控制与决策

作者：严舒,郭颖,黄骏

单位：南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;南京信息工程大学 自动化学院,南京 210044,,南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;南京信息工程大学 自动化学院,南京 210044,,南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;南京信息工程大学 自动化学院,南京 210044,

关键词：机器视觉;缺陷检测;印刷电路板;YOLOv5;上下文信息;特征增强

基金：国家自然科学基金项目(61971229).

针对PCB缺陷检测任务中存在的目标与背景相混淆、缺陷目标较小不易识别等问题,提出一种基于特征增强和多尺度融合的PCB缺陷检测方法FCM-YOLO.所提出方法以YOLOv5s为基础,首先在特征提取网络中引入由空间到深度层和非跨步卷积层的组合,构建特征重提取模块,以减少信息丢失,保留小目标特征信息;然后,在特征提取网络的最深层引入上下文注意力模块,通过学习上下文信息,使用可变形卷积提取小目标特征,以此增强对目标与背景的区分能力,从而减少漏检情况;最后,在特征融合网络中引入多尺度感受野增强模块,通过多分支结构加强特征信息间的相关性,增强特征的语义表示.在PCB缺陷数据集和GC10-DET数据集上对不同算法进行对比实验,实验结果表明,FCM-YOLO能够更加精确地识别缺陷目标,相比改进前的YOLOv5s算法,所提出算法在这两个数据集上的检测精度分别提高4.7%和3.7%.

来源：2024年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第10期