SCP-DETR:用于PCB缺陷检测的高效小物体增强特征金字塔方法
Yuanyuan Wang1, Tongtong Yin1, Xiuchuan Chen1
1College of Computer and Software Engineering, Huaiyin Institute of Technology, Huaian, China.
PloS one
|August 29, 2025
概括
这项研究引入了SCP-DETR,一种用于检测印刷电路板 (PCB) 的小缺陷的改进方法. SCP-DETR通过优化功能融合和使用专用卷曲来提高准确性,显著提高了缺陷检测性能.
科学领域:
- 计算机视觉
- 人工智能
- 制造技术
背景情况:
- 印刷电路板 (PCB) 的缺陷会影响电子元件的质量.
- 现有的检测方法难以应对背景干扰和小缺陷.
研究的目的:
- 开发一种改进的PCB缺陷检测方法
- 为了提高细微缺陷的准确性.
- 为了减少功能融合中的计算开销.
主要方法:
- 根据RT-DETR进行SCP-DETR.
- 集成的S2功能层与空间到深度卷积 (SPDConv) 以有效地检测小目标.
- 使用CO-Fusion模块与CSP全核模块 (CSPOKM) 进行多级特征学习.
- 用Pinwheel-shaped Convolution (PSConv) 取代下方采样,以更好地表示小目标特征.
主要成果:
- 实现了97%的mAP@0.5,超过RT-DETR-r18的3%.
- 达到了53.4% mAP@0.5:0.95,改善了2.2%.
- 与YOLOv11m相比,mAP@0. 5提高了5. 6%.
结论:
- 在PCB缺陷检测方面表现优异.
- 这种方法为工业生产质量控制提供了巨大的潜力.
- 增强的功能融合和专用卷曲有效地解决了检测小缺陷的挑战.


