摘要
本发明涉及基于跨尺度多重聚合的印刷电路板缺陷检测方法及装置,涉及目标检测领域,方法包括:获取印刷电路板缺陷图像,进行预处理;利用改进的YOLOv8网络进行特征提取与融合,其中特征提取网络采用CDA‑net,该网络包含一个嵌入层模块、四层CDA模块和一个SPPF模块,能够有效提取多尺度特征;特征融合网络采用RGS‑FPN,进行高效的多尺度特征融合;使用无锚风格的YOLOv8检测头进行目标检测,使用Adam优化器以0.001的学习率对模型进行训练;将预处理后的图像输入至训练好的模型中,即可获得印刷电路板的缺陷检测结果。本发明通过深度学习技术提高了印刷电路板缺陷检测的准确性和效率,适用于印刷电路板制造过程中的质量控制。