Video Experimental Relacionado
Updated: Sep 9, 2025

05:56
Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
Published on: April 14, 2023
2.6K
CM-UNetv2: Un modelo de segmentación semántica mejorado para la detección precisa de defectos de PCB y la
Qiyang Guo1, Yajun Chen1, Yirui Zhu1
1Department of Information Science, Xi'an University of Technology, Xi'an 710048, China.
Sensors (Basel, Switzerland)
|August 28, 2025
Resumen
CM-UNetv2 mejora la detección de defectos en placas de circuitos impresos (PCB) mediante una nueva red de segmentación semántica. Este método avanzado mejora significativamente la identificación de pequeños defectos y la precisión límite para una mejor calidad del producto electrónico.
Área de la Ciencia:
- Fabricación electrónica
- Visión por computadora
- Inteligencia artificial
Sus antecedentes:
- Las placas de circuitos impresos (PCB) son cruciales en la electrónica, ya que requieren una detección precisa de defectos para garantizar la calidad.
- Los métodos tradicionales luchan con pequeños defectos de PCB de forma irregular en medio de texturas complejas.
- La detección automática de defectos es vital para la fiabilidad y la eficiencia de la fabricación.
Objetivo del estudio:
- Introducir CM-UNetv2, una nueva red de segmentación semántica para mejorar la detección de defectos de PCB.
- Para abordar los desafíos de la detección de defectos pequeños y complejos en la fabricación de PCB.
- Mejorar la precisión y la robustez de los sistemas automatizados de inspección de PCB.
Principales métodos:
- Desarrolló CM-UNetv2, una red de segmentación semántica con tres módulos arquitectónicos innovadores.
- Incorporado paralelo Patch-Aware Atención (PPA) para la representación de características de varias escalas.
- Se introdujo la Guía de omisión de doble corriente (DSSG) para la preservación de información semántica y espacial refinada.
- Mamba de contexto guiado por dominio de frecuencia diseñado (FGCMamba) con atención cruzada de orientación espacial (SGCA) y solucionador de autoatención de dominio de frecuencia (FSAS) para mejorar la restauración y la eficiencia de los límites.
Principales resultados:
- CM-UNetv2 logró un rendimiento de vanguardia en los conjuntos de datos MeiweiPCB y KWSD2.
- Se ha demostrado una precisión superior en la detección de pequeños defectos de PCB.
- Demostró una mayor precisión de los límites y una robustez general de la segmentación en comparación con los métodos existentes.
- Validación de la eficacia de los módulos PPA, DSSG y FGCMamba para mejorar las capacidades de detección.
Conclusiones:
- CM-UNetv2 ofrece un avance significativo en la detección automática de defectos de PCB.
- Las innovaciones arquitectónicas propuestas abordan efectivamente las limitaciones de los métodos tradicionales.
- La red proporciona una solución robusta y precisa para garantizar la calidad y fiabilidad de los productos electrónicos.
Palabras clave:
Los PCBextracción de características a escala múltipleredes neuronalesSegmentación semántica
