基于改进YOLOv4-ti...y的印刷电路板缺陷检测研究_马进.pdf

电 子 测 量 技 术E L E C T RON I CME A S U R EME N TT E CHNO L O G Y第4 5卷 第2 3期2 0 2 2年1 2月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 0 9 9 9 1基于改进Y O L O v 4-t i n y的印刷电路板缺陷检测研究马 进 王 超(华北电力大学自动化系 保定 0 7 1 0 0 3)摘 要:印刷电路板是众多电子产品的核心和最基本的组成部分,其缺陷检测存在复杂度高和缺陷目标较小的特点,提出一种改进YO L O v 4-t i n y的印刷电路板缺陷检测方法,在满足检测速度的前提下,提高检测精度。首先,在主干网络的基础上添加空间金字塔池化模块,减少网络参数和提高网络预测速度的同时利用图像的局部和全局特征融合多重感受野;其次,在F P N部分增加卷积注意力模块,进一步增强不同阶段的特征融合效果,提升对小目标缺陷的目标检测准确度;最后,使用A d a m优化器以提升回归过程的收敛速度与准确性,同时使用余弦退火衰减和标签平滑策略优化网络损失函数,以抑制网络训练过程中的过拟合问题。通过使用改进算法在印刷电路板缺陷数据集上进行对比实验验证表明,该文算法模型大小仅为2 2.8 5 M,平均检测精度均值较原算法提升了1 3.3 8%,检测速度达到了1 4 9.0 3 F P S(o n G e F o r c e R T X 3 0 6 0),具有较好的有效性和可行性。关键词:印刷电路板;缺陷检测;小目标;卷积注意力;A d a m优化器中图分类号:T P 3 9 1 文献标识码:A 国家标准学科分类代码:5 2 0.6 0 4 0R e s e a r c h o n p r i n t e d c i r c u i t b o a r d d e f e c t d e t e c t i o n b a s e d o n i m p r o v e d Y O L O v 4-t i n y a l g o r i t h mM a J i n W a n g C h a o(D e p a r t m e n t o f A u t o m a t i o n,N o r t h C h i n a E l e c t r i c P o w e r U n i v e r s i t y,B a o d i n g 0 7 1 0 0 3,C h i n a)A b s t r a c t:P r i n t e d c i r c u i t b o a r d s a r e t h e c o r e a n d m o s t b a s i c c o m p o n e n t s o f m a n y e l e c t r o n i c p r o d u c t s,a n d t h e i r d e f e c t d e t e c t i o n h a s t h e c h a r a c t e r i s t i c s o f h i g h c o m p l e x i t y a n d s m a l l d e f e c t t a r g e t s.A n i m p r o v e d YO L O v 4-t i n y p r i n t e d c i r c u i t b o a r d d e f e c t d e t e c t i o n m e t h o d i s p r o p o s e d t o m e e t t h e d e t e c t i o n s p e e d.O n t h e p r e m i s e o f i m p r o v i n g t h e d e t e c t i o n a c c u r a c y.F i r s t,a s p a t i a l p y r a m i d p o o l i n g m o d u l e i s a d d e d t o t h e b a c k b o n e n e t w o r k t o r e d u c e n e t w o r k p a r a m e t e r s a n d i m p r o v e n e t w o r k p r e d i c t i o n s p e e d w h i l e u s i n g t h e l o c a l a n d g l o b a l f e a t u r e s o f t h e i m a g e t o f u s e m u l t i p l e r e c e p t i v e f i e l d s;s e c o n d l y,a d d a c o n v o l u t i o n a l b l o c k a t t e n t i o n m o d u l e i n t h e F P N p a r t t o f u r t h e r E n h a n c e t h e e f f e c t o f f e a t u r e f u s i o n a t d i f f e r e n t s t a g e s a n d i m p r o v e t h e a c c u r a c y o f t a r g e t d e t e c t i o n f o r s m a l l t a r g e t d e f e c t s.F i n a l l y,A d a m o p t i m i z e r i s u s e d t o i m p r o v e t h e c o n v e r