基于改进DEIM的印刷电路板缺陷检测算法OA

针对印刷电路板(Printed Circuit Board,PCB)表面缺陷目标尺寸小、背景复杂、分布密集以及现有检测算法难以兼顾精度与速度的问题,本文提出基于OL-HAIM(OverLoCK-HAFB-APKConv with Improved Matching)的PCB缺陷检测算法。该算法首先采用先概览后细看(OverLoCK)主干网络,通过深层级分解策略(DDS)和上下文混合动态卷积(ContMix)降低计算复杂度并增强小目标特征表达;其次设计了分层注意力融合模块(HAFB)替代基于CNN的跨尺度特征融合模块(CCFF)结构,通过局部-全局注意力机制提升微小缺陷检测能力;最后引入自适应逐点卷积(APKConv),通过可学习偏移量实现感受野自适应变形,精准捕获不同形态缺陷特征。实验结果表明,OL-HAIM在PCB-DEFECT数据集上的IoU阈值为0.5时的平均精度均值(mAP@0.5)达97.6%,较基线模型提升4.8个百分点;该模型参数量仅为13.8M,每秒浮点运算次数(FLOPS)降至23.6G,在RK3588嵌入式平台上的推理速度达55.7帧/s(FPS)。在NEUDET(Northeastern University Surface Defect Detection Dataset)和MS COCO(Microsoft Common Objects in Context)数据集上的跨域实验验证了算法的泛化能力。在某PCB生产线实地采集样本上的现场测试中,模型的mAP@0.5达95.1%,于RK3588嵌入式平台的推理速度达55.4 FPS,兼顾了实地场景下的高精度检测与实时性需求。本文方法为工业现场PCB缺陷实时检测提供了兼顾高精度与轻量化部署的有效方案。