针对印刷电路板(printed circuit board,PCB)缺陷目标小导致识别精度低的问题,提出基于三重注意力跨阶段连接-你只看一次版本11小型(triplet attention and cross stage connections-you only look once version 11 small,TAC-YOLOv11s)...针对印刷电路板(printed circuit board,PCB)缺陷目标小导致识别精度低的问题,提出基于三重注意力跨阶段连接-你只看一次版本11小型(triplet attention and cross stage connections-you only look once version 11 small,TAC-YOLOv11s)的PCB缺陷检测与实例分割算法。首先,设计了跨阶段部分连接(cross stage partial connections,CSPC)特征提取网络,增强网络的特征表达能力;其次,增加了小目标分割头(small object segmentation head,SO)模块,提高对小目标的检测和分割能力;然后,加入了三重注意力(triplet attention,TA)机制,增加对小目标的定位和捕获;最后,采用广义交并比(generalized intersection over union,GIoU)损失函数,优化算法性能。结果表明,与原始YOLOv11s算法相比,TAC-YOLOv11s算法的边界框和掩膜精确率分别提升了11.1%和8.2%,50%交并比阈值下的平均精确率均值分别提升了30.4%和34.3%,证明了算法的优越性。TAC-YOLOv11s算法对实现PCB缺陷的高精度检测与分割具有重要意义。展开更多
文摘针对印刷电路板(printed circuit board,PCB)缺陷目标小导致识别精度低的问题,提出基于三重注意力跨阶段连接-你只看一次版本11小型(triplet attention and cross stage connections-you only look once version 11 small,TAC-YOLOv11s)的PCB缺陷检测与实例分割算法。首先,设计了跨阶段部分连接(cross stage partial connections,CSPC)特征提取网络,增强网络的特征表达能力;其次,增加了小目标分割头(small object segmentation head,SO)模块,提高对小目标的检测和分割能力;然后,加入了三重注意力(triplet attention,TA)机制,增加对小目标的定位和捕获;最后,采用广义交并比(generalized intersection over union,GIoU)损失函数,优化算法性能。结果表明,与原始YOLOv11s算法相比,TAC-YOLOv11s算法的边界框和掩膜精确率分别提升了11.1%和8.2%,50%交并比阈值下的平均精确率均值分别提升了30.4%和34.3%,证明了算法的优越性。TAC-YOLOv11s算法对实现PCB缺陷的高精度检测与分割具有重要意义。