g e n c e s p e e d a n d a c c u r a c y o f t h e r e g r e s s i o n p r o c e s s,a n d t h e c o s i n e a n n e a l i n g d e c a y a n d l a b e l s m o o t h i n g s t r a t e g i e s a r e u s e d t o o p t i m i z e t h e n e t w o r k l o s s f u n c t i o n.I n o r d e r t o s u p p r e s s t h e o v e r f i t t i n g p r o b l e m d u r i n g n e t w o r k t r a i n i n g.B y u s i n g t h e i m p r o v e d a l g o r i t h m t o c o n d u c t c o m p a r a t i v e e x p e r i m e n t s o n t h e p r i n t e d c i r c u i t b o a r d d e f e c t d a t a s e t,i t s h o w s t h a t t h e w e i g h t f i l e o f t h e a l g o r i t h m i n t h i s p a p e r i s o n l y 2 2.8 5 M,t h e a v e r a g e d e t e c t i o n a c c u r a c y i s i m p r o v e d b y 1 3.3 8%c o m p a r e d w i t h t h e o r i g i n a l a l g o r i t h m,a n d t h e d e t e c t i o n s p e e d r e a c h e s 1 4 9.0 3 F P S(o n G e F o r c e R T X 3 0 6 0).),w i t h b e t t e r e f f e c t i v e n e s s a n d f e a s i b i l i t y.K e y w o r d s:p r i n t e d c i r c u i t b o a r d;d e f e c t d e t e c t i o n;s m a l l o b j e c t;a t t e n t i o n m e c h a n i s m;a d a m o p t i m i z e r 收稿日期:2 0 2 2-0 5-1 80 引 言 印刷电路板是大多数电子产品最基本的一项组件,但是由于生产过程中存在处理不当或技术故障,许多印刷电路板会产生短路、漏孔、余铜、毛刺、缺口、开路等复杂多变的缺陷1。随着电子产品的普及,必须以高精度设计和制造以满足需求和要求,但是保证质量达到标准却是一项具有挑战性的工作,因此通过研究和开发新的印刷电路板缺陷检测方法来实现对印刷电路板的质量控制具有重要意义。目前,印刷电路板缺陷检测主要还是依靠人工目视主观判定法、仪器线上检测法和功能测试法等传统的方法检测2。传统的方法难以应对具有多样种类缺陷的印刷电路99 第4 5卷电 子 测 量 技 术板,而且在传统的检测流程之后必然会涉及大量人力进行质量检测,需要依赖训练有素的技术人员,并且准确性不一致导致消耗更多时间,检测效率和检测速度低下,从而延迟生产。与传统方法相比,随着图像识别和目标检测的蓬勃发展,使用深度学习的图像检测技术在印刷电路板缺陷检测中可以达到更高的效率和更好的准确度3-4。近年来提出了很多使用深度卷积神经网络去检测印刷电路板缺陷的方法5-7,其中较为成熟的算法可以分为两大类:一类是以F a s t e r R C NN为 代 表 的 两 阶 段 检 测 算 法8,例 如:C h e n等9通过在F a s t e r R C NN网络中引入多注意力机制实现了在噪声干扰下的印刷电路板缺陷检测。另一类是以S S D和YO L O为代表的单阶段检测算法1 0-1 1,例如:李闻等1 2提出了一种改进YO L O-v 3算法的缺陷检测网络,通过增加S E B l o c k模块实现不同的特征通道重要程度不同,从而提高了印刷电路板缺陷检测的性能;李澄非等1 3提出了一种在YO L O-v 4基础上改进的缺陷检测算法,通过进一步提升网络的特征提取能力,实现了对印刷电路板的缺陷检测。但是这些网络不断变得更加复杂,权重参数和计算成本越来越高。这不仅使得在现实生活中将这些模型部署到工业检测的设备上变得越来越困难,而且随着网络的加深导致更加关注高层语义信息,忽视了细节信息的重要性,但是对于缺陷检测来说细节是很重要的信息。因此,研究一种在不影响缺陷检测质量情况下更加高效快速的缺陷检测模型至关重要。针对这些问题该文提出了一种基于改进YO L O v 4-t i n y的缺陷检测模型,它在保持检测速度的同时平均精确度明显提升,并减少了参数数量和计算成本。该文所提出的算法在印刷电路板缺陷数据集评估的平均精确度达到了9 7.5 3%,与YO L O v 4相比模型大小减少了2 2 1.6 4M,检测速度提升了1 0 8.7 4 F P S,而平均精确度仅降低了0.1 2%。1 基于Y O L O v 4-t i n y算法的检测模型 Y O L O v 4是一个一阶段的目标检测算法,在Y O L O v 3的基础上增加了很多提升模型性能的方法,为Y O L O v 3的改进版本1 4。而Y O L O v 4-t i n y是Y O L O v 4的简化版,是一种适用于嵌入式平台的轻量级实时检测算法,分为特征提取、特征融合和检测头三个部分,网