PCB缺陷检测算法

小目标高精识别

针对PCB小目标缺陷设计的YOLO-DFA算法，有效抑制复杂背景干扰，显著提升短路和毛刺等微小缺陷的检测精度。

李琨 · Xu, Zhong · Ying, Han

IEEE Transactions on Instrumentation and Measurement 2025

参数信息

平均精度 (MAP)

96.4 %

技术优势

小目标更准

通过双骨干并行网络减少信息丢失，并结合细粒度特征增强和动态加权，提升了模型对小尺寸特征的捕捉能力。

噪声更抗扰

细粒度特征增强与动态加权机制在捕获细节的同时增强了对背景噪声的鲁棒性，减少误检。

损失更聚焦小目标

自适应尺度增强损失函数 ASC-CIOU 调整惩罚系数，避免大目标主导损失计算，使模型更准确地拟合小目标误差。

应用场景

• 工业质检：可直接替换产线上的检测模型，提升短路、毛刺等微小缺陷的检出率。
• 智能制造：在智能制造流程中提供高精度的 PCB 缺陷自动识别，减少人工复检。
• 精密仪器：对精密 PCB 上的微小缺陷进行可靠检测，保障仪器性能稳定。
• 物联网：可集成到物联网质检节点，实现边缘端实时缺陷检测。