現段階のプリント基板（Printed Circuit Board、PCB）の欠陥検出方法は、欠陥の細部情報と全体情報の両方に同時に注目していないという問題を解決するために、ピクセル間の畳み込みやプーリングによるダウンサンプリング操作がPCB表面欠陥の全体情報と細部情報の喪失を引き起こしている。いくつかの方法は、層内情報に対する注目を使用しているが、通常の畳み込みによる特徴抽出後に生じる重みの偏りの問題には十分に注意が払われていない。本稿では、PCB表面欠陥検出ネットワーク（PCB defect detection Network、PCBNet）を提案する。本手法は、膨張押出し畳み込み（Dilation and extrusion Convolution、DeConv）を設計してPCB表面欠陥の全体情報と細部情報を抽出し、空間からチャネルへの集中的畳み込み（Spatial to Passage Directed Focused Convolution、SPD-Conv）を用いてダウンサンプリング時の情報損失を減少させ、細微特徴強化モジュール（Subtle Feature Enhancement Module、SFEM）を設計してPCB表面欠陥特徴の層内関係を調整し、重み偏りを減少させつつアルゴリズムの細微特徴認知能力を強化する。現場で取得したPCB表面はんだ付け欠陥データセットおよびPCB Defect-Augmentedデータセット上の多様な先進的手法との比較実験の結果、PCBNetはPCB表面はんだ付け欠陥データセット上で毎秒83フレームの速度で正確な認識を可能にするだけでなく、PCB Defect-Augmentedデータセット上でCOCOデータセット評価指標mAP_0.5の最高精度を達成した。これは、本手法が組み込み機器上での展開可能性を有していることを示している。

PCB欠陥検出;膨張押出し畳み込み;空間からチャネルへの集中的畳み込み;細微特徴強化;物体検出