基于YOLOX-WSC的PCB缺陷检测算法研究

针对复杂场景下，PCB缺陷检测难度大、种类多、容易出现误检或漏检的问题，提出一种基于YOLOX-WSC的PCB缺陷检测算法。对输入模型数据进行优化，采用弱化数据增强减少Mosaic引入的不准确图像并提前完成收敛，提升了模型检测效果；在主干网络中添加无参数注意力SimAM，在不增加模型参数的同时使用能量函数评估有效特征，以提升算法的特征提取和定位能力；在特征融合网络中采用CSPHB模块替换CSPLayer结构，获取高阶语义信息，提高分辨能力，同时加强特征融合网络的特征融合交互能力，进而提高模型检测性能。实验结果表明，各模块的改进平均精度均值（mAP）都有不同程度的提升，YOLOX-WSC算法的mAP@0.5达到96.65%,mAP@0.5:0.95达到了79.58%，比YOLOX分别提升了2.88个百分点、11.64个百分点，并且各个类别缺陷平均精度有明显提升，证明了算法的有效性。