EM-YOLO: 高精度電子部品検出のためのマルチスケールアテンションと動的特徴融合
Zeyi Xu1, Jiahui Han1, Hongying Qin2
1School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou, 434023, China.
Scientific reports
|December 24, 2025
まとめ
EM-YOLOアルゴリズムは、回路基板上の電子部品検出の精度を向上させ、検出漏れを減らします。この高度なターゲット検出方法は、自動検査を改善するために特徴表現と局在化を強化します。
科学分野:
- コンピュータビジョン
- 人工知能
- 電気工学
背景:
- 自動光学検査（AOI）は、電子部品回路基板検査における検出漏れや精度の低さといった課題に直面しています。
- 既存のアルゴリズムは、小型または密集したコンポーネントの検出に苦労しています。
研究 の 目的:
- YOLOv11に基づいて強化されたターゲット検出アルゴリズムであるEM-YOLOを開発し、電子部品検査を改善します。
- 特徴表現、マルチスケール融合、および局在化精度の限界に対処します。
主な方法:
- Efficient Multi-scale Attention（EMA）を備えたC3k2_EMAバックボーンを設計し、小さなコンポーネントの特徴抽出を強化しました。
- Bidirectional Feature Pyramid Network（BiFPN）とSpatial Pyramid Depthwise Convolution（SPDConv）を統合したBiSPD-FPNネック構造を提案し、特徴融合を最適化しました。
- バウンディングボックス回帰と局在化精度を向上させるために、検出ヘッドにFocal-DIoU損失関数を導入しました。
主要な成果:
- EM-YOLOは、自作および公開のPCBデータセットで、それぞれ平均平均精度（mAP@0.5）が0.5％および3.9％増加しました。
- ベンチマークアルゴリズムと比較して、偽陰性率（FNR）が1.3％および4％減少しました。
- 検出精度で主流のアルゴリズムを上回り、検出漏れを大幅に軽減しました。
結論:
- EM-YOLOアルゴリズムは、電子部品に対して優れた検出精度と偽陰性の低減を提供します。
- 提案された最適化は、特徴表現、マルチスケール融合、および局在化を効果的に強化します。
- EM-YOLOは、自動回路基板検査のための堅牢で汎用性の高いソリューションを提供します。
