FMW-YOLO：一种基于频率增强技术和多尺度上下文感知的PCB缺陷检测框架 李裕国、 田硕、 孙文正、 陈龙发、 李健、 胡俊凯、 孟娜

《Micromachines》：FMW-YOLO: A Frequency-Enhanced and Multi-Scale Context-Aware Framework for PCB Defect Detection Yuguo Li, Shuo Tian, Wenzheng Sun, Longfa Chen, Jian Li, Junkai Hu and Na Meng

　　摘要 高精度和高效的地缺陷检测对于确保印刷电路板（PCB）的可靠性至关重要。然而，复杂的电路背景和微小缺陷的存在往往限制了传统检测方法的精度和有效性。为应对这些挑战，本文提出了FMW-YOLO，这是一种基于YOLO11n的轻量级且精确的检测框架。具体而言，开发了一种频率增强通道转置和局部特征主干网络（Frequency-Enhanced Channel-Transposed and Local Feature Backbone Network）来改进特征提取。通过设计双频率和通道注意力聚合模块（Dual-Frequency and Channel Attention Aggregation module）以及轻量级边缘高斯块（Lightweight Edge-Gaussian Block），对原始的C3k2结构进行了改进，以抑制噪声干扰同时保留高频细节，从而增强了特征表示能力。此外，构建了一个包含多尺度上下文感知增强机制（Multi-Scale Context-Aware Enhancement mechanism）的颈部网络（neck network），其中采用注意力集成特征金字塔（Attention-Integrated Feature Pyramid）来促进更有效的跨尺度特征交互。另外，在C3k2结构中嵌入了扩张重新参数化残差模块（Dilated Reparam Residual Module），以扩大感受野范围而不显著增加计算负担。最后，采用了Wise-IoU算法来优化边界框回归，赋予中等质量的锚点更高的重要性。在HRIPCB和DeepPCB数据集上进行的广泛实验表明，FMW-YOLO将mAP50分别提高了2.1%和0.3%，同时参数数量减少了23%。这些结果表明，所提出的方法在检测精度上有所提升，并在实际工业应用中展示了强大的潜力。

1. 引言
随着工业4.0范式的不断推进，电子行业正稳步向更高的智能化和自动化水平发展。作为现代电子系统的基本组成部分，PCB在确保最终产品的稳定性和可靠性方面发挥着关键作用。然而，在制造、存储和运输过程中，PCB表面出现缺陷是不可避免的。即使是微小的瑕疵也可能对产品性能产生不利影响，并削弱整体质量，可能会导致可观的经济损失。因此，开发高精度和稳健的PCB表面缺陷检测技术在当代电子制造中变得日益重要。
传统的PCB表面缺陷检测方法主要包括手动检测[1]、电气检测[2]和自动光学检测（AOI）[3]。手动检测高度依赖操作人员的专业知识和注意力，容易产生视觉疲劳，从而导致效率低下和相对较高的漏检和误报率[1]。与手动检测相比，电气检测提高了检测精度；然而，它需要在检测过程中与PCB直接接触，可能会造成二次损坏。此外，这种方法依赖于专用设备和夹具，导致成本增加和灵活性受限[2]。近年来，AOI系统得到了广泛应用，与手动检测相比，它提供了更高的检测精度和效率。尽管有这些优势，AOI系统仍需大量的设备投资，且其性能仍受到不可忽视的误报率和漏检率的影响[4]。
随着表面缺陷检测技术的不断进步，许多研究采用了基于图像处理的方法，如阈值分割[5]和边缘检测[6]。虽然这些方法在相对简单的场景中可以有效，但由于复杂的背景存在，其在PCB检测任务中的性能会下降。在这种情况下，缺陷提取主要依赖于局部图像线索，这限制了鲁棒性并限制了在不同条件下的泛化能力[1]。此外，还包括基于决策树[7]、随机森林[8]和支持向量机[9]的传统机器学习方法也被应用于PCB缺陷检测。然而，它们的有效性与手工制作的特征和分类器设计的质量密切相关。在实际应用中，这些模型通常涉及较大的计算开销，并且推理速度有限，阻碍了它们在实时工业环境中的部署。
近年来，基于深度学习的检测技术在各个领域取得了显著进展，包括工业[10,11]、农业[12,13]、交通[14,15]等。这些方法得益于强大的特征表示能力和高效的推理过程。随着深度学习在PCB表面缺陷检测中的持续发展，现有的检测算法一般可以分为两阶段和一阶段框架。两阶段方法，例如R-CNN[16]、Fast R-CNN[17]和Faster R-CNN[18]，以其高检测精度而闻名。然而，它们的高计算复杂性、慢速推理时间和长处理时间限制了它们在计算资源有限的场景中的适用性。相比之下，一阶段方法如YOLO[19]和SSD[20]旨在在精度和效率之间取得更好的平衡。尽管SSD提高了检测精度并减少了误报，但其参数数量和模型规模仍然相对较大，这对检测速度产生了负面影响[20]。相比之下，YOLO系列通过直接从原始输入数据中学习判别特征[21]，并在单次前向传递中同时执行对象分类和定位，提供了更简洁的检测范式。这种统一的设计使基于YOLO的方法能够在保持高推理效率的同时实现竞争力强的精度。
