一种基于YOLOv8的PCB裸板表面缺陷检测方法技术

本发明专利技术涉及缺陷检测技术领域，具体涉及一种基于YOLOv8的PCB裸板表面缺陷检测方法。该方法包括：获取PCB裸板的表面图像并进行处理得到待检测图像；构建缺陷检测网络，并对缺陷检测网络进行改进，获取优化缺陷检测网络，具体为：在缺陷检测网络的特征融合网络增加小目标检测层；在缺陷检测网络中的特征提取网络中将预设数量的C2f层进行替换，并增加混合域注意力机制模块；且对缺陷检测网络的损失函数进行修改得到优化损失函数；利用预处理后的样本数据对优化缺陷检测网络进行训练；利用训练好的优化缺陷检测网络和待检测图像对PCB裸板的缺陷进行检测。本发明专利技术能够提高对于PCB裸板的缺陷检测的精度和效率。缺陷检测的精度和效率。缺陷检测的精度和效率。

【技术实现步骤摘要】
一种基于YOLOv8的PCB裸板表面缺陷检测方法


[0001]本专利技术涉及缺陷检测
，具体涉及一种基于YOLOv8的PCB裸板表面缺陷检测方法。

技术介绍

[0002]新兴技术的高速发展进一步对电子产品的性能、质量要求越来越高。印刷电路板(Printed Circuit Board，PCB)的作用是连接电子零组件，形成电路的连接，是几乎所有电子产品的关键器件。电子产业和新兴技术的迅猛发展导致对PCB的需求不断增加。在批量化生产中，由于PCB生产过程相当复杂，每一道工序都有可能造成PCB裸板表面的缺陷，比如断路、短路、漏孔等细小缺陷，这些缺陷会极大地影响最终电子产品的性能和安全质量。PCB裸板表面的细小复杂缺陷主要包括：漏孔、毛刺、鼠咬、短路、断路、余铜，这些缺陷会极大地影响最终电子产品的性能和安全质量。
[0003]传统的PCB缺陷检测方法是利用人工进行质检，但利用人工进行检测时，随着工作时长的增长以及工人的主观性，容易造成漏检和错检的现象，随着计算机视觉以及神经网络技术的日益成熟，通过计算机视觉以及神经网络技术对PCB裸板的缺陷进行检测；如利用传统的YOLOv8缺陷检测网络对缺陷进行检测，但是由于PCB裸板上的有些缺陷属于细小缺陷，其特征并不明显，因此在利用传统的YOLOv8缺陷检测网络对PCB裸板进行缺陷检测时，检测的效果并不好，不能满足当前PCB裸板的生产需求。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于YOLOv8的PCB裸板表面缺陷检测方法，所采用的技术方案具体如下：
[0005]本专利技术一个实施例提供了一种基于YOLOv8的PCB裸板表面缺陷检测方法，该方法包括：
[0006]获取PCB裸板的表面图像并进行处理得到待检测图像；
[0007]构建缺陷检测网络，并对缺陷检测网络进行改进，获取优化缺陷检测网络，具体为：在缺陷检测网络的特征融合网络增加小目标检测层；在缺陷检测网络中的特征提取网络中将预设数量的C2f层进行替换，并增加混合域注意力机制模块；且对缺陷检测网络的损失函数进行修改得到优化损失函数；其中缺陷检测网络为YOLOv8网络；
[0008]获取样本数据集，对样本数据集进行预处理，并利用预处理后的样本数据对优化缺陷检测网络进行训练；利用训练好的优化缺陷检测网络和待检测图像对PCB裸板的缺陷进行检测。
[0009]优选地，缺陷检测网络的特征融合网络增加小目标检测层，包括：
[0010]在特征融合网络中的第一指定层增加一层上采样处理层，在增加的上采样处理层后增加小目标检测层。
[0011]优选地，在缺陷检测网络中的特征提取网络中将预设数量的C2f层进行替换，包
括：
[0012]将特征提取网络中的第一个、第二个和第三个C2f层替换为可变形卷积Deformable Conv v2模块。
[0013]优选地，增加混合域注意力机制模块，包括：
[0014]在缺陷检测网络中的特征提取网络中的最后一层的SPPF层的前一层增加混合域注意力机制模块CBAM。
[0015]优选地，优化损失函数为：
[0016]L
WIoUv3
＝rL
WIoUv1
，
[0017][0018][0019]L
WIoUv1
＝R
WIoU
L
IoU
，
[0020][0021][0022]其中，L
WIoUv3
表示优化损失函数；r表示梯度增益；β表示定义的离群度；δ和α表示超参数，其取值由实施者根据实际情况进行调整；L
WIoUv1
表示v1损失函数；表示L
WIoUv1
的单调聚焦系数；L
IoU
表示IoU损失函数；R
WIoU
表示第一损失函数；W
g
和H
g
分别表示最小包围框的宽和高；x和y分别表示目标框的横坐标和纵坐标，x
gt
