.png){kind=icon}
返回
A Lightweight Model for PCB Surface Defect Detection
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15163500.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统用于印刷电路板（PCB）表面缺陷检测的深度学习模型虽能实现高精度，但计算成本高昂，难以在工业环境中部署于资源受限的边缘设备。本研究旨在开发一种兼顾轻量化设计和高检测性能的模型。我们基于YOLOv10n提出了一种改进的目标检测模型。为降低计算负载和参数数量，将Ghost Convolution模块集成到骨干网络和颈部网络中，以替代标准卷积。此外，我们提出了SimAM-m，作为Simple参数免费注意力模块（SimAM）的算法扩展，在检测头之前引入该模块，以增强空间和通道判别特征，同时抑制背景噪声，且不引入额外可学习参数。该模型在两个PCB检测任务上进行了评估：元件错位检测和焊点缺陷分类。所提YOLOv10n-GS-m模型将参数从2.3M减少至2.2M，GFLOPs从6.7降低至6.3。对于元件错位，其mAP@0.5:0.95达到75.2%，未出现漏检。对于焊点缺陷，其mAP@0.5:0.95达到46.1%，优于基线模型。集成Ghost Convolution和SimAM-m在保持高精度的同时满足轻量化需求，有效减少漏检并增强特征表示，适用于自动化PCB表面缺陷检测。
Keyword:
YOLO-based model
object detection
ghost convolution
SimAM
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
暂无机构信息
引用论文
LPViT: A Transformer Based Model for PCB Image Classification and Defect DetectionLPViT: 基于变压器的PCB图像分类和缺陷检测模型.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Decade of You Only Look Once (YOLO) for Object Detection: A Review十年来的You Only Look Once（YOLO）目标检测：一项综述IEEE ACCESS
IEEE ACCESSIF3.6
PREAI
分享收藏YOLOv10: Real-Time End-to-End Object Detection王, A.; 陈, H.; 刘, L.; 陈, K.; 林, Z.; 韩, J. YOLOv10: 实时端到端目标检测. Adv. Neural Inf. Process. Syst. 2024, 37, 107984–108011. [Google Scholar] [CrossRef]
PREAI
分享收藏Detection of PCB Surface Defects With Improved Faster-RCNN and Feature Pyramid Network基于改进的Faster-RCNN和特征金字塔网络的PCB表面缺陷检测IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容