【技术实现步骤摘要】
本专利技术涉及图像分类，具体涉及一种基于改进yolov8s的pcb小目标缺陷检测方法。
技术介绍
1、随着电子产品的小型化和高集成化，pcb的缺陷检测面临更大挑战。小目标缺陷如焊接问题和短路等，对电子产品可靠性至关重要，因此准确检测这些缺陷变得尤为关键。传统pcb缺陷检测方法存在效率低、漏检率高、主观性强等局限，难以满足现代生产线的严格要求。为克服这些问题，基于计算机视觉的自动化检测方法被广泛应用，其无接触、高适应性和通用性使其成为当前缺陷检测领域的热点技术。
2、早期pcb缺陷检测依赖图像处理与特征提取算法，如边缘检测和形状识别。然而，随着深度学习引入，检测方法分为两类：基于传统深度学习模型(如cnn)的方法和基于目标检测模型的方法。基于传统深度学习模型的方法主要利用卷积神经网络等进行特征提取和缺陷分类。另一种方法是采用目标检测模型，如yolo系列、faster r-cnn等。这些模型能够同时检测出缺陷的位置和类别，具有更高的检测精度和效率。但这些网络对设备算力要求较高，且针对小目标检测性能较低，因此有必要进行改进。
技术实现思路
1、本专利技术的目的在于提供一种基于改进yolov8s的pcb小目标缺陷检测方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：将图像训练数据集输入改进yolov8s网络模型进行训练，得到目标检测模型；由摄像头采集实时pcb图片信息，并将其发送到缺陷识别单元；缺陷识别单元包括目标检测模块，得到
3、所述改进yolov8s网络模型训练方法，具体包括：将训练集图像经过数据增强操作后，输入到改进的yolov8s网络中进行训练，可以获得目标检测模型。
4、所述改进yolov8s网络实现方法，具体包括：首先增设小目标检测层，并添加小物体检测头以提高对小目标的检测效果；其次，在骨干网络中引入可选择空洞卷积(s-conv)与卷积和注意力融合模块(cafm)，通过扩大感受野和增强特征表示能力，实现对各尺度特征的有效融合；同时，设计灵活且高效的空间金字塔池化层，结合可变形卷积和空间信息增强模块，提高模型对目标特征的表征能力和检测精度；此外，通过信息聚集-分发机制对颈部结构进行改进。最终，采用vfwd-ciou代替原有损失函数，以提升密集小目标的检测性能。
5、所述pcb小目标缺陷识别方案，具体包括：由摄像头采集pcb图像信息，输入到小目标缺陷识别单元，由训练后的改进yolov8s模型处理并输出识别结果。
6、所述小目标缺陷识别单元，具体包括目标检测模块，所述目标检测模块是由训练好的改进yolov8s网络模型组成，输出为pcb小目标缺陷所在位置和是否检测为pcb小目标缺陷的概率。
7、与现有技术相比，本专利技术的有益效果是：增设小目标检测层，并添加小物体检测头以提高对小目标的检测效果；其次，在骨干网络中引入可选择空洞卷积(s-conv)与卷积和注意力融合模块(cafm)，通过扩大感受野和增强特征表示能力，实现对各尺度特征的有效融合；同时，设计灵活且高效的空间金字塔池化层，结合可变形卷积和空间信息增强模块，提高模型对目标特征的表征能力和检测精度；此外，通过信息聚集-分发机制对颈部结构进行改进；最后，改进损失函数，采用vfwd-ciou代替原有损失函数，以提升密集小目标的检测性能。本专利技术的改进方法有效解决了现有技术中的不足，实现了在嵌入式设备上对pcb小目标缺陷的实时、高效检测。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv8s的PCB小目标缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于改进YOLOv8s的PCB小目标缺陷检测方法，其特征在于：所述的改进Yolov8s模型训练方法增设小目标检测层，通过特征融合技术将浅层的细节特征图与深层的语义特征图相结合，同时添加小物体检测头，增强对小目标的感知能力。
3.根据权利要求1所述的一种基于改进YOLOv8s的PCB小目标缺陷检测方法，其特征在于：所述的改进Yolov8s网络在骨干网络中引入可选择空洞卷积改进C2f模块，设计全新的模块ASC2f替换骨干中的C2f，扩大感受野，在提升特征表示能力的同时增强对各尺度特征进行融合，同时引入CAFM，通过将其放置在backbone后和detect前，提升对小目标检测性能。
4.根据权利要求1所述的一种基于改进YOLOv8s的PCB小目标缺陷检测方法，其特征在于：在SPPF模块中，将全部的普通卷积层替换为可变形卷积层，且卷积操作之后添加一个空间信息增强模块，通过上下文聚合来增强特征图的空间信息。
5.根据权利要求1所
6.根据权利要求1所述的一种基于改进YOLOv8s的PCB小目标缺陷检测方法，其特征在于：以VFWD-CIoU 代替原模型边框回归的损失函数，提升密集小目标检测效果。
7.根据权利要求1所述的一种基于改进YOLOv8s的PCB小目标缺陷检测方法，其特征在于：所述的实时PCB小目标缺陷识别方法为由摄像头采集PCB图像信息，输入到PCB小目标缺陷识别单元，由训练后的改进Yolov8s模型处理并输出识别结果。
...【技术特征摘要】
1.一种基于改进yolov8s的pcb小目标缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于改进yolov8s的pcb小目标缺陷检测方法，其特征在于：所述的改进yolov8s模型训练方法增设小目标检测层，通过特征融合技术将浅层的细节特征图与深层的语义特征图相结合，同时添加小物体检测头，增强对小目标的感知能力。
3.根据权利要求1所述的一种基于改进yolov8s的pcb小目标缺陷检测方法，其特征在于：所述的改进yolov8s网络在骨干网络中引入可选择空洞卷积改进c2f模块，设计全新的模块asc2f替换骨干中的c2f，扩大感受野，在提升特征表示能力的同时增强对各尺度特征进行融合，同时引入cafm，通过将其放置在backbone后和detect前，提升对小目标检测性能。
4.根据权利要求1所述的一种基于改进yolov8s的pcb小目标缺陷检测方法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。