划伤、细缝、异物？PCB 自动光学检测的细缝难题：安徽大学团队让YOLOv8 mAP0.5 拉到 85.5%

文章信息

• 标题：Structure-Guided Mixed Masked Pretraining and Spatial Continuity Regularization for Printed Circuit Board Defect Detection
• 作者：Peitong Wang、Nuo Wang、Enxin Qin、Chengjin Yu、Hanyu Xuan、Yuanting Yan
• 机构：安徽大学、中国科学技术大学、合肥综合性国家科学中心
• 数据集：DsPCBSD+（9 类 PCB 表面缺陷）

一、背景与挑战

PCB 是一切电子设备的"骨架"，制造工序里的压合、钻孔、化铜、干膜等环节都可能引入缺陷，质检环节直接决定良率。传统人眼质检主观、慢、不一致；AOI 设备替代人眼后，深度学习又把 AOI 算法侧拉到了 YOLO、Faster R-CNN、RT-DETR 这些主流路线上。

但论文作者把 PCB AOI 场景的"真问题"拆得很清楚，分别落在视觉、表征、输出三层：

第一层是视觉层面。PCB 缺陷天然就是"小+弱+稀疏"，背景却是高度规律但密集的导线、焊盘、过孔，前景与背景的对比度被严重压缩，特征判别力直接被稀释。

第二层是表征层面。PCB 缺陷的判别线索更多是结构性的——边缘是否规则、拓扑是否中断、局部几何是否畸变——而不是语义层面的"猫狗鸟"。CNN 主干靠局部卷积+层级聚合，跨区域结构关联能力天然不如 Transformer，但 Transformer 又不利于实时部署，这是工业 AOI 长期没法两全的矛盾。

第三层是输出层面。一阶段检测器（YOLO 等）面对 CFO、CS 这种细长且空间连续的缺陷时，会把一个缺陷拆成多个相邻小框，论文管这叫"fragmented prediction"，事后 NMS 等启发式合并并没有从表示学习层面解决问题。

外加一个老大难——PCB 的像素级/实例级标注非常贵，监督数据天花板有限，但车间里其实积压着大量未标注图像，传统 YOLO 训练流程并没有把这些数据吃进来。

图片来源于原论文

二、核心方法

整体框架是两段式：阶段 A 做自监督预训练，阶段 B 做监督检测微调，主干统一用 YOLOv8s（CSP-Darknet 风格的卷积主干）。阶段 A 又拆出两个组件：结构引导混合掩码和稀疏卷积重建，合称 SG-MIM；阶段 B 在标准 YOLOv8 检测损失上叠加一项空间连续性损失。

阶段 A 第一个组件：结构引导混合掩码。

把 640×640 输入切成 16×16 图像块，对每张图同时用两类掩码：

• 随机掩码保留低层上下文学习能力；
• 结构引导掩码通过对 PCB 图像做边缘和导线显著性提取，优先遮挡"导电图案密集、结构最关键"的区域，逼模型从可见的导线、焊盘片段去推断被遮的电路结构。

混合比例是关键超参，论文系统扫了 100:0 / 70:30 / 50:50 / 40:60 / 30:70 / 20:80 / 10:90 / 0:100 共 8 档，最终选 30:70（30% 随机 + 70% 结构引导）。整体掩码率固定 0.60。

阶段 A 第二个组件：稀疏卷积重建管线。

标准稠密卷积在被掩区域会用零填充并被卷积核"涂污"，导致掩码区域的虚假激活回流到可见区，反而毁掉了掩码图像建模"以可见推不可见"的前提。论文把 YOLOv8s 主干的卷积换成稀疏卷积，让可见性掩码沿着卷积层一路传递，凡是源自被掩区的响应在编码阶段被显式抑制，最后只对被掩图像块计算重建损失。这一点是把掩码图像建模适配到卷积神经网络主干的工程关键。

预训练目标可以写成：

其中  是被掩图像块集合， 是稀疏卷积主干和解码器对该图像块的重建结果。预训练使用 AdamW 优化器，学习率为  ，权重衰减为  ，批大小为 64，训练 400 轮。

图片来源于原论文

阶段 B：空间连续性正则。

针对"同一缺陷被切成多个分散框"的输出层难题，论文在监督训练阶段对"被分配到同一个真实标注实例的多个正样本预测"施加紧凑性约束。简单说，就是让属于同一缺陷的预测框中心彼此靠拢，避免在缺陷区域内产生过度分散的多峰响应。完整训练损失为：

其中  是 YOLOv8 原生检测损失，包括边界框损失、分类损失和分布式焦点损失； 是空间连续性正则项， （论文消融选定）。值得注意的是， 只在训练时启用，推理阶段完全沿用原生 YOLOv8 流水线，不增加任何推理计算。

---

三、实验设置与对照基线

数据集：DsPCBSD+，9 类缺陷分别为短路（SH）、毛刺（SP）、多余铜（SC）、开路（OP）、鼠咬（MB）、孔破（HB）、导线划伤（CS）、导线异物（CFO）、基材异物（BMFO）。其中导线划伤和导线异物大量呈细长形态，与"碎片化预测"问题高度相关；毛刺与鼠咬多为小目标，对弱响应和背景干扰更敏感；孔破平均面积较大。

划分：官方 8:2，训练 8,208 张 / 16,184 标注，验证 2,051 张 / 4,092 标注。所有结果均在验证集上报告。

输入与训练：输入尺寸为 640×640，使用 AdamW 优化器；阶段 B 的学习率为  ，权重衰减为  ，批大小为 16，训练 100 轮； ；硬件为 RTX 4090D。

