针对目前电路板缺陷检测方法效率低、容易出现误检和漏检等问题，提出一种基于改进YOLOX的电路板表面缺陷检测网络。首先，提出一种改进的特征融合网络，将主干网络输出的较浅层特征图引入金字塔自下而上的路径，并作为新增的第四个预测特征图，用于解决因缺陷尺寸较小导致的漏检问题。其次，将CBAM注意力模块引入YOLOX的主干网络，以抑制图像中的冗余信息，对重要特征进行强化。最后，改进YOLOX的回归损失，使用SIoU替换原损失函数，考虑标注框和预测框的角度关系，增强网络的收敛速度和对微小缺陷的定位能力。试验结果表明，改进网络在电路板数据集上的mAP为99.70%,与原YOLOX相比提高了2.28%,对缺陷的检测精度有较好提升，且检测速度满足电路板缺陷诊断实时性要求。同时，对比其他主流目标检测网络均表现出明显精度优势，证明了改进算法的有效性，该方法对工业生产中电路板的质量把控和降低检测成本有重要意义。