计算机与现代化 ›› 2024, Vol. 0 ›› Issue (02): 88-92.doi: 10.3969/j.issn.1006-2475.2024.02.014
摘要: 摘要:针对PCB表面背景影响缺陷检测以及检测模型过大消耗资源的问题,提出一种可以有效提取多尺度信息和边缘信息的轻量化网络模型SL-Unet用于PCB表面缺陷检测。SL-Unet以U-Net结构作为主干网络,首先,利用U型残差结构捕获主干网络中每一维度的多尺度信息,加强浅层信息与深层信息的交流,并引入DropBlock模块提升模型的泛化能力;其次,利用解码器的边缘信息完成深度监督,并融入轻量级通道注意力模块提升边缘信息的特征依赖,以引导主干网络在提取特征时能感知缺陷的边缘信息;然后,通过边缘感知模块构建多级联合损失,用于整体模型的优化;最后,采用Leaky ReLU函数替换网络中的ReLU函数,提高模型对负区间的特征提取能力。实验结果表明SL-Unet的Dice系数、交并比、图像检测帧率和模型大小指标分别达到79.3%、67.4%、22 帧/s和3.46 MB,极大地保证了模型的轻量化并显著提升了PCB表面缺陷图像的检测精度。
中图分类号: