基于改进YOLOv8的PCB缺陷检测算法OA
针对目前大多数印刷电路板(printed circuit board,PCB)缺陷检测算法中准确度较低、模型较大及移动部署不便的问题,提出了一种改进的YOLOv8算法.该算法使用GhostNet和HGNetV2的结合作为网络主干,增加小目标检测层和坐标注意力机制,采用动态上采样器(DySample)替换最邻近上采样算子以提升检测精度,将选定锚框的交并比(intersection over union,IoU)改为Inner-CIoU.结果显示,相较于原始YOLOv8算法,改进后算法的检测精度提升了2.0百分点,达到97.6%,召回率提升了2.8百分点,达到94.5%,参数量减少了24.58%,模型大小仅为4.84 MB,检测速度达到216.6帧/s.检测精度的提升和模型体积的显著减小,使得改进算法能更好地满足工业场景对PCB缺陷检测的要求.
王悍悍;沈珊瑚;李明泽
杭州师范大学信息科学与技术学院,浙江杭州311121杭州师范大学信息科学与技术学院,浙江杭州311121杭州师范大学信息科学与技术学院,浙江杭州311121
计算机与自动化
PCB缺陷检测改进YOLOv8坐标注意力机制动态上采样Inner-CIoU
《杭州师范大学学报(自然科学版)》 2025 (1)
P.19-26,8
浙江省自然科学基金项目(LQ19F040006).
评论