来源：期刊VIP网 时间：
作者：李可;李锦屏;廉敬;
单位：兰州交通大学电子与信息工程学院;
摘要：印刷电路板(PCB)作为电子设备的核心组件，存在图像像素分辨率低、尺度差异显著及背景对比度低等缺陷，给检测工作带来了严峻的挑战。为实现高效、轻量化的缺陷检测，提出一种基于忆阻卷积神经网络(CNN)的PCB缺陷检测模型。该模型采用轻量化卷积优化的混合图特征网络(HGNet)v2替代YOLOv8n的主干网络，引入轻量级跨尺度特征融合模块(CCFM),以增强尺度适应性，并通过动态检测头(DynamicHead)模块融合尺度、空间与任务感知注意力机制，提升检测性能。基于忆阻器神经网络模拟(MemTorch)平台构建忆阻器交叉阵列(MCA)映射方案，将CNN权重高精度映射至电压阈值自适应忆阻器(VTEAM)交叉结构中，实现存算一体的推理加速。在北京大学PKU-Market-PCB数据集上的实验结果显示，该模型精确率(P)为98.4%、多类别平均精度均值(mAP@0.5)为97.3%、召回率(R)为95.0%,模型参数量(Params)较YOLOv8n的减少了约34.2%。研究结果表明，该模型在检测精度与硬件部署效率方面综合优势显著，在实时PCB缺陷检测中表现出优异的性能与良好的应用前景。
关键词：YOLO;;卷积神经网络(CNN);;忆阻器;;缺陷检测;;存算一体
基金资助：国家自然科学基金(62061023,82260364);; 甘肃省自然科学基金(23JRRA1485,22JRJ5RA166)