尽管基于深度学习的研究取得了显著进展，但基于YOLO的PCB缺陷检测仍面临诸多挑战。这些困难主要源于复杂的背景和微小缺陷的大小，这使得检测过程对噪声非常敏感。特别是，微小缺陷通常具有较弱的视觉线索和高频特征，这些特征在连续的下采样操作中容易退化或丢失。此外，许多现有方法受到有限感受野的限制，降低了它们捕捉足够上下文信息的能力。常用的特征融合策略通常对所有通道赋予相同的权重，导致表示较为粗糙，判别能力有限。这些因素限制了PCB缺陷检测在精度和鲁棒性方面的进一步改进。
为了应对上述挑战，本研究对YOLO11n框架内的特征提取、特征融合和损失函数进行了一系列有针对性的改进，从而提出了FMW-YOLO模型。与主要强调特征增强或轻量级设计的现有方法不同，FMW-YOLO在统一的框架中集成了频率感知表示、噪声抑制、感受野扩展和高效的多尺度特征融合，从而实现了更平衡和有效的检测性能。该框架不仅提高了检测精度，还减少了参数数量。这些特性使得所提出的方法非常适合资源有限的工业环境中的实时PCB检测。本文的主要贡献总结如下：
在主干网络中，提出了频率增强通道转置和局部特征网络（FCT-LFNet）。我们提出了双频率和通道注意力聚合（DFCAA）模块以及轻量级边缘高斯块（LEGB）模块。DFCAA模块用于恢复高频细节并增强特征的表现能力，而LEGB模块有效抑制噪声干扰并增强边界表示。
在颈部网络中，设计了一个多尺度上下文感知增强（MSCAE）网络。提出了具有集成通道注意力（MSFPNICA）的多尺度特征金字塔网络（Multi-Scale Feature Pyramid Network），以增强跨尺度特征交互，从而实现有效的多尺度特征融合。此外，该网络中还设计了扩张重新参数化残差模块（DRRM），从而扩大了感受野范围。
关于损失函数，为了解决训练过程中所有预测边界框都采用相同梯度更新的问题，在损失函数中加入了Wise-IoU。通过自适应地降低低质量样本的权重，这种机制减轻了它们对优化的负面影响，从而提高了训练稳定性并改善了整体检测性能。
为了验证该方法的有效性，我们在广泛用于PCB表面缺陷检测的HRIPCB和DeepPCB数据集上进行了大量实验。

2. 相关工作
本节回顾了以往研究人员基于机器学习和深度学习方法进行的代表性的PCB表面缺陷检测研究。
2.1 基于传统机器学习的研究
Ma等人[11]提出了一种基于监督机器学习的自动空洞检测PCB方法。该方法采用端到端的分割模型来识别X射线PCB图像中属于空洞和集成电路（IC）区域的像素。然后使用分割结果计算每个IC内的空洞百分比，从而提高了检测精度。Liu等人[22]引入了一种有效的轻量级缺陷检测网络，用于边缘场景，基于知识蒸馏（KD-Light Net），他们设计了一个使用结构重新参数化和改进的KL散度损失（KL divergence loss）的轻量级网络，以满足工业应用中实时性能和模型紧凑性的要求。
2.2 基于Transformer架构的研究
Guan等人[23]提出了一种基于Transformer架构的实时缺陷检测模型PHDL-RTDETR，该模型结合了物理指导和基于注意力的组件来提升性能，以应对小缺陷和复杂缺陷以及噪声带来的挑战。Luo等人[24]引入了一个基于实时检测Transformer的轻量级框架Lite-DETR，他们设计了一个轻量级且高效的主干网络和图像特征增强模块，以克服与Transformer基检测器相关的结构复杂性和泛化能力不足的问题。
2.3 基于卷积神经网络的研究
Zhang等人[25]提出了一种高精度的轻量级PCB缺陷检测网络LDD-Net，该网络结合了新颖的轻量级特征提取网络和多尺度聚合网络，解决了精度和计算成本之间的权衡问题。Hu等人[18]开发了一种改进的Faster R-CNN基网络，使用ResNet50和特征金字塔网络（FPN）作为特征提取的主干，利用GARPN预测更准确的锚点，并集成ShuffleNetV2残差单元来减少噪声和计算成本。Yu等人[26]引入了一种具有自适应关键点定位网络的新型深度神经网络，以应对PCB上不规则和微小缺陷的挑战。Ran等人[27]提出了一种基于单次检测器（SSD）框架的PCB缺陷检测算法，他们使用多尺度特征映射来自定义不同规模的边界框，小卷积内核来预测分类结果和边界框信息，并通过非最大值抑制（NMS）优化检测结果，解决了现有传统检测算法的低鲁棒性问题。Wu等人[28]提出了一种RAR-SSD，将多尺度PCB缺陷检测与注意力机制相结合，并构建了一个特征融合模块，有效地融合了低级特征信息与高级特征信息，解决了PCB缺陷过小而无法识别的问题。
2.4 基于YOLO系列的研究
