摘要
21世纪全球已进入快速发展阶段，各国制造业发展迅速。印刷电路板(Printed Circuit Board,PCB)是制造业的基础，广泛应用于各个领域:小到电子手表、移动电话,大到医疗设备、工业生产设备、军用武器等。作为现代电子设备的不可缺少的重要部件，PCB由于高集成化，贴片元器件微小，且存在环境、材料、人工或机械等诸多因素会导致PCB板存在缺陷。随着PCB的生产日益集成化和精密化，PCB缺陷检测面临着缺陷微小导致检测困难、漏检和检测速度慢等问题。通过加深网络模型的层次虽然能在一定程度上缓解对小目标检测困难的问题，但对于需要部署在算力较弱的嵌入式设备上的PCB缺陷检测来说并不适用。因此设计一种高效、准确且成本较低的轻量级PCB缺陷检测方法不仅具有实际意义，还具有一定理论价值。基于此，本文提出一种CSRF-YOLOv5的PCB检测方法。 本文具体工作如下: (1)首先对当下的PCB产业进行调查和分析，了解PCB缺陷检测的相关技术，并通过分析现有检测方法的缺陷，提出本文缺陷检测方法的需求目标。 (2)针对现有检测模型网络层次深，参数量和计算量较大，不适用于小算力、小内存的嵌入式设备，无法在实际工业生产环境应用的问题，提出了一种CS-YOLOv5的轻量化目标检测模型:使用Shuffle_block轻量化改进YOLOv5的主干网络，降低模型的参数量和计算量;用H-Swish激活函数代替ReLU提高准确度;将CA注意力结构插入到主干网络中的Shuffle_block模块后，提高网络性能。实验结果表明，CS-YOLOv5的规模被压缩到了1.64MB,有效降低了算法的参数量，在COCO测试集上的mAP达到了 47.6％,与YOLOv5相比mAP提高了 1.9％,计算量减少了三分之二。 (3)针对PCB缺陷目标较小、像素少及缺陷不规则导致PCB缺陷检测存在检测困难、精度较低等问题，本文提出CSRF-YOLOv5的PCB检测方法，通过空洞卷积RF优化YOLOv5颈部的Bottleneck结构，并通过优化后的RF-Bottleneck结构重构颈部特征融合网络PAN。通过消融实验证明本文提出的RF-PAN特征融合方式的有效性，最后将提出的缺陷检测方法搭载在嵌入式平台Jetson Xavier NX上进行实验，实验结果表明本文提出的CSRF-YOLOv5PCB缺陷检测方法比原始YOLOv5检测方法参数量减少了 40.6MB,mAP 提高了 2.9％,FPS 提高了 6.7f/s。说明了本文提出的 CSRF-YOLOv5方法性能更好，检测精度更高、检测速度更快。
NETL