面向小样本学习的PCB缺陷智能检测方法  

作　　者：郝佳妮 农丽萍[1,2] 刘安平 方瑾瑜 田方圆 

机构地区：[1]广西师范大学物理科学与技术学院,广西桂林541004 [2]“认知无线电与信息处理”教育部重点实验室(桂林电子科技大学),广西桂林541004

出　　处：《电脑知识与技术》2025年第4期36-41,共6页Computer Knowledge and Technology

基　　金：国家级大学生创新创业训练计划项目(202310602071)资助;广西科技计划项目(桂科AD23026225)资助;认知无线电与信息处理教育部重点实验室基金项目(CRKL230205)资助。

摘　　要：目前,深度学习模型通常高度依赖大量标注数据的训练样本。然而,在实际生产过程中,特别是在工业缺陷检测领域,获取高质量标注数据难度大且成本高。为此,提出了一种基于小样本学习的PCB缺陷智能检测算法。首先,采用传统数据增强方法和基于扩散模型的数据增强方法扩充样本,解决样本数量过少的问题;其次,基于YOLOv8深度学习框架,通过高效的骨干网络和检测头实现多尺度目标检测;最后,利用PySide6框架开发了一款智能化的PCB缺陷检测人机交互系统。实验结果表明,所提方法在10-shot任务中展现出优异的检测性能,在真实的PCB缺陷数据集上达到了82.9%的检测精度。

关 键 词：小样本学习 PCB缺陷检测 数据增强 YOLOv8 深度学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]