Tang等人[29]提出了一种基于YOLO v4的轻量级PCB缺陷检测模型Light-PDD，该模型使用剪枝后的MobileNetV3结构进行特征提取，并改进了跨阶段部分（CSP）结构进行特征融合，解决了参数冗余和推理速度慢的问题。Yuan等人[30]提出了一种基于YOLO v5的改进型YOLO-HMC网络，可以更准确和高效地识别小尺寸PCB缺陷，并减少了模型参数数量。Hou等人[31]提出了一种基于YOLO v8的轻量级检测网络，此外，使用多尺度卷积块注意力模块提高了对不同缺陷的敏感性，并解决了平衡检测精度和速度的问题。Tie等人[32]提出了一种基于YOLO v8n的轻量级表面缺陷检测模型LSKA-YOLOv8，该模型使用计算复杂度低的Kernel Warehouse Conv（KWConv）解决了计算复杂度高和部署困难的问题。Wang等人[33]提出了一种基于YOLOX的YOLOX-MC-CA，该网络改进了CSPDarknet和协调注意力，解决了传统检测网络检测效率低、内存消耗高和对小缺陷敏感度低的问题。Hou等人[34]在跨层特征融合阶段提出了一种高效的路径聚合网络，采用基于先验的自适应融合策略代替了传统的特征融合方法，从而提高了小物体检测性能。Yu等人[35]提出了一种感受野增强模块，以捕获多尺度像素级信息并扩大感受野范围，从而提高了小人脸检测的精度。Yang等人[36]引入了一种感受野通道注意力卷积模块，用标准卷积块替换了标准卷积块，实现了动态调节感受野范围，从而在不同尺度上改进了特征捕获能力。
尽管取得了显著进展，现有的PCB检测方法在特征表示能力方面仍然存在局限性。基于CNN和Transformer的模型主要通过自注意力强调空间依赖性建模，但未能充分捕捉细粒度的通道级信息。这种缺陷在高频结构（如边缘和纹理）的表示中尤为明显，这些结构容易退化。尽管基于YOLO的方法引入了上下文感知的设计和增强的特征融合机制来缓解这些问题，但它们的有效性仍然受到限制。大多数现有研究严重偏向于空间上下文和跨尺度交互，而很大程度上忽略了频域建模。这种固有的局限性导致高频细节的表征不足，尤其是在复杂背景条件下。3. 材料与方法 3.1. YOLO11概述 YOLO11算法[37]由Ultralytics团队提出，代表了YOLO系列目标检测模型的最新进展。作为一种端到端的一阶段检测算法，它在检测精度和推理效率之间取得了良好的平衡，同时还展示了改进的泛化能力。与之前的版本（如YOLOv8）相比，YOLO11在网络架构设计、特征提取效率和训练策略方面引入了显著的优化。YOLO11提供了五种模型变体：YOLO11n、YOLO11s、YOLO11m、YOLO11l和YOLO11x。这些变体在网络深度、宽度以及最大通道数上有所不同，从而导致了逐渐增加的参数大小和计算成本[38]。YOLO11的整体架构主要由三个部分组成：用于特征提取的backbone、用于特征融合的neck以及用于生成最终检测结果的head[39]。其中，C3k2模块在图1中展示，它是改进传统C3结构的关键组件，特别是在处理复杂和多尺度场景时，能够增强特征提取能力。为了在检测精度和计算效率之间取得平衡，本研究采用YOLO11n作为基线模型。图1. YOLO11n中的C3k2结构。3.2. FMW-YOLO的架构 FMW-YOLO的整体架构如图2所示。在backbone网络中，提出了一种双频率和通道注意力聚合（DFCAA）模块，旨在有效整合来自浅层特征的高频信息与原始表示，从而增强对细粒度细节的恢复能力和特征的表达能力。此外，还设计了一种轻量级边缘高斯块（LEGB）来减轻噪声干扰，并在低质量和低对比度成像条件下提高鲁棒性。在这些组件的基础上，进一步构建了频率增强通道转置和局部特征网络（FCT-LFNet），以实现更全面的多尺度特征提取。图2. FMW-YOLO的整体框架。CA代表通道注意力，CT2d代表ConvTranspose2d。在neck网络中，构建了集成通道注意力的多尺度特征金字塔网络（MSFPNICA），以自适应地重新校准通道级融合权重，从而实现更具区分性的特征聚合。为了扩大接收场并捕获更丰富的上下文信息，还设计了一种扩张重参数残差模块（DRRM）。通过将MSFPNICA与DRRM结合，开发出了新型的多尺度上下文感知增强（MSCAE）网络，该网络促进了有效的多尺度特征整合，并增强了模型的整体表示能力。最后，引入了Wise-IoU损失函数，以减少高质量锚点盒之间的过度竞争，同时减轻低质量样本产生的不良梯度[40]。3.3. 频率增强通道转置和局部特征网络 在PCB表面缺陷检测中，特征提取通常在建模通道级特征关系、恢复高频细节以及适应多尺度 defect 上下文方面表现有限。此外，PCB表面的复杂背景使得在噪声和低对比度条件下难以准确划分缺陷边界，这影响了检测的鲁棒性。为了解决这些问题，提出了一种频率增强通道转置和局部特征网络（FCT-LFNet），该网络结合了多频率通道增强和边缘感知的高斯细化。具体来说，设计了一种双频率和通道注意力聚合（DFCAA）模块，用于捕获通道依赖性，同时提取低频和高频成分，从而改善了对细粒度细节的表示。同时，引入了轻量级边缘高斯块（LEGB），以自适应地将浅层边缘信息与深层高斯表示相结合，实现有效的噪声抑制和更清晰的边界定位。这两种组件的互补整合显著提高了模型在细节恢复和边界识别方面的能力。3.3.1. 双频率和通道注意力聚合 低频成分保持了全局结构和语义稳定性，但高频信息的有效恢复对于准确的细节表示至关重要。增强高频响应不仅加强了通道间的依赖性，还提高了细粒度特征重建的保真度，从而提升了整体表示质量。为此，提出了一种双频率和通道注意力聚合（DFCAA）模块，用于改进YOLO11n backbone中的选定C3k2。