基于混合注意力特征金字塔网络的YOLO算法用于焊点缺陷检测
计算机视觉与模式识别
2024-01-04 v1
摘要
传统的焊点缺陷人工检测由于效率低、评估不一致、成本高以及缺乏实时数据，已不再应用于工业生产。针对工业场景表面贴装技术中焊点缺陷检测存在的精度低、误检率高和计算成本高的问题，提出了一种新方法。所提出的解决方案是一种专门为焊点缺陷检测算法设计的混合注意力机制，通过提高精度同时降低计算成本来改进制造过程中的质量控制。混合注意力机制由提出的增强多头自注意力和坐标注意力机制组成，增强了注意力网络感知上下文信息的能力，并提高了网络特征的利用范围。坐标注意力机制增强了不同通道之间的连接，减少了位置信息损失。混合注意力机制增强了网络感知远距离位置信息和学习局部特征的能力。改进后的算法模型对焊点缺陷检测具有良好的检测能力，mAP达到91.5%，比You Only Look Once version 5算法高4.3%，优于其他对比算法。与其他版本相比，平均精度均值、精度、召回率和每秒帧数指标也有所提升。在满足实时检测要求的同时，可以实现检测精度的提高。
引用
@article{arxiv.2401.01214,
title = {YOLO algorithm with hybrid attention feature pyramid network for solder joint defect detection},
author = {Li Ang and Siti Khatijah Nor Abdul Rahim and Raseeda Hamzah and Raihah Aminuddin and Gao Yousheng},
journal= {arXiv preprint arXiv:2401.01214},
year = {2024}
}