Angesichts der geringen Größe der Defektziele auf Leiterplatten (Printed Circuit Board, PCB), der komplexen Hintergründe, der dichten Verteilung sowie der Schwierigkeit bestehender Erkennungsalgorithmen, sowohl Genauigkeit als auch Geschwindigkeit zu berücksichtigen, schlägt dieser Artikel einen PCB-Defekterkennungsalgorithmus auf Basis von OL-HAIM (OverLoCK-HAFB-APKConv mit verbessertem Matching) vor. Der Algorithmus verwendet zunächst das OverLoCK-Backbone-Netzwerk mit einem "erst Überblick, dann Details"-Ansatz, reduziert die Rechenkomplexität und verbessert die Merkmalsdarstellung kleiner Objekte durch eine Deep-Level Decomposition Strategy (DDS) und Context-Mixing Dynamic Convolution (ContMix). Anschließend wurde ein hierarchisches Aufmerksamkeits-Fusionsmodul (HAFB) entworfen, das das CNN-basierte Cross-Scale Feature Fusion Modul (CCFF) ersetzt und die Fähigkeit zur Erkennung winziger Defekte durch lokale-globale Aufmerksamkeitsmechanismen verbessert. Schließlich wird eine adaptive Punkt-für-Punkt-Faltung (APKConv) eingeführt, die durch lernbare Verschiebungen eine adaptive Deformation des rezeptiven Feldes ermöglicht und unterschiedliche Defektmerkmale präzise erfasst. Experimentelle Ergebnisse zeigen, dass OL-HAIM bei einem IoU-Schwellenwert von 0,5 auf dem PCB-DEFECT-Datensatz eine mittlere Präzision (mAP@0.5) von 97,6 % erreicht, was eine Steigerung von 4,8 Prozentpunkten gegenüber dem Basismodell bedeutet; das Modell verfügt lediglich über 13,8 Millionen Parameter, die FLOPS wurden auf 23,6G reduziert und die Inferenzgeschwindigkeit auf der eingebetteten Plattform RK3588 beträgt 55,7 Bilder pro Sekunde. Domänenübergreifende Experimente auf den Datensätzen NEU-DET (Northeastern University Surface Defect Detection Dataset) und MS COCO (Microsoft Common Objects in Context) bestätigen die Generalisierungsfähigkeit des Algorithmus. Bei Feldtests mit vor Ort gesammelten Proben aus einer bestimmten PCB-Produktionslinie erreichte das Modell eine mAP@0.5 von 95,1 % und eine Inferenzgeschwindigkeit von 55,4 FPS auf der RK3588-Plattform, was eine Kombination von hoher Präzision und Echtzeitfähigkeit in realen Szenarien darstellt. Die vorgestellte Methode bietet eine effektive Lösung für die Echtzeiterkennung von PCB-Defekten vor Ort, die hohe Präzision und leichte Bereitstellung vereint.

PCB-Defekterkennung;DEIM;Leichtgewichtige Objekterkennung;Edge-Deployment