标题：基于改进YOLOv4的PCB裸板缺陷检测方法研究
作者：朱宪宇 熊婕 王柠莎 李庆先 刘良江
作者单位：湖南省计量检测研究院，湖南 长沙 410014
关键字：PCB裸板；缺陷检测；YOLOv4；Canopy+K-means聚类
摘要：PCB（Printed Circuit Board）裸板缺陷采用人工目视和电气特性等传统检测方法存在检测效率低、误检率高、成本高、劳动强度大、接触式飞针易造成损伤等问题。提出将YOLO（You Only Look Once）v4引入到PCB裸板缺陷检测，采用Canopy+K-means聚类改进YOLOv4中K-means聚类获取先验框。将改进的YOLOv4应用到PCB裸板的短路、开路、缺口、毛刺、焊点漏焊、余铜等缺陷检测中，开发了软硬件平台，形成了高精度、高检测速度的PCB裸板缺陷检测系统。基于PCB＿DATASET数据集将该文提出的方法与已有的基于深度学习的PCB裸板缺陷检测方法进行了对比实验和分析。实验结果表明，该文提出方法的缺陷检测mAP（mean Average Precision）值达到了99.48%，检测速度为37.09帧/秒，相较于目前已有的基于深度学习的PCB裸板缺陷检测方法，不仅检测速度更快，而且检测精确度更高。