图片来源于原论文

评估指标：精确率、召回率、mAP0.5、mAP0.5:0.95，公式定义参见论文 (16)–(19)。

对照基线一共 11 个，覆盖了 PCB 自动光学检测业界主流路线：PRB-FPN-CSP、PPYOLOEs、YOLOv5s(8.0)、DAMOYOLOs、RTMDETs、RT-DETR、Co-DETR、YOLOv6s(3.0)、YOLOv8s、YOLOv10、YOLOv6-L6。预训练对照另设 5 种通用掩码图像建模或自监督学习方法：SimMIM、MAE、BEiT、iBOT，以及 ImageNet 官方权重和"不预训练"。所有对照统一在 DsPCBSD+ 上、同一 YOLOv8 设置下训练。

四、实验结果与对比

整体性能：本文方法在 DsPCBSD+ 验证集拿到 mAP0.5 85.5% / mAP0.5:0.95 52.3%，对 11 个对照全部领先：

相对 YOLOv8s 基线，mAP0.5 提升 1.4 个百分点，mAP0.5:0.95 提升 1.6 个百分点，并在更严格的 mAP0.5:0.95 上同时压过 YOLOv6-L6、YOLOv10、Co-DETR、RT-DETR。后两者作为 Transformer 路线的强基线，被卷积神经网络 + 结构引导混合掩码建模这条 YOLO 路线反超。

图片来源于原论文

逐类指标里有几个细节值得拎出来：在多余铜、导线划伤、导线异物三类结构高度依赖的缺陷上，AP0.5:0.95 分别从 50.6 提升到 53.2、从 42.6 提升到 45.1、从 39.7 提升到 43.4，提升幅度都超过 2.5 个百分点；细长缺陷（导线划伤、导线异物）受空间连续性正则收益最显著。开路是少数 AP0.5 已经饱和的类别，提升微弱（89.1→89.2），而孔破原本就达到 98.4，本方法上略有 0.1 个百分点回退，属预期内的高位震荡。整体上精确率略降 0.3 个百分点、召回率上涨 1.5 个百分点，这意味着新模型在保持准确率的同时变得"更敢检"，本来漏掉的缺陷被找回来。

预训练对照（不加空间连续性正则、纯比自监督学习路线，见论文表 4）：SG-MIM 在 mAP0.5 / mAP0.5:0.95 上拿到 85.2% / 52.0%，对 SimMIM（84.7 / 51.7）、MAE（84.4 / 50.9）、BEiT（84.8 / 51.7）、iBOT（84.3 / 51.4）、ImageNet 官方权重（84.2 / 50.8）和不预训练（84.1 / 50.7）全部领先，并且是少数同时在召回率上提升（80.6%）的方法。这条对照很关键，它说明增益不是来自"反正预训练就有用"，而是 SG-MIM 这一组针对 PCB 结构性的设计真的更对症。

定性结果（图 9–11）方面，论文用三组典型样本展示：

• 场景 (a) 小且弱的毛刺缺陷：基线漏检，全模型补回来；
• 场景 (b) 局部连续的缺陷：基线只覆盖一部分，全模型给出完整范围预测；
• 场景 (c) 细长缺陷被基线切成两段：在空间连续性正则下被合并为单一紧凑框。

热图对比（图 12）显示 SG-MIM 在 9 类缺陷上的特征响应都比 SimMIM、MAE、BEiT、iBOT 更聚焦在主缺陷结构上，背景激活被显著抑制，与表 4 的数值结论吻合。

图片来源于原论文

五、总结与思考

从产业落地的视角看，这篇工作给 PCB 自动光学检测现场抛出的几个工程级判断都比较扎实：

第一，YOLOv8 这条实时单阶段路线在 PCB 缺陷检测上仍有空间，关键不在于换成 Transformer，而在于把"未标注 PCB 图像"和"输出层空间一致性"两个被忽视的杠杆补上；

第二，卷积神经网络主干的掩码图像建模不能照抄 ViT 的稠密重建，稀疏卷积是让掩码图像建模适配 YOLO 主干的关键工程；

第三，"细长缺陷碎片化"这种工业一线非常常见但学术界长期忽视的问题，可以用一项训练时正则去硬性约束，而不需要改架构、不影响推理速度。

图片来源于原论文

还有几条需要客观提醒的边界。

第一，所有数值仅来自 DsPCBSD+ 一个数据集。该数据集类别分布（毛刺多、短路少）与几何特征（导线异物 / 导线划伤偏长条）较为典型，但能否覆盖更高密度互连板、球栅阵列缺陷等仍需更多评测。

第二，阶段 A 预训练 400 轮，加上阶段 B 微调 100 轮，总成本不算低。对小厂或资源紧张的工业用户而言，迁移到自家数据集还需要一次类似规模的预训练投入。

第三，论文没有给出实测每秒帧数与实际产线节拍的对比；从设计上看推理与原生 YOLOv8s 一致，但部署侧的真实瓶颈，例如板载摄像头分辨率、工位节拍，仍需在客户现场确认。

下一步值得追问的是：把 SG-MIM 与其他工业自监督数据（半导体晶圆图、注塑表面、纺织瑕疵）做跨域预训练，能否形成一个"工业结构性缺陷"的通用基础模型？把空间连续性损失延伸到分割任务，能否把"细长缺陷的形态保持"问题一同解决？这些都是这套工作给出的可继续延伸的产业方向。