缺陷检测对于印制线路板（Printed　Circuit　Board,PCB）质量至关重要。由于PCB缺陷尺寸微小，像素模糊，提高微小缺陷的检测准确率成为PCB缺陷检测领域亟待解决的问题。主流PCB微小缺陷检测算法普遍存在参数量大、计算量高的问题。对此，设计一种轻量级、高效率的PCB微小缺陷检测网络RSEPM-net。首先，为增强对微小缺陷特征的提取能力，设计残差卷积模块RepBottleneck，并基于该模块搭建全新的骨干网络Repbackbone，实现计算加速。其次，在颈部网络中，提出空间一致性引导注意力（Spatial　Coherence　Guided　Attention,SCGA），结合非相邻层次直接交互的多尺度特征融合策略，设计特征融合网络SCGA-PAN，增强底层特征的表达和空间敏感性。最后，结合元素点乘策略，设计高效、轻量化的检测头EPM-Head，增强对微小缺陷的检测能力。实验对比了多种主流PCB缺陷检测算法，结果表明所提模型在参数量和计算效率上具有明显优势。