基于改进YOLOv5模型的PCB缺陷图像检测

基于改进YOLOv5模型的PCB缺陷图像检测

徐海达  常正方  罗轶 李彦龙 张健滔(通讯作者)

(上海大学 机电工程与自动化学院)

摘 要：本文针对印制电路板(Printed Circuit Board, PCB)的测问题,研究一种基于改进YOLOv5的PCB 缺陷检测模型,构建常见PCB缺陷图像和背景图像的训练数据集,以及缺陷图像和无缺陷图像的测试数据集。为提高YOLOv5模型全局特征捕获能力,在CSP 模块的 ResNet中,融人 Transformer 的多头注意力机制,构建改进后的YOLOv5网络结构。结果表明:改进后的模型更适合 PCB 缺陷的检测,对非缺陷图像的检测精度提高了11.40%。

关键词：PCB 缺陷;目标检测;YOLOv5;深度学习