CM-UNetv2:用于精确检测PCB缺陷和恢复边界的增强语义分段模型
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
概括
CM-UNetv2使用一种新的语义细分网络来增强印刷电路板 (PCB) 的缺陷检测. 这种先进的方法可显著提高小缺陷的识别和边界精度,从而提高电子产品的质量.
科学领域:
- 电子制造业
- 计算机视觉
- 人工智能
背景情况:
- 印刷电路板 (PCB) 在电子产品中至关重要,需要精确检测缺陷以确保质量.
- 传统的方法在复杂的纹理中处理不规则形状的 PCB 缺陷.
- 自动检测缺陷对于可靠性和制造效率至关重要.
研究的目的:
- 推出CM-UNetv2,一个用于增强PCB缺陷检测的新语义细分网络.
- 解决在PCB制造中发现小而复杂的缺陷的挑战.
- 提高PCB自动检查系统的准确性和稳定性.
主要方法:
- 开发了三种创新架构模块的语义细分网络CM-UNetv2.
- 集成的并行补丁注意 (PPA) 用于多尺度的特征表示.
- 引入双流跳过指导 (DSSG) 进行精细的语义和空间信息保存.
- 设计的频域引导上下文Mamba (FGCMamba) 与空间引导交叉注意力 (SGCA) 和频域自我注意力解决器 (FSAS) 进行了改进的边界恢复和效率.
主要成果:
- 在MeiweiPCB和KWSD2数据集上,CM-UNetv2实现了最先进的性能.
- 在检测PCB小缺陷方面表现出卓越的准确性.
- 与现有方法相比,提高了边界精度和整体细分的稳定性.
- 验证了PPA,DSSG和FGCMamba模块在提高检测能力方面的有效性.
结论:
- CM-UNetv2在自动化PCB缺陷检测方面取得了重大进展.
- 提出的建筑创新有效地解决了传统方法的局限性.
- 网络为确保电子产品质量和可靠性提供了强大而准确的解决方案.
