基于SimAM-YOLOv5s的PCB缺陷检测算法

为解决PCB缺陷检测存在精度低、检测效果差的问题，提出一种基于SimAM-YOLOv5s的PCB缺陷检测算法。利用Kmeans++对锚框进行重新聚类，通过添加浅层尺度信息来丰富小目标数据，提高深层和浅层语义信息的融合能力；将损失函数修改为SIoU,即引入角度损失来计算距离损失，以加快网络收敛速度，使回归参数更加准确；通过结合轻量化注意力机制SimAM为网络提供三维的注意力权重，过滤掉冗余信息，改善模型的准确性和鲁棒性。实验结果表明，改进后YOLOv5s算法的模型大小为27.7 MB,检测的平均精度均值为98.39%,比原网络提高了4.44%,有效提升了PCB缺陷检测的精度。