仪器仪表学报

作者：刘春娟，赵浩然，张明璇，闫浩文，吴小所

单位：刘春娟,兰州交通大学电子与信息工程学院兰州730070,liuchj@mail.lzjtu.cn,赵浩然,兰州交通大学电子与信息工程学院兰州730070,,张明璇,兰州交通大学电子与信息工程学院兰州730070,,闫浩文,兰州交通大学电子与信息工程学院兰州730070,,吴小所,兰州交通大学电子与信息工程学院兰州730070,

关键词：PCB缺陷检测;目标检测;轻量化模型;知识蒸馏;KDYOLOv8;实时检测

基金：青海理工大学“昆仑英才”人才引进科研项目（W2023-QLGKLYCZX-034）资助

针对印制电路板(PCB)缺陷检测任务中存在的缺陷形态复杂、背景干扰强以及工业现场对实时性与轻量化部署的严苛需求，提出了一种融合小波变换与知识蒸馏的高效轻量化检测模型——KDYOLOv8。首先，设计Star-YOLO主干网络，利用星形操作将输入特征映射至高维非线性空间，在大幅降低计算冗余的同时增强对复杂缺陷模式的特征提取能力。其次，引入小波变换卷积（WTConv），通过多分辨率分析技术解耦图像的高频缺陷细节与低频背景纹理，在不显著增加参数量的前提下有效抑制噪声干扰并扩展感受野。同时，构建增强型多尺度双向特征金字塔网络（EMBFPN），利用双向信息流交互机制强化深浅层特征融合，解决深层网络中微小缺陷特征稀释的问题。此外，采用通道级知识蒸馏策略（CWD），引导轻量化模型学习教师网络的通道注意力分布，补偿模型压缩带来的精度损失。实验结果表明，在公开PCB缺陷数据集上，KDYOLOv8的平均精度均值（mAP）达到97.1%，模型体积仅2.9MB，推理速度高达117.3fps；相较于基线YOLOv8n，在体积缩减52.5%的情况下依然保持了高精度。在跨数据集泛化实验中，模型对“鼠咬”和“短路”等细微缺陷的检测精度分别提升了1.9%和1.6%。有效平衡了检测速度、精度与资源消耗，能够为算力受限环境下的工业部署提供有力支持。

来源：2025年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第12期