摘要：针对集成电路板视觉瑕疵检测中存在背景复杂多样、检测目标较小、瑕疵难定位的问题,以及工业生产中满足安全性和高精度的检测要求,提出了一种改进Cascade RCNN算法,并设计了网络模型。该模型以Cascade RCNN为基础检测网络,选用特征提取效果较好的ResNet50作为其骨干网络,并针对集成电路板表面缺陷尺寸变化较大的问题融入了FPN思想,将ResNet50输出的具有大量位置信息的浅层特征层和具有丰富语义信息的深层特征层进行均衡化融合,搭建了一种Cascade RCNN-ResNet-FPN模型架构。实验结果表明,针对集成电路板瑕疵这种小目标检测,改进Cascade RCNN算法相较于基本Cascade RCNN模型、SSD模型以及YOLO模型,安全性以及mAP均有较大的提升,适用于集成电路板瑕疵自动检测。