点击蓝字 关注我们
本文引用信息
严舒，郭颖，黄骏. FCM-YOLO:一种基于特征增强和多尺度融合的PCB缺陷检测方法[J]. 控制与决策, 2024, 39(10): 3181-3189.
2024年第10期封面文章推荐
FCM-YOLO:一种基于特征增强和多尺度融合的PCB缺陷检测方法
严舒，郭颖，黄骏
本文创新点：
重点关注基于特征增强和多尺度融合的缺陷检测方法，在此基础上，分析印刷电路板(PCB)缺陷检测方法中现有的不足之处，针对性地作出改进。
✦✦
研究背景
PCB作为一种重要的电子元器件，为设备提供线路连接和硬件支撑。其制造过程复杂，容易出现鼠咬、短路、漏孔等缺陷，这直接影响了设备的使用性能。为保证设备的安全可靠，对PCB表面进行缺陷检测是十分必要的。本文重点关注基于特征增强和多尺度融合的PCB缺陷检测方法。首先对其近年来的最新成果进行归纳总结；然后针对PCB缺陷检测的不足提出了3个模块，进行方法改进；最后通过实验证明改进方法能够使得检测缺陷目标更加精准。
✦✦
研究路线
所提出FCM-YOLO算法整体结构如图1所示。首先，该模型使用特征重提取模块(FRM)堆叠搭建主干网络，对输入图像进行特征重提取，获得丰富的信息。然后，在主干网络的最深层采用上下文注意力模块(CSAM)，捕获顶级特征的全局长期依赖性，强化模型对图像中缺陷目标的理解能力，弱化背景对检测的干扰。在颈部网络中，引入SPDConv，减少语义信息的丢失，促进特征融合。为进一步加强缺陷目标的特征表示，优化检测结果，引入多尺度感受野增强模块 (MREB)，构建特征信息间不同尺度不同范围的依赖关系，显著提高特征信息的完整度。最后，使用YOLO检测头对获得的特征进行检测，以提升模型的检测性能。
✦✦
实验结果与分析
表1 消融实验部分结果对比
3.2 对比实验
表2 PCB缺陷数据集上本文算法与其他算法的精度对比
表3 GC 10-DET数据集上本文算法与其他算法的精度对比
✦✦
结论
作者介绍
郑重声明：根据国家版权局相关规定，纸媒、网站、微博、微信公众号转载、摘编本微信信息，需包含本微信名称、二维码等相关信息，并在文首注明《控制与决策》原创。个人请按本微信原文转发、分享。
－联系我们－
《控制与决策》
网站：http://kzyjc.alljournals.cn
电话：024-83687766
邮箱：kzyjc@mail.neu.edu.cn
《Journal of Control and Decision》
网站：
https://www.tandfonline.com/toc/tjcd20/current
邮箱：tengrong@ise.neu.edu.cn
点击“阅读原文”查看全文信息
