Para abordar el problema de la baja velocidad y precisión en la detección de defectos en puntos de soldadura de patas en ensamblajes de placas de circuito impreso (PCBA) debido al pequeño tamaño del objetivo, la distribución densa y el fondo complejo, este artículo propone un método de detección de defectos en puntos de soldadura de patas PCBA basado en RT-DETR mejorado. Primero, para resolver la falta de capacidad de percepción global de RepC3 en la fusión de información semántica a múltiples escalas, se propuso un módulo de mejora colaborativa local y global para mejorar la capacidad del modelo para comprender globalmente las características multiescala. En segundo lugar, se diseñó un método de sobremuestreo consciente de la frecuencia para corregir eficazmente el desplazamiento del centro de características causado por el sobremuestreo tradicional por interpolación y mejorar la respuesta del modelo a las áreas clave. Finalmente, se introdujo RepViT como red principal, mejorando la capacidad de extracción de características mientras se comprime eficazmente el tamaño del modelo. El método propuesto se evaluó con un conjunto de datos de imágenes de puntos de soldadura de patas PCBA recopilados y anotados por nosotros mismos en la línea de producción industrial, así como con el conjunto de datos PKU-Market-PCB. En el conjunto de datos de imágenes de puntos de soldadura de patas PCBA, los parámetros del modelo se redujeron en un 31,44 %, el costo computacional disminuyó un 29,21 %, el mAP50 aumentó un 9,88 % y la velocidad de inferencia aumentó a 84,74 FPS en comparación con RT-DETR. En el conjunto de datos PKU-Market-PCB, el mAP50 y la velocidad de inferencia aumentaron un 6,75 % y un 23,10 %, respectivamente. El método mejora significativamente la precisión y eficiencia de la detección mientras equilibra los recursos computacionales y el rendimiento en tiempo real, y tiene buenas perspectivas de aplicación ingenieril y valor de investigación.

PCBA;detección de puntos de soldadura;RT-DETR;fusión de características multiescala;sobremuestreo;RepViT