通过本地详细信息和全球依赖信息进行PCB缺陷检测
Bixian Feng1,2, Jueping Cai1,2
1Xidian University, Xi'an 710126, China.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
一个新的框架,缺陷检测变压器 (DDTR),通过结合CNN和变压器,有效地检测小型和多样化的印刷电路板 (PCB) 表面缺陷. DDTR实现了卓越的准确性和可视化,以改善PCB质量控制.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 印刷电路板 (PCB) 表面缺陷由于生产环境影响而带来重大经济风险.
- 在PCB制造方面的进步产生了小而风格多样化的缺陷,挑战了传统的检测方法.
- 精确的PCB表面缺陷检测对于保持生产质量和尽量减少损失至关重要.
研究的目的:
- 提出一个新的框架,缺陷检测转换器 (DDTR),用于增强PCB表面缺陷检测.
- 通过整合全球和本地特征提取来解决检测小,多样化的缺陷的挑战.
- 提高PCB缺陷检测系统的准确性和可视化能力.
主要方法:
- 开发了缺陷检测变压器 (DDTR) 框架,结合了卷积神经网络 (CNN) 和变压器架构.
- 在多尺度特征提取的骨干中使用剩余变压器 (ResSwinT),捕获本地细节和全球依赖.
- 集成的空间和道多头自我注意 (SCSA) 在子上用于集中特征选择,并使用级联探测器/分类器在头部用于准确性.
主要成果:
- 与现有方法相比,在PKU-Market-PCB和DeepPCB数据集上获得了最高的F1分数.
- 产生了最有信息的可视化结果,有助于理解和解释检测到的缺陷.
- 废弃实验验证了DDTR框架模块的有效性和个别贡献.
结论:
- 拟议的DDTR框架显著提高了PCB表面缺陷检测的准确性,特别是对于小型和多样化的缺陷.
- 与SCSA一起,CNN和变压器的组合提供了强大的特征提取和选择能力.
- DDTR为提高PCB制造质量控制,减少经济损失提供了一个有前途的解决方案.
