基于改进 YOLOv11n 的轻量化印刷电路板缺陷检测算法

杜谦1; $21; $21; $21; $22; $22（80-89）

文章摘要

author_cn_name].基于改进 YOLOv11n 的轻量化印刷电路板缺陷检测算法[J].重庆科技学院学报（自然科学版）,2026,(1):.

基于改进 YOLOv11n 的轻量化印刷电路板缺陷检测算法

DOI：10. 19406 / j. issn. 2097-4531. 2026. 01. 009

中文关键词: 印刷电路板缺陷检测轻量化算法 YOLOv11n 算法动态损失函数

英文关键词:

基金项目:重庆市自然科学基金面上项目“热轧钢带智能检测中 DeLiGAN 和迁移学习的改进及应用” ( CSTB2022NSCQMSX1425);重庆科技大学硕士研究生创新计划项目“基于 Atlas 200I DK A2 的印刷电路板缺陷智能检测系统设计与实现”(YKJCX2420401),“PBE-RTDETR 改进方法及其在带钢表面小目标缺陷检测中的应用”(YKJCX2421001)

作者	单位
杜谦1 苏盈盈1 彭杰1 刘灿1 李文杰2 罗林2（80-89）	1. 重庆科技大学电子与电气工程学院 2. 重庆科技大学数理科学学院

摘要点击次数: 204

全文下载次数: 0

中文摘要:

针对印刷电路板缺陷检测中存在的检测精度低、参数量和计算量大等问题,提出了一种基于改进 YOLOv11n 的轻量级 AHO-YOLO 算法。引入 Adown 下采样模块,以减少特征图尺寸并保留关键信息;设计层次动态特征金字塔网络,通过融合通道注意力与动态上采样机制,优化多尺度特征交互;采用在线卷积重参化技术改进 C3k2 模块,降低算法复杂度;提出 Focaler-WIoU 损失函数,动态平衡不同尺寸缺陷的梯度分配。实验结果表明,AHO-YOLO 算法在 PCB 缺陷数据集上的平均精度均值达到 97. 0%,较基准算法提升 1. 6 百分点;参数量、计算量分别降低 42. 2%、34. 9%。该算法可在轻量化的同时实现高精度检测,为工业场景中的 PCB 缺陷检测提供有效解决方案。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