主要内容如下：
1、数据集介绍
2、下载PCB数据集
3、模型训练及可视化
运行环境 ：Python=3.8（要求>=3.8），torch1.12.0+cu113（要求>=1.8）
YOLO格式下载链接【直接拿来训练】 ：https://aistudio.baidu.com/datasetdetail/297149
往期内容：
【超详细】跑通YOLOv8之深度学习环境配置1-Anaconda安装
【超详细】跑通YOLOv8之深度学习环境配置2-CUDA安装
【超详细】跑通YOLOv8之深度学习环境配置3-YOLOv8安装
【超详细】基于YOLOv8的PCB缺陷检测
【超详细】基于YOLOv11的PCB缺陷检测
注意：文中仅简单训练测试，不能作为其他对照实验依据，同时数据集划分可能存在差异，结果存在不一致！
1 数据集介绍
1.1 简介
印刷电路板（PCB）瑕疵数据集：是一个公共的合成PCB数据集，由北京大学发布，其中包含1386张图像以及6种缺陷（缺失孔，鼠标咬伤，开路，短路，杂散，伪铜），用于检测，分类和配准任务。本文我们选取了其中适用与检测任务的693张图像，随机选择593张图像作为训练集，100张图像作为验证集。
1.2 示例
2 下载数据集
官方链接 ：https://robotics.pkusz.edu.cn/resources/dataset/
注意 ：百度网盘下载，速度很慢，不推荐！推荐去百度AI stduio数据集下载，速度快！
百度AI stduio下载链接【直接拿来训练】 ：https://aistudio.baidu.com/datasetdetail/297149
3 训练记录
3.1 不同模型大小训练结果
训练参数设置：epoch=100，batchsize=8，cache=False，imagez=640
3.1.1 yolov8n-0.886
3.1.2 yolov8s-0.948
3.1.3 yolov8m-0.961
3.1.4 yolov8l-0.959
3.2 不同分辨率
训练参数设置：epoch=100，batchsize=8，cache=False，imagez=640-1536
3.2 yolov8s-960-0.966
3.2 yolov8s-1280-0.973
3.2 yolov8s-1536-0.980
3.2 yolov8m-960-0.970
3.2 yolov8m-1280-0.980
3.2 yolov8m-1536-0.981
3.3 不同损失
训练参数设置：epoch=100，batchsize=8，cache=False，imagez=960
3.3.1 yolov8m-960-slidloss-0.977
3.3.2 yolov8m-960-focalloss-0.963
3.3.3 yolov8m-960-wiseiou-0.976
3.3.4 yolov8m-960-shapeiou-0.969
3.3.5 yolov8m-960-eiou-0.968
3.3.6 yolov8m-960-ciou-0.970【默认】
3.4 se注意力和cga，及asff模块
训练参数设置 ：epoch=100，batchsize=8，cache=False，imagez=960
模块加的位置：neck与head三路径中间。
3.4.1 yolov8m-960-cga-0.975
3.4.2 yolov8m-960-asff-0.972
3.4.3 yolov8m-960-se-0.978
3.4.4 yolov8s-640-cga-0.932
3.4.5 yolov8s-640-asff-0.938
3.4.6 yolov8s-640-se-0.94
结论
1、参数更大的模型如m、l等检测效果要优于n、s小模型，但是会带来更多资源消耗以及降低检测速度；
2、针对小目标检测，提升分辨率带来效果更显著，但较大的分辨率也会降低检测速度，以及带来更多的资源消耗；
3、一般而言，数据集数量太少，专栏的魔改没啥效果。