2023年第5期仪表技术与传感器InstrumentTechniqueandSensor2023No．5基金项目:国家自然科学基金青年基金资助项目(62006073)收稿日期:2022－11－03基于改进YOLOv5的PCB板表面缺陷检测王淑青1，张子言1，朱文鑫1，刘逸凡2，王娟1，李青珏1(1．湖北工业大学电气与电子工程学院，湖北武汉430068;2．华中科技大学武汉光电国家研究中心，湖北武汉430074)摘要:针对当前PCB板检测参数量庞大、检测精度低等问题，提出了一种改进YOLOv5的检测模型。以YOLOv5模型为框架，采用EfficientNetV2结构替换原始模型的主干网络，针对小目标缺陷，引入对空间信息更敏感的CA注意力机制，并采用α－IoU损失函数提高模型回归精度。实验结果表明:改进后的YOLOv5网络模型较原始网络均值平均精度提高了2．6%，参数量减少47%，可应用在小型工业检测设备中。关键词:PCB板检测;YOLOv5;EfficientNetV2;缺陷检测;注意力机制;损失函数中图分类号:TP391文献标识码:A文章编号:1002－1841(2023)05－0106－06SurfaceDefectDetectionofPCBBasedonImprovedYOLOv5WANGShu-qing1，ZHANGZi-yan1，ZHUWen-xin1，LIUYi-fan2，WANGJuan1，LIQing-jue1(1．SchoolofElectricalandElectronicEngineering，HubeiUniversityofTechnology，Wuhan430068，China;2．WuhanOptoelectronicsNationalＲesearchCenter，HuazhongUniversityofScienceandTechnology，Wuhan430074，China)Abstract:InordertosolvetheproblemsoflargenumberofparametersandlowdetectionaccuracyofcurrentPCBdetection，adetectionmodelofimprovedYOLOv5wasproposed．TakingtheYOLOv5modelastheframework，themainnetworkoftheorigi-nalmodelwasreplacedbythestructureofEfficientNetV2．Aimingatthedefectsofsmalltargets，theCAattentionmechanismwhichismoresensitivetospatialinformationwasintroduced，andtheα－IOUlossfunctionwasusedtoimprovetheaccuracyofthemodelregression．Theexperimentalresultsshowthatcomparedwiththeoriginalnetwork，theimprovedYOLOv5networkmod-elimprovesthemeanaverageaccuracyby2．6%andreducesthenumberofparametersby47%，whichcanbeeasilydeployedinsmallindustrialtestingequipment．Keywords:PCBdetection;YOLOv5;EfficientNetV2;defectdetection;mechanismofattention;lossfunction0引言进入工业4．0时代以来，电子设备与我们的生活紧密相连，而精密的电子产品往往依赖于PCB板进行走...
