来源：期刊VIP网 时间：
作者：李宇轩;曾庆涛;陆利坤;
单位：北京印刷学院信息工程学院;
摘要：针对印刷电路板（Printed Circuit Board,PCB）缺陷检测中存在的网络模型精度低、速度慢等问题，本研究提出了一种基于YOLOv8模型改进的PCB表面缺陷检测网络YOLO-DGW。首先，在该网络的主干中融合改进的EMA(Efficient Multi-scale Attention)机制，避免特征图降维，同时减少背景与图像缺陷之间的干扰，提高网络的解析能力。其次，基于GD(Gather-and-Distribute)机制设计了网络颈部的特征融合结构GGneck，获得更充足的全局特征，并注入各个尺度的特征图中，使YOLO-DGW拥有更高效的多尺度特征融合能力，显著提高检测性能。最后，利用WIoU损失函数对预测锚框损失的梯度进行优化，解决了网络训练后期预测框损失收敛变慢的问题。实验结果表明，YOLO-DGW在性能和延迟之间取得了良好的平衡，mAP得分达到0.966。相较于其他算法，该方法可以更加准确、快速地实现了印刷电路板表面缺陷的高精度检测。
关键词：印刷电路板缺陷检测;;YOLO;;深度学习;;YOLO-DGW
