Pour résoudre le problème de la lenteur de la détection et de la faible précision des défauts de points de soudure des broches dans l'assemblage des circuits imprimés (PCBA), causé par la petite taille des cibles, la densité de distribution et la complexité de l'arrière-plan, cet article propose une méthode de détection des défauts des points de soudure des broches PCBA basée sur RT-DETR amélioré. Tout d'abord, face au manque de capacité de perception globale de RepC3 dans la fusion des informations sémantiques multi-échelles, un module de renforcement collaboratif local et global est proposé pour améliorer la compréhension globale du modèle des caractéristiques multi-échelles. Ensuite, une méthode d'upsampling consciente de la fréquence est conçue pour corriger efficacement le décalage du centre des caractéristiques causé par l'upsampling traditionnel par interpolation et renforcer la capacité du modèle à répondre aux zones clés. Enfin, RepViT est introduit comme réseau principal, améliorant la capacité d'extraction des caractéristiques tout en compressant efficacement la taille du modèle. La méthode proposée est évaluée sur un ensemble de données d'images de points de soudure des broches PCBA collectées et annotées par nous-mêmes sur une ligne de production industrielle, ainsi que sur l'ensemble de données PKU-Market-PCB. Sur l'ensemble de données d'images des points de soudure des broches PCBA, les paramètres du modèle ont été réduits de 31,44 %, la quantité de calcul de 29,21 %, le mAP50 augmenté de 9,88 % et la vitesse d'inférence portée à 84,74 FPS par rapport à RT-DETR. Sur l'ensemble de données PKU-Market-PCB, le mAP50 et la vitesse d'inférence ont respectivement augmenté de 6,75 % et 23,10 %. La méthode améliore significativement la précision et l'efficacité de la détection tout en conciliant ressources informatiques et performances en temps réel et présente de bonnes perspectives d'applications industrielles et une valeur de recherche.

PCBA;détection des points de soudure;RT-DETR;fusion des caractéristiques multi-échelles;upsampling;RepViT