基于mARU-Net的复杂背景的信托商标的图像细分
Xuewei Zhang1,2, Jichun Wang1, Yang Wang1
1State Key Laboratory of Fluid Power and Mechatronic Systems, Zhejiang University, Hangzhou 310058, China.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
一个新的mARU-Net模型精确地在复杂的印刷电路板 (PCB) 图像中分割信托标志,提高了用于高精度制造的检测精度. 这一进步改善了PCB对齐和生产质量.
科学领域:
- 计算机视觉和图像处理
- 制造业 制造技术 制造技术
- 电气工程 电气工程
背景情况:
- 印刷电路板 (PCB) 层的准确对齐依赖于在曝光期间高精度的信托标记检测.
- 在PCB图像中复杂的背景对信托标记细分和检测准确性构成重大挑战.
- 当前的检测方法经常与PCB制造中存在的复杂视觉数据作斗争.
研究的目的:
- 为具有复杂背景的信托商标提出一个改进的图像细分方法,mARU-Net.
- 提高信托标记的检测准确度,从而提高PCB对齐精度.
- 为了验证mARU-Net的有效性与专业PCB数据集中的现有细分技术相比.
主要方法:
- 开发和实施mARU-Net模型用于信托商标的图像细分.
- 使用PCB信誉标志图像的定制数据集进行培训和评估.
- 在细分的信托标记图像上采用中心式方法进行圆形检测.
主要成果:
- 与定制PCB数据集的典型方法相比,mARU-Net显示出更高的细分精度.
- 与原来的U-Net相比,细分精度提高了3.015%,参数或训练时间没有显著增加.
- 中心式方法实现了高检测效率,偏差在30微米以内,满足PCB生产要求.
结论:
- mARU-Net模型有效地解决了在复杂的PCB背景中对信托标志进行细分的挑战.
- 拟议的方法显著提高了信托标记检测的准确性,这对于高精度PCB制造至关重要.
- mARU-Net为提高PCB生产流程的质量和效率提供了一个可行的解决方案.
