一个数据集用于基于深度学习的印刷电路板表面缺陷检测
Shengping Lv1, Bin Ouyang2, Zhihua Deng3
1School of Engineering, South China Agricultural University, No. 483, Wushan Road, Guangzhou, 510642, China. lvshengping@scau.edu.cn.
Scientific data
|July 22, 2024
概括
本研究介绍了DSPCBSD+,这是一个用于检测印刷电路板 (PCB) 表面缺陷的大型数据集. 该资源旨在加速深度学习模型的开发,以改善PCB质量控制.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
- 电气工程 电气工程
背景情况:
- 印刷电路板 (PCB) 制造涉及潜在的表面缺陷,影响性能,需要强有力的质量控制.
- 目前的缺陷检测方法需要提高复杂制造环境中的效率和准确性.
研究的目的:
- 开发一个全面和多样化的数据集,用于训练PCB表面缺陷检测的深度学习模型.
- 系统地对PCB表面缺陷进行分类,以改善模型概括.
主要方法:
- 基于形态,原因和位置,将PCB表面缺陷分为9种不同的类型.
- 开发DsPCBSD+数据集,包括10,259张图像,其中20276个是使用边界框手动注释的缺陷.
主要成果:
- 创建DsPCBSD+数据集,这是PCB表面缺陷研究的重要资源.
- 数据集涵盖了9个不同的缺陷类别,促进了多样化的模型培训.
结论:
- DsPCBSD+数据集是公开可访问的,以促进基于深度学习的PCB表面缺陷检测的研究和进步.
- 这一数据集的可用性对于加速开发更准确,更有效的PCB自动化质量控制系统至关重要.
