HS-YOLO:基于层级式部分多尺度卷积的PCB小目标检测模型
王志忠
孙克雷
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：为解决印制电路板(printed circuit board,PCB)制造时出现的微小缺陷(如缺孔、鼠咬、开路等)差异性小导致难以区分的问题,提出了基于你只看一次第 11 版纳米型(you only look once version 11 nano,YOLOv11n)的层级式部分多尺度卷积与小目标增强金字塔-YOLO(hierarchical partial multi-scale convolution and small targets strengthen pyramid-YOLO,HS-YOLO)模型.首先提出了层级式部分多尺度卷积(hierarchical partial multi-scale convolution,HPMSConv)模块,采用递进式混合特征融合策略,提高模型对多种缺陷类型的适应性.其次提出了小目标强化金字塔,设计了交叉全向卷积核模块,并在路径聚合特征金字塔网络(path aggregation feature pyramid network,PAFPN)上进行改进,通过关注缺陷的全局信息显著提升小目标的检测能力.在北京大学市场印制电路板(Peking University market powered by printed circuit board,PKU-Market-PCB)数据集上的实验结果表明,HS-YOLO模型在交并比阈值为 0.50～0.95 且步长为 0.05 下的平均精确率均值比YOLOv11n模型提高了 3.7 个百分点,召回率提高了 4.1 个百分点.HS-YOLO模型不仅提高了对PCB微小缺陷的检测准确性,而且有效改善了PCB缺陷检测中差异性小的目标检测能力不足的问题,为PCB自动化检测提供了高性能解决方案.
关键词：PCB微小缺陷特征融合小目标强化金字塔交叉全核
分类号：TP391.4(计算技术、计算机技术)TN41(微电子学、集成电路（IC）)
资助基金：安徽高校自然科学研究项目(2024AH040065)
论文发表日期：2025-09-20
在线出版日期：2025-09-24（本平台首次上网日期，不代表文献的发表时间）
页数：8( 411-417,424 )
英文信息