基于改进YOLOv3的印刷电路板缺陷检测算法

针对现有基于深度学习的印刷电路板(PCB)缺陷检测算法无法同时满足精度和效率要求的问题,提出基于YOLOv3改进的AT-YOLO算法来检测PCB缺陷.?将主干网络替换为ResNeSt50,提高特征提取能力,减少参数量.?引入SPP模块,融合不同感受野的特征,丰富了特征的表达能力.?改进PANet结构替换FPN,插入SE模块提升有效特征图的表达能力,增加1组高分辨率特征图的输入输出,提升对小目标物体的敏感程度,检测尺度由3个增加到4个.?使用K-means算法重新聚类生成锚框尺寸,提高了模型的目标检测精度.?实验证明,AT-YOLO算法在PCB缺陷检测数据集上的精度均值AP0.5达到98.42％,参数量为3.523×107,平均检测速度为36帧/s,满足精度和效率的要求.