文件大小：2.27M
印刷电路板（Printed Circuit Board，PCB）行业中的缺陷检测是质量监测的关键环节。传统的PCB缺陷检测方法在处理微小且分布复杂的缺陷时可能存在局限性，无法达到理想的检测效果。提出了一种改进的基于YOLOX神经网络的PCB缺陷检测方法，以提高缺陷识别率。改进的方法包括加入CBAM注意力机制以加强特征提取网络，从而聚焦于目标区域，改善检测效果，并解决复杂情况下微小缺陷经常被错误识别和忽视的问题。同时，选择广义重叠联合（GIOU）定位损失函数来关注目标框架之间的重叠区域和中心点距离，以提高模型的定位精度；通过使用VariFocalLoss替换二元交叉熵损失来改善置信度预测损失，从而减小对目标缺陷的漏检率。经过一系列实验，改进后的算法表现更好，平均精度（mAP）达到了96.18%，相较于原算法提高了2.12%。本文提出的方法为PCB缺陷检测提供了更准确和可靠的解决方案。
