一种基于改进YOLOv8算法的轻量化PCB缺陷检测方法技术

本发明专利技术涉及PCB检测技术领域，且公开了一种基于改进YOLOv8算法的轻量化PCB缺陷检测方法，包括以下步骤：步骤一、获取公开的PCB缺陷数据集，将数据集划分为训练集、验证集和测试集；步骤二、建立基于改进YOLOv8算法的PCB缺陷检测模型；步骤三、使用改进后的PCB缺陷检测模型对训练集样本进行训练；步骤四、使用训练好的最优模型对测试集数据进行检测，然后对模型复杂度和检测结果评估。本发明专利技术针对PCB表面缺陷检测，通过改进Neck网络、改进SPPF特征聚合模块、优化损失函数得到改进后的YOLOv8模型，大幅减少了网络层数、网络参数量以及模型计算量，加强了特征聚合能力，加速模型收敛，提升了模型对PCB表面缺陷的检测精度和速度。

【技术实现步骤摘要】

本专利技术涉及pcb检测，具体涉及一种基于改进yolov8算法的轻量化pcb缺陷检测方法。

技术介绍

1、印刷电路板(printed circuit board，pcb)是在通用的绝缘基材上按照预定的设计形成的点间连接以及印制元件的印制板。近年来，随着5g通信、新能源汽车、可穿戴设备、工业控制等领域的快速发展，印刷电路板的需求量不断增加。但在生产过程中受环境、设备等因素的影响，pcb会出现开路、短路等缺陷，为提升产品质量，pcb缺陷检测显得尤为重要。

2、近些年，以数据和算力为支撑的深度学习技术蓬勃发展，相较于传统的机器学习算法，其在检测精度上取得显著的提升。yolo(you only look once)是一种基于深度学习的实时目标检测算法，是通过改进c3模块和spp模块以及使用anchor-free的检测方法，在速度和精度方面比yolov5更好。但yolov8是基于普通场景设计的目标检测算法，其使用三个检测头来提升大、中、小三种物体的检测效果，而pcb表面缺陷都是一些很小的目标，直接使用yolov8检测pcb缺陷不能取得较好的效果。因此，如本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8算法的轻量化PCB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YOLOv8算法的轻量化PCB缺陷检测方法，其特征在于：所述步骤一中，获取的PCB缺陷数据集通过编写Python代码将原始数据集转化成符合YOLO数据格式的数据集，再将数据集划分为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于改进YOLOv8算法的轻量化PCB缺陷检测方法，其特征在于：步骤一中，所述训练集、验证集和测试集的比例为8.1：0.9：1。

4.根据权利要求1所述的一种基于改进YOLOv8算法的轻量化PCB缺陷...

【技术特征摘要】

1.一种基于改进yolov8算法的轻量化pcb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yolov8算法的轻量化pcb缺陷检测方法，其特征在于：所述步骤一中，获取的pcb缺陷数据集通过编写python代码将原始数据集转化成符合yolo数据格式的数据集，再将数据集划分为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于改进yolov8算法的轻量化pcb缺陷检测方法，其特征在于：步骤一中，所述训练集、验证集和测试集的比例为8.1：0.9：1。

4.根据权利要求1所述的一种基于改进yolov8算法的轻量化pcb缺陷检测方法，其特征在于：所述步骤二中，改进的yolov8算法是在原始yolov8s算法的基础上，进行以下三个方面的改进：

5.根据权利要求4所述的一种基于改进yolov8算法的轻量化pcb缺陷检测方法，其特征在于：所述sfpn通过将backbone输出的深层特征经两次上采样后与backbone输出的浅层特征拼接融合，融合后的结果输入浅层特征检测头。

6.根据权利要求5所述的一种基于改进yolov8算法的轻量化pcb缺陷检测方法，其特征在于：所述inner-ciou loss通过对不同的数据集和检测器使用不同尺度的辅助边界框来增强现有损失函数的泛化性，而非...

【专利技术属性】
技术研发人员：梁培峰，汤钟杰，韩莉，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：