在中国制造业向智能化转型的发展背景下,特别是在国家大力推动新质生产力的潮流中,各类电子设备得到了快速发展,因此,电子产品内部印制电路板(printed circuit board,PCB)的可靠性要求进一步提高.PCB表面缺陷直接影响电子设备的可用性和稳定性.传统的手动筛查方法效率低下且容易出现漏检,严重制约了企业的生产效率.鉴于此,在YOLOv5s的基础上,通过引入ECA(efficient channe attention,ECA)注意力机制,能够显著提升对小目标检测的准确性并减少背景噪声的影响,从而提高了整体检测性能.均值平均精度(mean average precision,mAP)相比于原始YOLOv5s从0.881提升至0.915,改进后的模型准确性和鲁棒性得到了进一步提高,能够适应不同工况下的PCB表面缺陷检测需求.此外,基于PyQt实现的检测系统支持图片、离线视频和摄像头实时检测功能,并能显示缺陷类型和数量,对于推动相关企业实现PCB表面缺陷的智能化检测具有重要的实际意义.
万方数据
维普
