瑟斯坦距离(normalized Wasserstein distance, NWD)损失函数优化定位，强化对缺陷边界的敏感度。采用公开PCB缺陷数据集进行实验，结果表明：改进模型的mAP@0.5达97.7%,较原YOLOv8s提升3.1%,推理速度达42 FPS。与主流算法相比，在检测精度、实时性等方面优势显著，进一步验证了该方法在工业实时检测场景中的优越性。

关键词

PCB缺陷检测 / 改进YOLOv8s / SPDConv / EMA / NWD损失函数

基金资助

辽宁省教育厅项目(LJKMZ20220582); 辽宁省教育教学改革研究项目(LZJG2023177); 沈阳市科技局项目(纵20250169)