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.