一种基于改进深度学习算法的PCB缺陷图像检测方法

本发明公开一种基于改进深度学习算法的PCB缺陷图像检测方法。针对YOLOv3深度卷积神经网络模型对于正负样本不均衡、网络对PCB小缺陷的特征表达、图像重要特征信息提取等不足提出了改进，本发明提出了将FocalLoss函数代替原YOLOv3模型中的MSELoss函数的改进方式，以此来动态地控制正负样本和难易分类样本权重。同时本发明将SPP模块嵌入于支路小目标检测头、并且将CBAM模块并联融入YOLOv3模型，以使模型可以更多地关注图像中的缺陷信息，从而提升模型整体的特征提取能力。本发明方法可对不同类型的PCB缺陷图像进行检测，较原YOLOv3模型相比，敏感性等指标均有提升，在PCB缺陷检测任务中具有较好的性能，可以降低漏检率与误检率，更好地实现PCB缺陷的自动化和智能化检测。