原来的C3k2瓶颈单元被DFCAA替换，以增强特征提取能力。通过结合通道级的自注意力和显式的频率感知建模，DFCAA有效地解决了传统设计在捕获高频细节方面的局限性。DFCAA的结构如图3a所示，其中Channel Transposed Attention（CTA）和双频率前馈网络（DFFN）是特征转换和增强的关键组件。(a) DFCAA; (b) DFFN; (c) CTA。Channel Transposed Attention（CTA）旨在沿通道维度执行自注意力操作，从而更有效地建模通道间的依赖性，并克服了传统注意力机制主要强调空间信息的局限性。通过利用通道间的相互作用，CTA有助于优先考虑信息量较大的特征，并在特征重建过程中增强细节保留。CTA的结构如图3c所示。首先，输入特征被分割成多个通道。在自注意力计算过程中，生成查询（QZ）、键（KZ）和值（VZ）表示，以捕捉不同通道之间的关系。注意力操作可以表示为：(1) 其中α表示用于调整点积操作规模的可学习温度参数，而FC-A表示沿通道维度进行自注意力计算后获得的特征。通过上述自注意力计算，CTA有效地建模了通道间的依赖性，使网络在特征重建过程中能够强调更具有信息量的通道响应。随后，CTA重新组织不同注意力头之间的连接，生成通道注意力特征FCA。为了降低计算成本，仅在通道注意力机制内集成空间和通道特征。对于额外的特征维度，采用相同的投影策略获得两个注意力特征FC1和FC2，以及空间投影输出YS。然后利用这些表示进行特征提取和跨域加权，整个计算可以表示为：(2) 其中f(·)表示Sigmoid激活函数。最后，空间注意力特征权重用于调节CA输出特征，而CA特征则反向用于重新加权空间注意力特征。这种互补的相互作用有效地将空间注意力特征与通道注意力特征整合在一起，从而增强了最终的特征表示。双频率聚合前馈网络（DFFN）旨在增强高频表示，以改善细粒度细节的恢复。传统的注意力机制往往偏向于低频成分，可能会导致高频信息的衰减。为了解决这个问题，DFFN明确地对频率进行分解，从而在保持全局结构一致性的同时有效增强细节。DFFN的架构如图3b所示。首先，输入特征FCA通过全连接层投影到Yin，然后通过GELU函数激活。随后，采用频率门控机制来分离低频和高频部分，进行独立处理。保留低频信息以保持全局结构稳定性，而高频分支通过1 × 1卷积和深度卷积（DWConv）进行细化，以增强局部细节。频率门控的计算公式为：(3) 其中Yfg是两个特征逐元素乘积的结果。这种设计使得特征表示与高频成分的有效整合成为可能。通过这种双频率信息聚合策略，DFFN保留了全局结构信息，同时防止了高频成分的丢失。通过联合聚合低频和高频信息，该模块进一步改善了细粒度图像细节的恢复。总之，DFCAA模块结合了CTA和DFFN，以增强高频特征建模，从而提高了细粒度细节重建的保真度。3.3.2. 轻量级边缘高斯块 由于PCB组件体积小且焊盘分布密集，许多缺陷经常发生在焊盘区域，这使得区分缺陷边界和结构模式变得具有挑战性。这显著增加了特征提取的难度。此外，噪声干扰进一步降低了边缘清晰度，导致对象边界模糊。为了解决这些挑战，设计了一种轻量级边缘高斯块（LEGB），并将其集成到YOLO11n backbone的最后两个C3k2阶段，替换了原来的瓶颈单元。该模块采用了边缘高斯聚合机制，有效减轻了边界模糊性，抑制了噪声干扰，并增强了边界表示和特征细节的保留，从而提高了模型的整体鲁棒性。如图4所示，提出的LEGB在边缘感知信息和全局特征之间取得了良好的平衡，使得网络即使在噪声条件和低对比度场景下也能提取更具区分性的表示。具体来说，输入特征Fin首先通过轻量级边缘高斯模块（LEGM）处理，以增强低质量特征表示。然后将结果特征输入到1 × 1卷积层，接着进行激活-归一化（AN）操作，得到输出特征Fmid：(4) 其中表示二维1 × 1卷积。接下来，应用第二个1 × 1卷积来调整通道维度为C。随后进行归一化和0.1的丢弃率操作。最后，处理后的特征通过残差连接添加到初始输入，得到输出特征Fout：(5) 图4. LEGB的架构。LEGM首先对输入特征应用边缘高斯聚合（EGA）模块，产生中间特征Fega。为了进一步强调信息量较大的通道，引入了高效通道注意力（ECA）策略[41]。这种机制的公式可以表示为：(6) (7) 其中表示沿一个维度的自适应卷积，其核大小z与通道数C成比例；GAP表示通道级全局平均池化；?表示逐元素乘法操作；Ftemp表示Sigmoid函数后的输出特征；Fo表示LEGM生成的输出特征。EGA模块引入了一种边缘高斯聚合机制，通过加权积分策略将边缘线索与高斯建模响应相结合，从而增强特征表示。此外，该模块对输入特征Fin采用了分阶段选择策略，其中浅层主要负责边缘特征提取，而深层则专注于高斯建模。通过EGA获得的输出特征表示为Aega：(8) 其中Aedga表示边缘特征提取操作，Agauss表示高斯建模操作。获得的Aega与输入Fin结合，并通过三层卷积块进行细化，得到增强后的特征：(9) 其中表示二维3 × 3卷积。最后，卷积块输出Fa与输入Fin通过逐元素乘法和加法操作结合，然后通过3 × 3卷积得到增强后的特征：(10) 其中⊕表示逐元素加法操作。