基于CT-YOLOv5的PCB缺陷检测方法_徐丽丽.pdf

第 卷 第期佳 木 斯 大 学 学 报（自 然 科 学 版）年 月 （）文章编号：（）基于 的 缺陷检测方法徐丽丽（重庆师范大学计算机与信息科学学院，重庆 ）摘要：针对印刷电路板（，）缺陷种类多、尺寸小、难以检测的问题，在 的基础上提出一种新的 缺陷检测方法，重新设计加强特征网路，加强特征信息融合；引入注意力机制，使模型可以选择性过滤冗余信息、充分利用重要特征，提高模型对小尺寸缺陷的检测能力；引入 结构，增强模型捕捉全局信息的能力，提高模型的准确率，最后得到新的模型记为 。经试验发现，改进后的模型准确率可达 ，提高了模型的准确率，可满足 缺陷检测要求。关键词：；缺陷检测；深度学习；目标检测中图分类号：文献标识码：引言印刷电路板是电子行业发展的基础，其缺陷检测技术一直备受关注。何瑞英通过滤波器增强存在光照不均蜕化情况的 图像，提出 阈值分割算法，有效提高图像分割的准确度。郭峰林等提出了基于样本边缘点对准强度评价函数，证明了对准强度评价模型能准确地描述待测 图像与样本图像间的对准程度。许多学者利用支持向量机进行 缺陷检测，取得了一定的成果，但是该方法需要人为构造特征，需要大量的先验知识。近年来，深度学习中的目标检测技术在 缺陷检测领域得到了很好的应用，穆莉莉等利用改进后的 目标检测算法检测 缺陷，使检测精度达到 。文献 利 用 目 标 检 测 算 法 中 的 ，算法进行 缺陷检测，得到了较高的准确率。考虑到 缺陷具有目标尺寸小、种类多样、检 测 难 度 大 的 特 点，提 出 一 种 改 进 的 目标检测算法。目标检测算法 是目前 系列中最新的算法，该算法主要由输入部分、特征提取部分、特征融合部分和检测头网络四部分组成，其中，输入部分用于接收输入数据并对输入数据进行 数据增强；特征提取部分利用主干特征提取网络对数据进行特征提取，并输出有效特征层；特征融合部分对特征提取部分输出的有效特征层进行融合，使特征层包含更丰富的特征信息。检测头网络对特征融合后的有效特征层进行目标检测并框选出目标。在 数据集的检测中表现优越，研究所用的 故障数据与 数据集不同，其特点是尺寸小，各种故障相似度高，难以区分。因此，在 的基础提出一种新的 缺陷检测模型 。缺陷检测模型 注意力机制注意力机制是深度学习领域的重要创新，有效地增强对重要信息的利用，抑制无用信息产生的消极影响。注意力机制形式多样，主要有通道注意力机制（图）和空间注意力机制（图），通道注意力机制可以突出特征图通道间的相互依赖性，给每个通道赋予权重，突出各个通道的重要性。空间注意力机制是在通道中进行最大池化和平均池化，在空间层面赋予权重。注意力机制将通道注意力和空间注意力进行了融合，可以同时在通道层面和空间层面对重要信息进行捕捉。将注意力机收稿日期：基金项目：重庆市自然科学基金项目（）；重庆市教委科学技术研究项目资助（）。作者简介：徐丽丽（），女，硕士，研究方向：计算机信息技术、图像处理、机器视觉。第期徐丽丽：基于 的 缺陷检测方法制引入特征融合部分，实现模型在进行特征融合时将注意力集中于重要特征，降低无用信息的权重，充分利用特征信息，提高网络性能。通道注意力空间注意力 注意力机制图注意力机制图 结构图 结构图 编码器设计特征融合部分原 采用 的结构，该结构仅对有效特征层进行简单的特征融合，没有充分利用特征信息。模型借鉴 的思想，重新设计特征融合部分，如图，使网络特征信息进一步融合，同时引入 注意力机制，进一步增强特征融合的能力。引入 编码器图中 表示 的编码器，该结构如图所示，该结构的输入首先经过多头注意力部分（）进行信息的提取，然后相加并进行归一化操作，再输入到前馈式神经网络中，进一步提高非线性表达的能力。每个部分使用残差连接，多头注意力和前馈式神经网络的结合可以更好的捕捉全局信息及逻辑关系删除 结构 结构采用多个池化窗口，对输入的特征图进行池化，然后将各个池化的结构进行连接，可将佳 木 斯 大 学 学 报（自 然 科 学 版）年任意尺寸的输入转换成固定尺寸的输出，提高了尺度不变性，在一定程度上提高模型的准确率，但是多个池化窗口会在一定程度上增大模型的感受野，对于小目标的缺陷检测，过大的感受野会影响检测效果，提高漏检的概率，因此将删除原网络中的 结构删除，来提高模型对小目标检测的性能。实验验证及分析实验验证实验模型训练环境：操作系统，为 ，为 ，利用 深度学习框架搭建模型。采用 张 故障图像作为数据集，包括开路、漏焊、短路、毛刺、缺口等故障。模型训练时设置迭代次数为 ，为，初始学习率为，采用余弦退火方式动态调整学习率，采用 优化方法，动量因子为，权重衰减系数为 。训练完成后模型的损失函数值为，模型精确率为。训练完成后，随机选取 张故障图像进行测试，测试结果如图，可以看出改进后的 可以准确的识别和定位微小的 缺陷，具有良好的性能。图 模型测试结果模型对比分析为突出 算法性能的优越性，将所提 算 法 与 ，模型在在相同的条件下进行训练，测试后的精度如表。表多模型测试结果模型（）毛刺缺口断路短路余铜鼠咬（）可以看出 算法测试精度最高，比 ，分别高出，而且各类故障的 值分布均匀，说明 模型对各类故障都有较强的识别能力，充分显示了所提算法性能的优越性。结语提出一种改进后的 模型进行 缺陷检测，在 的基础上重新设计特征融合网络，引入 注意力机制充分利用有用的特征信息，应用 编码器增强对全局信息第期徐丽丽：基于 的 缺陷检测方法的捕捉，使改进后的模型准确率达到 ，提高了模型的准确率。主要创新如下：（）重新设计特征融合部分，使特征层信息更加充分的融合；（）引入 注意力机制，使网络更加充分有效信息，抑制冗余信息表达；（）在特征融合部分引入 编码器，增强对全局信息的捕捉；（）删除主干特征提取网络中的 结构，减小感受野。参考文献：何瑞英 的图像光照不均蜕化的校正及阈值分割研究舰船科学技术，（）：郭峰林，管庶安，孔岩 基于 的印刷电路图像对准算法研究中国工程科学，（）：，：，：乔闹生，张奋一种印刷电路板缺陷图像边缘信息提取方法 计算机工程与应用，（）：惠鹏飞，苗凤娟，陶佰睿，等一种适用于 检测的彩色图像分割算法 电子技术应用，（）：穆莉莉，伍习东，丰韦基于深度学习的 缺陷检测方法研究佳木斯大学学报（自然科学版），（）：伍济钢，成远，邵俊，等基于改进 算法的 缺陷检测研究 仪器仪表学报，（）：李闻，李小春，闫昊雷基于改进 的 缺陷检测电光与控制，（）：，（）：林璐颖，吴慧君，杨文元融合双神经网络的 缺陷检测方法 哈尔滨商业大学学报（自然科学版），（）：李澄非，蔡嘉伦，邱世汉，等 基于改进 算法的 缺陷检测 电子测量技术，（）：（，）：（），（），：；（上接页），（，）：，：；