一种融合GAM和SimAM注意力机制改进YOLOv5的PCB缺陷图像检测方法

本发明公开一种融合GAM和SimAM注意力机制改进YOLOv5的PCB缺陷图像检测方法，该方法针对YOLOv5深度卷积神经网络模型对于PCB小目标缺陷检测能力不足提出了改进，提出了利用交替的移动卷积和注意力(MOAT)模块的设计思想融合GAM与SimAM注意力机制，提出了GSAM注意力机制，并将GSAM模块嵌入YOLOv5模型，提出了改进YOLOv5‑GSAM模型。改进后的模型与原YOLOv5模型相比，敏感性、特异性等各项指标均有提升，本发明提高了模型对PCB小目标缺陷的检测精度，而且该检测模型具有较好的鲁棒性和泛化能力。
上海大学
张健滔 | 常正方 | 徐海达 | 石鑫雨