文章详情

摘要

随着PCB朝着高密度、复杂化、小型化发展，对复杂背景下小目标缺陷检测提出高要求。为了提升模型小目标缺陷检出能力，基于YOLOv11模型，提出了一种增强PCB小目标检测算法YOLO-PMAA。首先，在骨干网络浅层引入风车型卷积PConv，通过非对称填充与卷积扩大感受野，确保小目标特征向网络深层传递；其次，设计了多维级联混合注意力模块MDCA，通过尺度、通道、空间多维度关注重要信息，加强对细、长、窄类型小目标的特征提取；最后，设计了自适应形状损失函数ASIoU，提升模型检测性能。该算法在PKU-Market-PCB数据集上进行多轮验证，与YOLOv11n相比，精确率提升3.0%，召回率提升6.2%，mAP@0.5提升3.8%，mAP@0.5:0.95提升3.2%，参数量减少4.25%，权重文件下降3.82%，在平衡模型复杂度的同时，有效提升了模型性能。

关键词

PCB缺陷检测；注意力机制；损失函数；特征融合；小目标检测

参考文献

1. [1] Ling Q，Isa N A M. Printed Circuit Board Defect Detection Methods Based on Image Processing, Machine Learning and Deep Learning: A Survey [J].IEEE Access，2023（11）：15921-15944.
2. [2] Xia K W，Lyu Z L，Liu K，et al. Global Contextual Attention Augmented YOLO with ConvMixer Prediction Heads for PCB Surface Defect Detection [J].Scientific Reports，2023，13（1）：9805-9805.
3. [3] Li B，Palayew S，Li F，et al. PCBDet: An Efficient Deep Neural Network Object Detection Architecture for Automatic PCB Component Detection on the Edge [J/OL].Electronics Letters，2024，60（2）：e13042.https://doi.org/10.1049/ell2.13042.
4. [4] LI D，BAI F，LI S，et al. EL-PCBNet: An Efficient and Lightweight Network for PCB Defect Detection [J/OL].Measurement，2025，253：11771910.1016/j.measurement.2025.117719.
5. [5] Zheng H，Peng J，Yu X，et al. FDDC-YOLO: an efficient detection algorithm for dense small-target solder joint defects in PCB inspection [J/OL].Journal of Real-Time Image Processing，2025，22（2）：83.https://link.springer.com/article/10.1007/s11554-025-01664-4.
6. [6] Xiao G S，Hou S L，Zhou H Y. PCB Defect Detection Algorithm Based on CDI-YOLO [J/OL].Scientific Reports，2024，14（1）：https://doi.org/10.1038/s41598-024-57491-3.
7. [7] 魏嘉敏，续欣莹，韩晖，等.基于YOLO-HorL的轻量级PCB缺陷检测算法 [J].计算机工程与设计，2025，46（11）：3283-3291.
8. [8] Yang J N，Liu S L，Wu J J，et al. Pinwheel-shaped Convolution and Scale-based Dynamic Loss for Infrared Small Target Detection [C]//Proceedings of the AAAI Conference on Artificial Intelligence，2025，39（9）：9202-9210.
9. [9] Zhang Y，Zhang H，Zhao H M. DsP-YOLO: An anchor-free network with DsPAN for small object detection of multiscale defects [J/OL].Expert Systems with Applications，2024，241：122669.https://doi.org/10.1016/j.eswa.2023.122669.
10. [10] Zhu H Y，Wei L Y，Li H. VR-YOLO: Enhancing PCB Defect Detection with Viewpoint Robustness Based on YOLO [C]//2025 IEEE 11th World Forum on Internet of Things (WF-IoT)，2025：1-6.

基金项目

湖南省教育厅科学研究项目（25C0994）

作者简介

周杨淼（1991—），女，回族，湖北武汉人，讲师，硕士，研究方向：计算机视觉。