基于YOLO系列的PCB缺陷检测：小目标识别与模型轻量化进展
许德永

安徽职业技术大学计算机与信息技术学院，安徽合肥，230011；

摘要：印刷电路板（PCB）缺陷检测对保障电子产品质量至关重要，而高密度集成趋势使得缺陷目标日益微小，显著增加了自动检测的难度。YOLO系列算法凭借其高效、端到端的检测能力，成为PCB视觉质检领域的研究热点。针对小目标漏检率高、特征表达弱等问题，研究者通过改进特征金字塔结构、引入注意力机制、增强多尺度融合等方式提升检测灵敏度；同时，为满足工业边缘部署对低延迟与低资源消耗的需求，模型轻量化技术如网络剪枝、量化、轻量骨干替换及知识蒸馏等被广泛应用于YOLO架构优化。当前进展表明，在保持较高检测精度的同时实现模型压缩已成为可行路径，为智能制造中的实时缺陷检测提供了有力支撑。

关键词：YOLO系列；PCB缺陷检测；小目标检测；模型轻量化；多尺度特征融合；边缘部署

参考文献

[1]郑佳丽,董凌,李恒,等.基于PMAC-YOLO的轻量级PCB缺陷检测方法[J/OL].电子测量与仪器学报,1-16[2026-01-12].https://link.cnki.net/urlid/11.2488.TN.20251224.1643.076.

[2]朱泽宇,肖满生,徐萌,等.一种改进YOLOv8n的PCB板表面缺陷检测算法[J].湖南工业大学学报,2026,40(01):92-101.DOI:10.20271/j.cnki.1673-9833.2026.1013.

[3]张杰.基于改进YOLOv8的PCB缺陷检测方法研究与部署[D].沈阳建筑大学,2025.DOI:10.27809/d.cnki.gsjgc.2025.000102.

[4]邢岩,郭思豪,张振,等.基于CGT-YOLO的小目标交通标志识别算法[J/OL].华南理工大学学报(自然科学版),1-14[2026-01-12].https://link.cnki.net/urlid/44.1251.T.20251124.2251.006.

[5]刘洁,王一帆,马京奥,等.基于Roofline理论的YOLOv8橙果识别模型轻量化改进[J].农业工程学报,2025,41(14):184-193.