买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉无锡学院申请的专利一种基于YOLOv8模型的PCB缺陷识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119107532B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411084821.8，技术领域涉及：G06V10/82；该发明授权一种基于YOLOv8模型的PCB缺陷识别方法是由左官芳;黄涛;杨广捷;岳培生;郝长亮;阮义阳;张鑫;李昊;孙慧;杜明星设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本一种基于YOLOv8模型的PCB缺陷识别方法在说明书摘要公布了：本发明公开了一种基于YOLOv8模型的PCB缺陷识别方法，所述方法包括：S1：获取待识别图像集；S2：改进YOLOv8模型，所述YOLOv8模型包括依次连接的Backbone网络、Neck网络和Head网络；改进的方法基于BiFPN双向特征金字塔网络，在其基础上整合了P2特征层，以提升小型目标的检测精度，并采用适合YOLOv8的卷积修改网络连接；引入TA层ConvolutionalTripletAttentionModule，以提高模型的识别准确度；设计了全新的CSC模块来替代部分C2f模块，减少模型参数冗余，从而更快速、更精准地定位目标。S3：采用待识别图像集对改进YOLOv8模型进行训练；S4：将待测图像输入训练得到的改进YOLOv8模型中，得到PCB缺陷识别结果。本发明以YOLOv8模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv8模型的检测精度。

本发明授权一种基于YOLOv8模型的PCB缺陷识别方法在权利要求书中公布了：1.一种基于YOLOv8模型的PCB缺陷识别方法，其特征在于，包括以下步骤：S1：获取待识别图像集；S2：改进YOLOv8模型，所述改进后的YOLOv8模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中，使用CSC模块替代C2f模块，在所述YOLOv8模型的Neck和Head网络中新增了P2层输出作为小目标检测层；所述小目标检测层在Neck颈部的特征增强阶段，与P3-P5层输出的特征图进行多尺度特征融合，得到增强后160×160×64尺寸的特征图输至Head检测头；所述CSC模块使用S-Bottlencek模块替换YOLOv8模型原本的Bottleneck模块，所述CSC模块具体为：通过split层将Backbone网络的特征图沿着通道维度分成大小为12C的特征图X1和特征图X2，特征图X1内核大小分别为3×3和5×5，特征图X1分别经过S-Bottleneck模块与BN批归一化层后通过Concat模块进行融合，再经过ReLU激活函数，得到第一输出特征；特征图X2经过两个依次连接的S-Bottleneck模块，得到第二输出特征；第一输出特征与第二输出特征进行融合后经过一个1×1的卷积，得到CSC模块的输出特征；所述S-Bottleneck模块包括依次连接的第一卷积SCConv、第二卷积SCConv；所述第一卷积SCConv的输出特征、第二卷积SCConv的输出特征与S-Bottleneck模块的输入特征进行元素相加形成S-Bottleneck模块的输出特征；在Backbone网络中的CSC模块与Neck网络之间添加TA层；所述TA层是通过如下步骤计算得到的：初始化一个尺度为H*W*C特征图X，分别从H、W和C的3个维度上对特征图X进行转置，得到特征图X1、特征图X2和特征图X3，3个特征图的尺度分别为H*W*C、W*H*C和C*H*W；将3个特征图输入处理模块，输出不同的特征图；特征图均乘以系数13，该运算过程表示为： 式中，X1、X2、X3为分别TA层三个分支的输入特征图，Y为TA层的输出结果，σ表示sigmoid激活层，表示输入特征图X1、X2、X3对应的处理模块；S3：采用待识别图像集对改进YOLOv8模型进行训练；S4：将待测图像输入训练得到的改进YOLOv8模型中，得到PCB缺陷识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。