总之，LEGB通过边缘高斯聚合机制保留了细粒度边界信息，有效抑制了噪声的不利影响，并提高了复杂背景条件下检测的鲁棒性。3.4. 多尺度上下文感知增强 在推理过程中，缺陷通常表现出多样化的尺度分布且分布稀疏，这对上下文建模能力提出了更高的要求。为此，提出了一种多尺度上下文感知增强（MSCAE）网络，以提高特征交互效率和上下文信息。所提出的网络包括两个关键部分：集成通道注意力的多尺度特征金字塔网络（MSFPNICA）和扩张重参数残差模块（DRRM）。具体来说，MSFPNICA通过通道适应性权重和双向选择性融合增强了跨尺度特征交互，并提高了小对象信息的保留。同时，DRRM通过扩张卷积和重参数化策略扩展了接收场，从而更有效地建模了稀疏特征和上下文依赖性。通过结合这两个互补模块，所提出的框架增强了全局语义建模，同时保持了细粒度细节的恢复，从而在检测头的后续缺陷定位和分类中产生了更具区分性的特征表示。3.4.1. 集成通道注意力的多尺度特征金字塔网络 在PCB表面缺陷检测中，特征金字塔网络（FPNs）[42]被广泛用于多尺度特征融合。通过采用自上而下的路径和侧向连接，FPNs将高级语义信息与低级空间细节相结合，从而提高了多尺度表示能力。然而，标准的FPN架构及其变体仍然存在几个限制。首先，它们在通道维度上缺乏细粒度的建模。大多数现有设计依赖于简单的元素级加法来进行特征融合，隐含地认为所有通道都同等重要。在复杂的工业场景中，这样的假设可能会引入冗余或信息量较少的特征，从而降低检测性能。此外，过于简化的融合策略使得难以有效利用不同特征尺度之间的互补信息。为了解决这些问题，我们提出了一种具有集成通道注意力（CA）机制的多尺度特征金字塔网络（MSFPNICA）架构，该架构增强了特征建模。如图5a所示，所提出的架构改进了通道级的特征建模，并提高了跨尺度特征交互，从而实现了更有效的多尺度特征融合。图5. MSFPNICA的总体架构。(a) MSFPNICA的架构；(b) 从上到下的SFF；(c) 从下到上的SFF。N3、N4和N5代表自下而上路径中相应级别的特征图。我们采用了由CA机制指导的双向特征转移的双融合策略。这种架构在跨尺度特征交互、通道选择性建模以及小对象保留方面具有显著的优势。在特征融合之前，CA被用来自适应地重新加权输入特征F，使网络能够强调更有信息量的通道，同时抑制不太相关的通道。得到的输出特征表示为Fca：(11) 其中Fmax和Favg分别代表最大池化和全局平均池化。该过程突出了重要的通道并抑制了冗余信息。在特征选择阶段，每一层（P3、P4、P5）中，通过CA增强的特征被自适应地以通道级方式重新加权。随后，应用1×1卷积来进行降维：(12) 在双特征融合和双向特征传播阶段，使用选择性特征融合（SFF）子模块进行特征融合和信息传递。从上到下和从下到上的结构分别在图5b和图5c中展示。为了避免由简单元素级加法导致的信息丢失，采用了结合乘法调制和加性补偿的混合融合策略。在从上到下的路径中，高级语义特征被用作引导信号来调制融合过程，使得能够从低级表示中保留必要的语义信息。具体来说，高级特征和低级特征都被作为输入f。高级特征首先通过转置卷积进行扩展，然后使用双线性插值进行上采样，以使其空间分辨率与低级特征对齐。之后，应用CA机制将高级特征转换为注意力权重，从而实现更精细的特征整合。最终输出fout可以表示为：(13) 其中Inter表示双线性插值；TConv表示转置卷积；变量flow和fhigh分别表示低级和高级特征图；CA表示通道注意力机制。从下到上的传播遵循一个对称的过程，其最终输出fout表示为：(14) 总之，MSFPNICA结构通过CA机制解决了通道平等假设的限制。所提出的双融合策略结合了乘法调制和加性补偿，在特征选择和信息保留之间取得了平衡，从而提高了模型内多尺度特征交互的效率。3.4.2. 扩张参数残差模块传统的卷积网络通常依赖于小的核大小，这导致感受野有限，无法充分捕获上下文信息，从而限制了有效的特征融合。此外，由于PCB缺陷模式分布极不平衡，传统模型往往难以充分捕获稀疏结构，导致误报率增加和漏检。为了解决这些挑战，我们进一步增强了MSFPNICA，并提出了扩张参数残差模块（DRRM），如图6a所示。该模块替换了颈部网络中C3k2中的原始瓶颈单元，从而扩大了感受野并增强了模型捕获复杂空间特征的能力。图6. DRRM的总体架构。(a) DRRM；(b) DWR；(c) DRB。注意：Conv表示标准卷积；DConv表示深度卷积；D-n表示使用扩张因子n的卷积操作；⊕表示元素级加法；c表示特征通道的基数。在YOLO11n架构中，C3k2模块通常使用3×3卷积。然而，小核的有限感受野限制了其捕获充分上下文信息的能力。为了解决这一限制，引入了扩张式残差（DWR）模块，通过结合不同扩张率的卷积来扩大感受野，从而能够在更宽的空间范围内实现更全面的上下文建模。DWR采用两步设计，包括区域残差化（RR）-语义残差化（SR），如图6b所示。每一层包含多个具有不同扩张率的扩张卷积分支（例如1、3、5等）。在RR阶段，依次应用卷积、ReLU激活函数和批量归一化（BN）来生成具有多样空间表示的特征图。随后，SR阶段使用不同扩张率的扩张深度卷积处理这些区域特征图，使模型能够捕获多尺度上下文依赖性。