视觉变压器和Mamba注意力融合用于高精度PCB缺陷检测
Asim Niaz1, Muhammad Umraiz1, Shafiullah Soomro2
1Department of Computer Science and Engineering, Chung-Ang University, Seoul, Republic of Korea.
PloS one
|September 25, 2025
概括
本研究介绍了ViT-Mamba,这是一种用于检测印刷电路板 (PCB) 缺陷的新型计算机视觉框架. 它在识别PCB缺陷方面实现了卓越的准确性,提高了电子设备的可靠性.
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) 缺陷检测对于消费电子产品的可靠性至关重要.
- 现有的深度学习方法面临着不平衡的缺陷数据和糟糕的概括性的挑战.
- 准确的缺陷识别需要强大的特征提取和细分技术.
研究的目的:
- 开发一个先进的计算机视觉框架,用于精确的PCB缺陷检测.
- 克服当前深度学习模型在处理不平衡缺陷数据集方面的局限性.
- 提高PCB缺陷识别系统的稳定性和通用化能力.
主要方法:
- 提出了ViT-Mamba,这是一个混合框架,将视觉转换器和Mamba启发的注意力集成为全球特征提取.
- 引入了人工缺陷生成模块,以创建各种PCB缺陷类型,提高模型的稳定性.
- 采用多层次层次精细化策略,以增强特征表示,以实现准确的细分.
主要成果:
- 与现有方法相比,ViT-Mamba在公开的PCB缺陷数据集上表现出更高的性能.
- 实现了 99.69% 的高平均平均精度 (mAP),表明了出色的缺陷检测精度.
- 混合方法有效地解决了不平衡的缺陷分布,并改善了泛化.
结论:
- ViT-Mamba为自动化PCB缺陷检测提供了一种强大而稳健的解决方案.
- 视觉变压器和Mamba机制的集成显著提高了缺陷细分的准确性.
- 这一框架有望提高电子制造的质量控制和可靠性.
