基于YOLO11的PCB分割检测系统（Python源码+数据集+Pyside6界面）

原创

AI小怪兽

修改于 2026-01-10 10:01:16

460

文章被收录于专栏：毕业设计毕业设计 YOLO大作战

💡💡💡本文摘要：基于YOLO11的PCB分割检测系统，阐述了整个数据制作和训练可视化过程

YOLO11 PCB实例分割技术在电子制造业中具有重大意义。其核心价值在于实现了对印刷电路板（PCB）上缺陷和元器件的像素级精确识别与定位。

传统的检测方法可能仅能框出缺陷的大致位置，而YOLO11的分割模型能够精确勾勒出缺陷（如微小的划痕、焊锡桥连、断路、缺件等）以及每个元器件的具体轮廓。这种精细化能力带来了多重优势：

提升检测精度与可靠性：能够发现人眼难以察觉的微小缺陷，并准确区分密集排列的元件，极大降低了漏检和误检率。
赋能自动化智能制造：作为自动化光学检测（AOI）系统的核心，它为后续的维修、分拣或工艺调整提供了精确的空间信息，是实现工业4.0和质量控制闭环的关键。
提高生产效率与良率：通过快速、精准的在线检测，能及时发现问题PCB，避免有缺陷的产品流入下个环节，从而节省成本，提升整体生产良率。

博主简介

AI小怪兽 | 计算机视觉布道者 | 视觉检测领域创新者

深耕计算机视觉与深度学习领域，专注于目标检测前沿技术的探索与突破。长期致力于YOLO系列算法的结构性创新、性能极限优化与工业级落地实践，旨在打通从学术研究到产业应用的最后一公里。

🚀 核心专长与技术创新

YOLO算法结构性创新：于CSDN平台原创发布《YOLOv13魔术师》、《YOLOv12魔术师》等全系列深度专栏。系统性提出并开源了多项原创自研模块，在模型轻量化设计、多维度注意力机制融合、特征金字塔重构等关键方向完成了一系列突破性实践，为行业提供了具备高参考价值的技术路径与完整解决方案。
技术生态建设与知识传播：独立运营 “计算机视觉大作战” 公众号（粉丝1.6万），成功构建高质量的技术交流社群。致力于将复杂算法转化为通俗易懂的解读与可复现的工程代码，显著降低了计算机视觉的技术入门门槛。

🏆 行业影响力与商业实践

荣获腾讯云年度影响力作者与创作之星奖项，内容质量与专业性获行业权威平台认证。
全网累计拥有 7万+ 垂直领域技术受众，专栏文章总阅读量突破百万，在目标检测领域形成了广泛的学术与工业影响力。
具备丰富的企业级项目交付经验，曾为工业视觉检测、智慧城市安防等多个关键领域提供定制化的算法模型与解决方案，驱动业务智能化升级。

💡 未来方向与使命

秉持 “让每一行代码都有温度” 的技术理念，未来将持续聚焦于实时检测、语义分割及工业缺陷检测的商业化闭环等核心方向。愿与业界同仁协同创新，共同推动技术边界，以坚实的技术能力赋能实体经济与行业变革。

1.YOLO11介绍

Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。

结构图如下：

1.1 C3k2

C3k2，结构图如下

C3k2，继承自类C2f，其中通过c3k设置False或者Ture来决定选择使用C3k还是Bottleneck

实现代码ultralytics/nn/modules/block.py

1.2 C2PSA介绍

借鉴V10 PSA结构，实现了C2PSA和C2fPSA，最终选择了基于C2的C2PSA（可能涨点更好？）

实现代码ultralytics/nn/modules/block.py

1.3 11 Detect介绍

分类检测头引入了DWConv（更加轻量级，为后续二次创新提供了改进点），结构图如下（和V8的区别）：

实现代码ultralytics/nn/modules/head.py

2.PCB分割系统

2.1 PCB分割数据集介绍

数据集大小：训练集1992张，验证集27张，测试集48张

类别 17类：

nc: 17
names: ['Inductor', 'circular-pcb', 'damaged_inductor', 'feedback resistor', 'feedback_resistor_missing', 'input-terminal', 'input_terminal_missing', 'large-capacitor', 'large_capacitor_missing', 'led', 'led-driver-IC', 'led_driver_ic_missing', 'led_missing', 'missing_both_capacitors', 'missplaced_capacitor', 'small-capacitor', 'small_filtering_capacitor_missing']

