摘要
本发明公开了一种基于多尺度特征融合注意力机制的BGA缺陷检测方法,具体为:获取BGA缺陷图像,对缺陷图像标注;设计多尺度特征融合骨干网络MFFBN,同时引入注意力机制和一个更高效的检测头EGDH,基于YOLO11提出一个更优的模型YOLO‑MCE;采用BGA缺陷图像训练集对改进后的算法模型进行训练;将缺陷图像测试集传入训练好的模型中,记录检测结果并评价模型性能。本发明保证了BGA锡球缺陷场景下BGA表面锡球缺陷检测问题的有效性以及在同领域方法间的优越性。
技术关键词
多尺度特征融合
缺陷检测方法
图像
颈部结构
样本
BGA锡球
引入注意力机制
算法模型
标签文件
缺陷类别
精度
数据
有效性
场景
模块
网络
格式
像素
系统为您推荐了相关专利信息
图像重建方法
多层卷积网络
视角
关键点
姿态特征
电子印章
生物特征数据
数字签名信息
电子签章验证方法
水印嵌入