每个扩张分支在不同的感受野上操作，从而提高了模型感知多尺度特征的能力。扩张卷积的输出通过残差连接整合到原始输入中，增强了信息传播并缓解了梯度消失问题。通过融合这些多尺度特征，DWR有效增强了上下文信息提取的能力，这在密集预测任务（如语义分割）中已被证明是有益的。由于PCB缺陷的复杂空间特性，需要更强的特征表示能力。然而，上述改进在捕获稀疏模式方面仍表现出有限的能力，并且可能会不可避免地引入额外的计算开销。为了解决这些问题，我们进一步通过引入扩张参数块（DRB）来增强DWR，该模块用扩张率为3和5的并行分支替换了原始的3×3卷积。DRB模块的架构如图6c所示。DRB采用多个并行排列的小卷积核，每个核都以不同的扩张率操作，以捕获多尺度空间信息。扩张卷积在核之间引入间隔，扩大了感受野，而没有改变核的大小。这些并行卷积的输出随后被自适应加权并融合，然后进行结构重参数化，将它们合并为一个等效的大卷积核。这种策略使得DRB能够在避免额外计算负担的情况下获得大核卷积的优势。为了评估集成DRB模块对计算效率的影响，在实验部分比较了每秒帧数（FPS）。这项分析旨在证明所提出的结构设计在推理阶段降低了计算成本。因此，它改进了稀疏空间模式的建模，提高了感受野扩展效率，并促进了有效的全球特征提取。通过结合这两种方法，构建了扩张参数残差模块（DRRM）。具体来说，DRRM首先应用标准3×3卷积进行初始特征提取，之后将特征图分为三组。对这些组应用不同的处理策略以增强多尺度语义信息的提取。一组使用3×3卷积处理，而另外两组则由具有不同感受野大小的DRB模块处理。通过多个并行的扩张卷积分支，DRB提高了大卷积核捕获稀疏模式的能力，并在不增加计算复杂性的情况下获得更丰富的上下文信息。最后，在不同的分支和交互路径之间进行多级特征融合，从而提高了对小对象和细粒度细节的检测能力。将输入特征表示为z，DRRM可以表示为：(15) (16) (17) 其中ReLU表示激活函数；Conv3×3(z)表示标准3×3卷积；DConv3×3表示3×3扩张卷积；DRB表示扩张参数块；Conv1×1对应于1×1点卷积；表示特征图连接操作；FCRB(z)表示经过ReLU、批量归一化和卷积操作处理后的特征图输出；FDD(z)表示通过DConv和DRB模块处理生成的特征图；Fout表示最终输出特征。总之，DRRM有效扩大了感受野，提高了语义分割的精度和效率。它增强了稀疏模式的建模，并促进了多尺度信息提取，从而加强了网络的总体表示能力。因此，所提出的模块有效降低了漏检率和误报率。3.5. Wise-IoU损失函数基于传统交并比（IoU）的损失函数，如SIoU、GIoU、DIoU和CIoU，在处理低质量预测框时存在某些限制。一方面，IoU值较低的样本在训练过程中倾向于引入不稳定的梯度信号。另一方面，这些方法对所有预测框应用相同的梯度更新策略，这阻止了模型有效地强调高质量预测，从而限制了检测精度的进一步提高。为了克服这些问题，引入了Wise-IoU损失函数作为边界框回归损失[40]。参数设置为比率=0.7，d=0.0，u=0.95。这种配置根据样本的IoU质量调整它们的贡献，从而减轻了低质量预测的影响，并促进了更稳定的优化。该方法结合了一种动态非线性加权机制，为不同质量的预测分配适应性惩罚，有效地减少了低质量样本的影响，同时放大了高质量样本的贡献。结果，所提出的策略提高了训练稳定性，并增强了模型的鲁棒性。传统损失函数可以表示为：(18) 其中qp是预测框，qt是真实框。Wise-IoU的损失函数表述如下：(19) 其中RW(qp, qt)是Wise惩罚项，用于自适应调整样本权重，其形式定义为：(20) 其中α和β是调整参数。当IoU值较低时，惩罚项相应增加，从而减弱了训练过程中低质量样本的梯度效应。当IoU值较高时，惩罚项逐渐趋于零，使模型能够更加重视优化高质量预测框。总之，Wise-IoU损失的有效整合减轻了低质量样本的不利影响，使得训练过程中的优化更加稳定。同时，通过给予中等质量锚框更大的重视，模型能够更好地近似整体数据分布。4. 结果 4.1. 实验配置 FMW-YOLO的训练配置总结如下：输入图像大小为640×640；每个批次输入32张图片；训练周期数为300；权重衰减为0.0005；初始学习率为0.01；动量为0.937；随机种子设置为0；优化器为SGD。训练过程遵循默认的YOLO增强策略，包括马赛克增强、随机水平翻转、基于HSV的颜色抖动、随机缩放和平移。实验配置在表1中展示。表1. 实验配置。4.2. 数据集描述为了验证FMW-YOLO的有效性和其在不同数据集上的泛化能力，在HRIPCB和DeepPCB数据集上进行了实验测试。遵循深度学习的标准实践，每个数据集被划分为训练集、验证集和测试集，比例为8:1:1 [38]，并且在所有实验中保持不变。4.2.1. HRIPCB本研究中使用的第一个数据集是HRIPCB数据集[43]，由北京大学智能机器人与技术学院公开发布。它包含693张图片，涵盖了六种代表性的缺陷类别[32]，包括missing_hole（Mh）、mouse_bite（Mb）、open_circuit（Oc）、short（Sh）、spur（Sp）和spurious_copper（Sc），如图7所示。