结合注意力机制和跨尺度融合的PCB表面缺陷检测方法技术

本发明专利技术公开了一种结合注意力机制和跨尺度融合的PCB表面缺陷检测方法，具体为：获取PCB表面缺陷图像数据，划分训练集、验证集和测试集；设计轻量化网络模型结构，基于YOLOv5基本框架融入轻量化思想、高效注意力机制和跨尺度融合策略完成模型的轻量化压缩和性能提升；利用划分的PCB缺陷图像训练集对网络模型进行训练得到最优的模型参数；将缺陷图像测试集传入训练好的模型中，记录检测结果并基于评价指标完成对模型性能的综合评估。本发明专利技术在保证检测精度和速度的同时实现了模型有效的轻量化压缩，更适合在计算资源有限的PCB产线检测设备进行部署应用。

【技术实现步骤摘要】

本专利技术属于电子信息产业的质量检测领域，尤其涉及一种结合注意力机制和跨尺度融合的pcb表面缺陷检测方法。

技术介绍

1、印制电路板(printed circuit board,pcb)是现代电子信息产品中实现电子元器件之间电气连接和信号传输不可或缺的关键互联件，在信息技术、通信、医疗和汽车等领域发挥着关键作用。完成针对工艺日益高度集成化的pcb产品的表面缺陷高效高精度检测是其制造过程不可或缺的工序，其检测结果的好坏直接影响对整机设备质量与可靠性的最终评估。随着pcb产品产量需求提升，生产节拍加快，pcb产线需要多个检测设备同时运行并要求不同工作站或检测点上的模型能够灵活部署、维护和更新，这无疑对算法模型的实时性和部署能力提出更高的要求。

2、另一方面，由于工业5.0、人机协作和绿色低碳制造等理念的提出和在工业质检领域的推广以及5g、人工智能和边缘计算等技术的快速工业化应用，在移动端、虚拟现实以及计算资源有限的硬件设备上进行模型应用部署逐渐成为灵活高效实现pcb生产过程固定式质检或移动式抽检关键支撑，是实现从传统固定式质量检测到人机协同式智能化本文档来自技高网...

【技术保护点】

1.一种结合注意力机制和跨尺度融合的PCB表面缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种结合注意力机制和跨尺度融合的PCB表面缺陷检测方法，其特征在于，所述步骤1具体为：基于公开数据集，使用Lambing工具对数据集图像进行标注，分别生成YOLO格式的标签文件用于模型训练和COCO格式的标签文件用于模型性能评估，按照8:1:1的比例划分图像为训练集、验证集与测试集。

3.根据权利要求1所述的一种结合注意力机制和跨尺度融合的PCB表面缺陷检测方法，其特征在于，所述步骤2具体为：

4.根据权利要求3所述的一种结合注意力机制和跨尺...

【技术特征摘要】

1.一种结合注意力机制和跨尺度融合的pcb表面缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种结合注意力机制和跨尺度融合的pcb表面缺陷检测方法，其特征在于，所述步骤1具体为：基于公开数据集，使用lambing工具对数据集图像进行标注，分别生成yolo格式的标签文件用于模型训练和coco格式的标签文件用于模型性能评估，按照8:1:1的比例划分图像为训练集、验证集与测试集。

3.根据权利要求1所述的一种结合注意力机制和跨尺度融合的pcb表面缺陷检测方法，其特征在于，所述步骤2具体为：

4.根据权利要求3所述的一种结合注意力机制和跨尺度融合的pcb表面缺陷检测方法，...

【专利技术属性】
技术研发人员：张剑，周永兵，苑明昊，赵用，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：