基于通道剪枝的YOLOv8n印刷电路板缺陷检测

• 全文链接
• 请求原文

作   者：

杨慧聪;  陈慈发;  张上; 

作者机构：

三峡大学 湖北省建筑质量检测装备工程技术研究中心;  三峡大学水电工程智能视觉监测湖北省重点实验室;  三峡大学 水电工程智能视觉监测湖北省重点实验室; 

关键词：

小目标;  损失函数;  印刷电路板缺陷;  轻量化网络;  模型剪枝; 

期刊名称：

无线电工程

i s s n：

1003-3106

年卷期：

2025 年 55 卷 002 期

页   码：

271-280

摘   要：

针对印刷电路板(Printed Circuit Board, PCB)表面缺陷检测任务中模型体积和参数量较大的问题，提出了一种基于通道剪枝的轻量级YOLOv8n网络PCB缺陷检测算法。为有效提升对PCB小目标缺陷的特征提取能力，采用RepViT作为特征提取网络；为提升网络对小目标的关注度，减少神经网络推理过程中的梯度信息重复，将颈部网络的卷积模块替换为Rep-Net with Cross-Stage Partial CSP and ELAN(RepNCSPELAN4);为降低缺陷重叠时检测框失真现象，在预测部分使用Focaler-MPDIoU替换完全交并比(Complete Intersection over Union, CIoU);利用层自适应幅度分数剪枝(Layer Adaptive Magnitude based Pruning, LAMP)方法对融合改进方法的模型进行修剪，去除模型中冗余的梯度信息和权重，减少参数量和浮点运算量，压缩模型体积。实验结果表明，在PCB公开数据集中，经过LAMP之后，该算法相较于YOLOv8n,参数量下降60.8%,模型体积减小50.8%,计算量下降48.8%,平均精度均值(mean Average Precision, mAP)提高3.8%。在提高精度的同时，计算量、参数量和模型体积都低于原模型，满足在低配置设备下的使用需求。