和y
gt
分别表示预测边界框的横坐标和纵坐标；exp()表示以e为底的指数函数；W
i
和H
i
分别表示预测边界框和目标框相交部分的高和宽，S
u
表示预测边界框和目标框相并部分的面积。
[0023]优选地，获取样本数据集，对样本数据集进行预处理，包括：
[0024]获取样本数据集，其样本数据集中的图像为jpg图像格式，通过labelimg软件对样本数据集中的图像打标签，标签格式为适用优化目标检测模型的txt标签文件；打好标签的样本数据集划分为训练集、测试集和验证集，完成样本数据集的预处理。
[0025]优选地，利用训练好的优化缺陷检测网络和待检测图像对PCB裸板的缺陷进行检测，包括：
[0026]将待检测图像输入训练好的优化目标检测模型，输出PCB裸板的缺陷检测图像；其中缺陷检测图像中包括每个缺陷的缺陷类型，且在缺陷检测图像中每个缺陷的位置都被标记出来。
[0027]本专利技术实施例至少具有如下有益效果：本专利技术构建了目标检测模型，并在缺陷检测网络的特征融合网络中增加了小目标检测层，由于PCB裸板上存在一些细小的缺陷，这些细小的缺陷比较复杂且特征不明显，增加小目标检测层以便能够更好的获取细小缺陷的特征信息，提高缺陷检测的准确性；同时还对缺陷检测网络中预设数量的C2f层进行了替换，替换过后能够使得激活单元的感受野变为自适应感受野，能够提高对细小目标特征提取的效果，使得后续对于缺陷的检测更加准确；同时在缺陷检测网络中的特征提取网络中增加混合与注意力机制模块，能够增强特征提取网络特征提取的能力，使其特征提取网络能够更好的提取细小缺陷的特征，提高对于PCB裸板缺陷检测的精确度，同时还对缺陷检测网络
的损失函数进行了优化，进一步的提高检测的准确性；本专利技术通过目标检测模型的优化有效地提高了PCB裸板表面缺陷检测的精度，同时利用网络进行检测缩短了PCB裸板表面缺陷检测的时间，提高了检测效率，能够满足工业生产的需求。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0029]图1为本专利技术实施例提供的一种基于YOLOv8的PCB裸板表面缺陷检测方法的方法流程图；
[0030]图2为本专利技术实施例提供的缺陷检测网络结构图；
[0031]图3为本专利技术实施例提供的3*3可变形卷积模块示意图；
[0032]图4为本专利技术实施例提供的CBAM混合域注意力机制模块示意图；
[0033]图5为本专利技术实施例提供的优化缺陷检测网络结构图。
具体实施方式
[0034]为了更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv8的PCB裸板表面缺陷检测方法，其特征在于，该方法包括：获取PCB裸板的表面图像并进行处理得到待检测图像；构建缺陷检测网络，并对缺陷检测网络进行改进，获取优化缺陷检测网络，具体为：在缺陷检测网络的特征融合网络增加小目标检测层；在缺陷检测网络中的特征提取网络中将预设数量的C2f层进行替换，并增加混合域注意力机制模块；且对缺陷检测网络的损失函数进行修改得到优化损失函数；其中缺陷检测网络为YOLOv8网络；获取样本数据集，对样本数据集进行预处理，并利用预处理后的样本数据对优化缺陷检测网络进行训练；利用训练好的优化缺陷检测网络和待检测图像对PCB裸板的缺陷进行检测。2.根据权利要求1所述的一种基于YOLOv8的PCB裸板表面缺陷检测方法，其特征在于，所述缺陷检测网络的特征融合网络增加小目标检测层，包括：在特征融合网络中的第一指定层增加一层上采样处理层，在增加的上采样处理层后增加小目标检测层。3.根据权利要求1所述的一种基于YOLOv8的PCB裸板表面缺陷检测方法，其特征在于，所述在缺陷检测网络中的特征提取网络中将预设数量的C2f层进行替换，包括：将特征提取网络中的第一个、第二个和第三个C2f层替换为可变形卷积Deformable Conv v2模块。4.根据权利要求1所述的一种基于YOLOv8的PCB裸板表面缺陷检测方法，其特征在于，所述增加混合域注意力机制模块，包括：在缺陷检测网络中的特征提取网络中的最后一层的SPPF层的前一层增加混合域注意力机制模块CBAM。5.根据权利要求1所述的一种基于YOLOv8的PCB裸板表面缺陷检测方法，其特征在于，所述优化损失函数为：L
WIoUv3
＝rL
WIoUv1
，L
WIoUv1
＝R
WIoU
L

【专利技术属性】
技术研发人员：关荣锋，王旭伟，阳韬，喻杰，陆立文，代薇，
申请(专利权)人：盐城工学院技术转移中心有限公司，
类型：发明
国别省市：