来源：期刊VIP网 时间：
作者：马一凡;朱晓春;王鸣昕;胡彬;彭国峰;朱昌飞;
单位：南京工程学院自动化学院;中电鹏程智能装备有限公司;
摘要：为提高芯片封装基板外观缺陷检测的精度并减小其计算量，提出一种基于改进YOLOv10n网络模型的芯片封装基板外观缺陷检测方法。该方法利用星形块(Star＿Block)与上下文锚点注意力(CAA)机制将C2f模块重构为C2f＿Star＿CAA模块，通过增加输入映射的特征维度并整合远距离上下文信息，有效提升了模型的特征提取能力；引入可变形卷积网络(DCNv3),针对不同尺度缺陷自适应调整卷积核大小，显著增强了模型的多尺度缺陷检测能力；用动态检测头(Dyhead)取代普通检测头，通过动态选择不同作用的注意力机制，强化了对缺陷的位置、尺度及类别的感知，提升了模型的泛化能力。基于自定义构建的芯片封装基板数据集进行实验，结果表明，改进模型的计算量较原始模型减小了7.14%,其精确率(P)、召回率(R)、平均精度均值(mAP@0.5)分别达到了84.9%、86.3%、90.4%,较原始模型分别提高了3.4%、4.9%和3.3%,该方法在减小模型计算量的同时提高了检测精度，验证了其在实时监测场景中的可行性。
关键词：封装基板;;缺陷检测;;YOLOv10n;;C2f＿Star＿CAA;;可变形卷积网络(DCNv3);;动态检测头(Dyhead)
基金资助：江苏省高校自然科学基金重大项目(23KJA510003)