细节图：

标签可视化分析

2.2 配置pcb-seg.yaml

ps:建议填写绝对路径

path: D:/YOLOv11/data/pcb_seg
train: ./train/images
val: ./valid/images
test: ./test/images

nc: 17
names: ['Inductor', 'circular-pcb', 'damaged_inductor', 'feedback resistor', 'feedback_resistor_missing', 'input-terminal', 'input_terminal_missing', 'large-capacitor', 'large_capacitor_missing', 'led', 'led-driver-IC', 'led_driver_ic_missing', 'led_missing', 'missing_both_capacitors', 'missplaced_capacitor', 'small-capacitor', 'small_filtering_capacitor_missing']

2.3 如何训练

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('ultralytics/cfg/models/11/yolo11-seg.yaml')
    model.train(data='data/pcb-seg.yaml',
                cache=False,
                imgsz=640,
                epochs=200,
                batch=8,
                close_mosaic=10,
                device='0',
                optimizer='SGD', # using SGD
                project='runs/train',
                name='exp',
                )

2.4 训练结果可视化结果

YOLO11-seg summary (fused): 368 layers, 3,521,025 parameters, 0 gradients, 11.0 GFLOPs
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95)     Mask(P          R      mAP50  mAP50-95): 100%|██████████| 2/2 [00:04<00:00,  2.08s/it]
                   all         48       1360      0.978      0.988       0.99      0.715      0.951      0.961      0.965      0.623
              Inductor         42         42      0.996          1      0.995      0.712      0.972      0.976      0.971      0.549
          circular-pcb         47         47      0.972          1      0.983      0.983      0.972          1      0.983      0.835
      damaged_inductor          6          6      0.951          1      0.995      0.641      0.792      0.833      0.898      0.636
     feedback resistor         40         40      0.993      0.975      0.981      0.673      0.942      0.925      0.914      0.587
feedback_resistor_missing          8          8      0.991          1      0.995       0.66      0.991          1      0.995      0.541
        input-terminal         45         46          1      0.948      0.981      0.616      0.977      0.927      0.951       0.55
input_terminal_missing          3          3      0.996          1      0.995      0.529      0.995          1      0.995      0.568
       large-capacitor         45         45      0.991          1      0.995      0.847      0.991          1      0.995       0.77
large_capacitor_missing          3          3      0.928          1      0.995      0.722      0.928          1      0.995      0.685
                   led         48        965          1      0.986      0.995      0.856      0.968      0.955      0.974       0.59
         led-driver-IC         44         44      0.977      0.969      0.993      0.662      0.885      0.878      0.905      0.557
 led_driver_ic_missing          4          4          1      0.964      0.995      0.652          1      0.964      0.995      0.805
           led_missing         13         62      0.983      0.984      0.979      0.862      0.983      0.984      0.979      0.548
       small-capacitor         39         39      0.962          1      0.974      0.685      0.938      0.974      0.932      0.565
small_filtering_capacitor_missing          6          6       0.93          1      0.995      0.618      0.929          1      0.995      0.553

预测结果：

3. PCB分割系统设计

3.1 PySide6介绍

受益于人工智能的崛起，Python语言几乎以压倒性优势在众多编程语言中异军突起，成为AI时代的首选语言。在很多情况下，我们想要以图形化方式将我们的人工智能算法打包提供给用户使用，这时候选择以python为主的GUI框架就非常合适了。

PySide是Qt公司的产品，PyQt是第三方公司的产品，二者用法基本相同，不过在使用协议上却有很大差别。PySide可以在LGPL协议下使用，PyQt则在GPL协议下使用。

PySide目前常见的有两个版本：PySide2和PySide6。PySide2由C++版的Qt5开发而来.，而PySide6对应的则是C++版的Qt6。从PySide6开始，PySide的命名也会与Qt的大版本号保持一致，不会再出现类似PySide2对应Qt5这种容易混淆的情况。

3.2 安装PySide6

pip install --upgrade pip
pip install pyside6 -i https://mirror.baidu.com/pypi/simple

基于PySide6开发GUI程序包含下面三个基本步骤：

设计GUI，图形化拖拽或手撸；
响应UI的操作（如点击按钮、输入数据、服务器更新），使用信号与Slot连接界面和业务；
打包发布；

3.3 PCB分割系统设计

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

腾讯技术创作特训营S17#我与社区

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

腾讯技术创作特训营S17#我与社区

登录后参与评论

0 条评论

热度