图7. HRIPCB上的缺陷：(a) Mh；(b) Mb；(c) Oc；(d) Sh；(e) Sp；(f) Sc。红色框表示各种缺陷的具体位置。4.2.2. DeepPCB为了评估所提出方法的泛化能力，本研究中使用的第二个数据集是DeepPCB [26]，这是上海交通大学图像处理与模式识别研究所创建的公共PCB缺陷检测数据集。该数据集包含了1500张与HRIPCB具有相同缺陷类型的图片。为了确保图像对齐，采用了模板匹配技术，从而减少了额外预处理的需要。4.3 实验评估指标 在目标检测任务中常见的评估指标包括召回率（recall）、精确率（precision）、平均精确率（AP）和平均平均精确率（mAP50）[23]，具体定义如下：（21）（22）（23）（24）其中TP表示真正例；FN表示假负例；FP表示假正例；n表示缺陷类型的数量。4.4 实验结果 所提出的模型在HRIPCB数据集上进行了评估。表2展示了基线YOLO11n与提出的FMW-YOLO在不同缺陷类别上的性能指标比较。尽管在Mb类别上观察到精确率略有下降，但召回率得到了提升，同时mAP50也有所增加。图8更直观地显示了不同缺陷类型的mAP50比较情况，可以看出所有缺陷类别的mAP50值都有所改善。结果表明，FMW-YOLO在PCB缺陷检测任务中表现出有效且可靠的性能。表2. HRIPCB上YOLO11n和FMW-YOLO对各种缺陷的比较。图8. 不同缺陷类型的mAP50比较。为了评估该模型在实际场景中的效率，从延迟、每秒帧数（FPS）和模型大小三个方面对其推理性能进行了评估。相应的结果见表3。与基线相比，FMW-YOLO将推理延迟降低了0.4毫秒，FPS提高了约25%，模型大小减少了大约1MB。这些结果表明，所提出的方法在保持检测性能的同时提高了计算效率并降低了资源消耗，显示出其在实际工业部署中的潜力。表3. 推理性能比较。4.5 实验讨论 为了验证所提出组件的优越性，在HRIPCB数据集上进行了对比实验。比较内容包括基线YOLO11n、几种代表性的主干网络和颈部结构，以及不同的基于IoU的损失函数。此外，本研究开发的模型在相同的实验设置下进行了测试，以确保公平比较。这些实验结果进一步证明了所提出模型的有效性和可靠性。4.5.1 主干网络比较实验 为了展示FCT-LFNet的优势，通过将几种代表性主干网络集成到YOLO11n框架中进行了对比实验，包括VanillaNet [44]、Unireplknet [45]、Swin Transformer [46]、StaRNet [47]和HGNetV2 [48]，如表4所示。实验结果显示，FCT-LFNet在多个评估指标上均取得了更好的性能。具体而言，FCT-LFNet的mAP50达到了93.7%，比YOLO11n提高了0.9个百分点，同时保持了96.4%的精确率和89.9%的召回率。尽管其GFLOPs和参数数量与YOLO11n、StaRNet和HGNetV2相比略有增加，但总体计算复杂度仍然低于其他几种比较网络，同时显著提升了检测性能。表4. 主干网络比较。4.5.2 颈部结构比较实验 为了评估MSCAE网络的有效性，通过将几种代表性方法集成到YOLO11n框架中进行了对比实验，包括GDSAFusion [49]、SDI [50]、Gold-YOLO [51]、GLSA [52]和CSFCN [53]，如表5所示。结果显示，MSCAE在多个评估指标上取得了竞争力强的性能。具体来说，MSCAE的mAP50达到了93.6%，比YOLO11n提高了0.8个百分点，同时保持了94.3%的精确率和89.3%的召回率。值得注意的是，与YOLO11n相比，所提出的网络减少了参数数量和GFLOPs，从而提高了计算效率。尽管GLSA的精确率与之相当，但其参数数量和GFLOPs分别比MSCAE高出了87.9%和45.8%。与其他竞争方法相比，MSCAE在精确率、召回率、平均精确率和计算复杂度方面表现出明显优势。这些实验结果表明，所提出的MSCAE在精确率、召回率和mAP50方面表现优异，同时保持了低计算复杂度。表5. 颈部结构比较。4.5.3 IoU比较实验 为了突出Wise-IoU的优势，在FMW-YOLO框架内将其与其他损失函数进行了对比实验。表6的结果表明，Wise-IoU始终优于其他损失函数。表6. IoU比较。4.5.4 不同模型比较 为了评估FMW-YOLO的总体性能，在HRIPCB数据集上将其与几种主流模型进行了对比实验，如表7所示。所提出的FMW-YOLO的mAP50达到了94.9%，mAP50-95达到了50.0%，显著优于其他对比模型。不同模型之间的mAP50和参数数量比较见图9。可以清楚地看到，FMW-YOLO在保持最低参数数量的同时实现了最高的检测准确率。这表明所提出的方法在性能和模型复杂性之间取得了卓越的平衡。总体而言，FMW-YOLO不仅提高了检测准确率，还降低了计算成本，同时有效减少了误检率和漏检率。表7. HRIPCB上各模型的数据比较。图9. 不同模型之间的mAP50和参数数量比较。4.5.5 拆卸实验 为了更清晰地评估FCT-LFNet（F）、MSCAE（M）和Wise-IoU（W）的贡献，在YOLO11n基线上进行了拆卸研究。