基于轻量化YOLOv12的PCB板表面缺陷检测OA
针对PCB表面缺陷检测中质检环境复杂和模型复杂度与边缘部署适配的问题,文中提出一种基于YOLOv12部分卷积优化与知识蒸馏的轻量化PCB表面缺陷检测方法.首先,通过引入部分卷积(PConv)重构骨干网络,将A2C2f和C3k2结构替换为轻量级卷积模块;然后,结合知识蒸馏与自适应损失函数优化,以增强微小缺陷感知能力,并提升模型收敛速度,降低模型参数量与计算开销,适配边缘端受限算力环境.该方法在保持较高检测精度的同时,有效压缩了模型规模并提升了推理效率,适用于复杂环境下的PCB板表面缺陷检测.
黎文聪;陈伟迅
广州铁路职业技术学院 人工智能学院,广东 广州 510430广州铁路职业技术学院 人工智能学院,广东 广州 510430
信息技术与安全科学
PCB板表面缺陷检测知识蒸馏卷积神经网络YOLOv12图像处理边缘计算目标检测
《物联网技术》 2026 (17)
38-41,4
广州市教育局高校科研项目(2024312419)
评论