基于轻量级CRF-YOLO的印刷电路板微小与弱缺陷检测模型研究
《Sensors》:A Lightweight PCB Defect Detection Method Based on Heterogeneous Feature Enhancement and Discrepancy-Guided Fusion
【字体:
大
中
小
】
时间:2026年09月22日
来源:Sensors 4.0
编辑推荐:
摘要
准确检测微小和弱缺陷对于确保印刷电路板(PCBs)的制造质量和运行可靠性至关重要。然而,现有的检测器仍受限于细粒度特征表示不足、重复导电背景干扰、定位不稳定以及计算复杂度过高。为应对这些局限性,基于YOLO11n开发了一种轻量级缺陷检测模型,称为紧凑重校准与融合YOL
摘要准确检测微小和弱缺陷对于确保印刷电路板(PCBs)的制造质量和运行可靠性至关重要。然而,现有的检测器仍受限于细粒度特征表示不足、重复导电背景干扰、定位不稳定以及计算复杂度过高。为应对这些局限性,基于YOLO11n开发了一种轻量级缺陷检测模型,称为紧凑重校准与融合YOLO(CRF-YOLO)。C3k2-Lite将部分通道空间建模与跨阶段特征聚合相结合,在保留关键缺陷信息的同时减少了冗余计算。残差特征融合注意力模块(RFFA)通过联合编码位置、边界、连通性和纹理线索,执行异质缺陷证据分解。独立门控的证据聚合和双维度特征重校准增强了嵌入在复杂电路背景中的弱轮廓中断、异常导电连接和细微纹理扰动。残差交叉融合模块(RCF)在原始表示和注意力增强表示之间建立了差异引导的双流特征协调。位置自适应特征选择和结构感知细节重建保留了低幅度缺陷线索,同时选择性地纳入判别信息。采用Shape-NWD来提高微小、细长和几何不规则缺陷的定位稳定性。实验结果表明,CRF-YOLO达到了95.53%的精确度、91.26%的召回率、94.46%的mAP@0.5以及51.74%的mAP@0.5:0.95,具有217.5万个参数和6.0 GFLOPs。与主流代表性目标检测器相比,所提出的模型在保持更优的轻量级特性的同时,提供了卓越的整体检测性能。此外,还实现了基于浏览器的检查接口,支持图像上传、自动缺陷检测和结果可视化,展示了所提出方法的实际部署潜力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号