从原始模型开始，逐步对主干网络、颈部结构及其组合进行修改，最终修改了整个框架。结果显示见表8。与基线相比，每种修改都不同程度地提升了性能。具体来说，基线YOLO11n的mAP50达到了92.8%，mAP50-95达到了48.5%，参数数量为2.57M。引入FCT-LFNet后，mAP50提高了0.9%，mAP50-95提高了0.4%，这归因于高频细节的增强、噪声抑制的改进以及更强的特征提取能力。加入MSCAE后，mAP50提高了0.8%，mAP50-95提高了1.2%，同时参数数量减少了22.6%，使得模型更加轻量级。这些改进得益于更有效的上下文建模和增强的跨尺度特征融合。当同时引入FCT-LFNet和MSCAE时，mAP50提高了1.4%，mAP50-95提高了1.0%，参数数量减少了23%，有效地降低了计算成本和资源需求。进一步地，当FCT-LFNet、MSCAE和Wise-IoU全部集成时，mAP50提高了2.1%，mAP50-95提高了1.5%，参数数量减少了23%。Wise-IoU为不同质量的预测框分配了不同的梯度更新策略，从而进一步提升了FMW-YOLO的缺陷检测性能。图10更清晰地展示了每次改进对评估指标的影响。总体而言，结果显示每个提出的组件都对增强特征提取和特征融合能力做出了积极贡献。表8. 拆卸研究结果。图10. 拆卸实验结果的可视化。4.6 DRRM的推理效率分析 为了检验DRB的集成是否减少了推理过程中的计算负担，进行了每秒帧数（FPS）的比较。基于YOLO11n基线，依次引入DWR、DRB和DRRM进行评估。在相同的设置下测量了相应的FPS值，结果总结在表9中。表9. DRRM及其变体的推理速度比较。结果表明，集成后的DRRM在所有配置中实现了最高的推理速度。具体来说，与基线模型相比，所提出的方法提高了约43%。此外，与仅使用DWR的变体相比，推理速度提高了约293%。这些发现表明，所提出的模块在保持低计算复杂度的同时提升了检测效率，进一步突出了结构重参数化的有效性。4.7 可视化实验 为了进一步验证FMW-YOLO的有效性，并与YOLO11n进行直观比较，在HRIPCB数据集上进行了可视化实验。随机选择了包含六种缺陷类型的代表性图像进行分析，如图11所示。与基线相比，FMW-YOLO展示了更好的检测性能，表现为漏检率和假正例减少，以及定位准确性的提高。这些结果进一步证实了所提出方法的可靠性和有效性。图11. HRIPCB上的可视化结果。(a) 原始图像；(b) YOLO11n；(c) FMW-YOLO。(a)中的红色框表示各种缺陷的具体位置。4.8 泛化实验 为了进一步验证FMW-YOLO的泛化能力，在DeepPCB数据集上进行了额外实验，并进行了定性可视化分析。定量结果见表10，相应的可视化结果显示在图12中。结果表明，尽管FMW-YOLO在Mh和Oc缺陷类别上的精确率略有下降，但这些类别的召回率有所提高。总体而言，该模型在精确率、召回率和mAP50方面优于基线。此外，表11提供了FMW-YOLO与其他模型之间的比较评估，进一步支持了所提出方法的有效性和实用性。表10. DeepPCB上YOLO11n和FMW-YOLO的比较。图12. DeepPCB上的可视化结果。(a) YOLO11n；(b) FMW-YOLO。表11. DeepPCB上各模型的数据比较。鉴于DeepPCB数据集上的性能提升相对有限，进行了额外的重复实验以检验结果的可靠性。具体来说，在其他实验设置保持不变的情况下，使用不同的随机种子（0、42、188、1666和3407）对模型进行了训练，相应的统计结果以平均值和标准差的形式总结在表12中。如表12所示，所提出的方法在mAP50方面始终优于基线，且不同运行之间的变化很小。相对较低的标准差表明观察到的提升是稳定的，而不是由于训练过程中的随机性造成的。表12. DeepPCB上不同随机种子下的性能稳定性。5. 讨论与结论 本文提出了基于YOLO11n的FMW-YOLO，这是一种频率域增强和多尺度上下文感知的检测模型。该模型在处理背景线条复杂以及存在小而不规则缺陷的PCB图像时，实现了更出色的检测性能。首先，通过集成DFCAA和LEGB设计了FCT-LFNet。DFCAA引入了频率域特征，而LEGB采用了边缘高斯聚合机制。这两个组件的结合有效恢复了高频细节并抑制了噪声干扰，从而增强了模型的特征提取能力。其次，构建了由MSFPNICA和DRRM组成的MSCAE。MSFPNICA结合了通道注意力机制以增强特征交互，而DRRM通过不同膨胀率的卷积扩展了感受野。这两个模块的集成提高了跨尺度特征融合的效率，并增强了模型在复杂背景条件下的鲁棒性。最后，引入了Wise-IoU，通过自适应梯度平衡机制减轻了低质量样本的负面影响，从而稳定了检测过程并提高了定位准确性。由于Sc和Sp具有相似的形状，区分这两种缺陷对准确检测构成了一定的挑战。具体来说，Sc出现在PCB外部，而Sp出现在PCB上。在未来的工作中，我们将重点改进对Sc和Sp等复杂缺陷类别的检测性能，以便更准确地区分位于电路内的缺陷和位于电路外的缺陷。此外，我们计划探索将所提出的框架与基于Transformer的混合架构集成，以扩大其在多种制造场景中的适用性。