来源：期刊VIP网 时间：
作者：陈澍元;王鸣昕;赵嘉宁;蒋忠进;
单位：东南大学信息科学与工程学院;中电鹏程智能装备有限公司;
摘要：为提高芯片球栅阵列(BGA)缺陷检测的精度和效率，提出一种基于改进YOLOv8网络模型的芯片BGA缺陷检测方法。该方法以常规YOLOv8网络模型为基础，在骨干网络中引入双层路由注意力(BRA)机制，以增强模型捕捉长程依赖和复杂特征的能力；在检测头网络中引入双标签分配策略，从而省略耗时的非极大值抑制(NMS)运算，以提高模型检测速度；此外，引入Focaler-Wise IoU边框回归损失函数，以提高模型的边框回归精度。进行了大量基于实测数据的BGA缺陷检测实验，实验结果验证了改进YOLOv8模型的有效性，其总体性能优于三种对比模型。相比常规YOLOv8模型，改进YOLOv8模型的精确率提高了1.2%,召回率提高了3.9%,平均精度均值mAP_(50)提高了2.9%,mAP_(50～95)提高了2.2%,每秒处理帧数(FPS)提高了33.8%。
关键词：球栅阵列(BGA);;缺陷检测;;深度学习;;YOLOv8;;注意力机制
