计算机工程

作者：魏文泉, 莫宏伟

单位：哈尔滨工程大学智能科学与工程学院, 黑龙江 哈尔滨 150001

关键词：计算机视觉,YOLOv5s模型,多尺度跨层特征融合,印刷电路板缺陷,小目标检测

基金：黑龙江省重点研发计划(GA21A302)

印刷电路板(PCB)的质量对工业电子产品的性能具有决定性的作用, 因此对PCB出厂质量的严格把控具有重要意义。PCB易出现的6类缺陷是评价PCB质量的主要参考依据, 针对现有的目标检测算法模型对PCB缺陷的检测精度低、体积庞大等问题, 提出改进的YOLOv5s-CMS模型。根据PCB缺陷的特点, YOLOv5s-CMS模型采用聚焦小目标信息的特征提取网络CCG(C2f-C3-Ghost)替换原有的特征提取网络, 使模型在特征提取阶段更加关注小目标的空间和梯度流信息; 在特征融合阶段, 提出一种多尺度跨层小目标特征融合网络(MCSTF-Net)来替换路径聚合网络(PANet), 在提高模型对PCB缺陷检测精度的同时大幅降低模型的参数量; 为进一步提升模型对小目标特征的理解程度, 将CCG网络和MCSTF-Net分别与SE(Squeeze-and-Excitation)注意力机制相结合, 在抑制无关通道的同时突出目标特征信息丰富的通道。消融实验结果表明, YOLOv5s-CMS模型对PCB缺陷检测的精确率、召回率、mAP@0.5和mAP@0.5∶0.95分别达到了98.1%、97.8%、98.4%和61.2%, 相比于YOLOv5s原模型分别提高了2.2、1.3、0.8和5.0百分点, 模型参数量同比减少了约46.1%。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期