خوارزمية اكتشاف عيوب سطح لوحة الدوائر المطبوعة بناءً على YOLO11 المحسّن
摘要
لمعالجة مشكلات الدقة غير الكافية والأخطاء والإغفالات في الكشف عند التعامل مع الأجسام صغيرة الحجم والخلفيات المعقدة والتشكيلات غير المنتظمة في خوارزميات اكتشاف عيوب PCB الحالية، تقترح هذه الورقة طريقة جديدة لاكتشاف عيوب سطح لوحة الدوائر المطبوعة تعتمد على YOLO11 المحسّن. أولاً، تم إدخال آلية الانتباه باستخدام الالتفاف متعدد المقاييس (MSCA) في الشبكة الأساسية لتعزيز قدرة الكشف عن العيوب الدقيقة. ثانياً، تم استبدال الهيكل التقليدي للعنق (Neck) بشبكة هرمية للميزات عالية الكفاءة (HS-FPN)، حيث تم تحسين قدرة النموذج على اكتشاف العيوب بمقاسات مختلفة من خلال دمج آلية انتباه القنوات (CA) وآلية دمج الميزات الاختيارية (SFF). بعد ذلك، تم دمج ConvFormer مع وحدة البوابة الخطية الالتفافية (CGLU) لتحسين وحدة C3K2، مما يقلل من تعقيد الحسابات مع تحسين استخراج الميزات الفعالة. وأخيراً، استخدمت دالة خسارة UIoU (Unified-IoU) لضبط توزيع أوزان مربعات الاقتراح ديناميكياً، مما يعزز دقة التحديد وسرعة التقارب. أظهرت التجارب على مجموعة بيانات مكونة من 6 أنواع من صور عيوب PCB التي تم بناؤها ذاتياً أن النموذج المحسن حقق mAP بنسبة 89.1%، مع تحسن بنسبة 5.3% في الدقة المتوسطة، وزيادة الدقة بمقدار 2.3%، وارتفاع معدل الاسترجاع بمقدار 6.1% مقارنةً بنموذج YOLO11 الأصلي، وتقليل حجم المعاملات بنسبة 28.3%، مؤكدًا فعالية وطموح تطبيق الطريقة المقترحة في الكشف الفعلي عن عيوب PCB.
关键词
معالجة الصور;كشف عيوب PCB;YOLO11;آلية الانتباه باستخدام الالتفاف متعدد المقاييس;شبكة هرم الميزات عالية الكفاءة
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website