論文の概要: Deep Learning Based Defect Detection for Solder Joints on Industrial
X-Ray Circuit Board Images
- arxiv url: http://arxiv.org/abs/2008.02604v2
- Date: Thu, 25 Mar 2021 05:28:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 07:45:50.557830
- Title: Deep Learning Based Defect Detection for Solder Joints on Industrial
X-Ray Circuit Board Images
- Title（参考訳）: 産業用X線基板画像を用いたソルダ継手の深部学習による欠陥検出
- Authors: Qianru Zhang, Meng Zhang, Chinthaka Gamanayake, Chau Yuen, Zehao Geng,
Hirunima Jayasekara, Xuewen Zhang, Chia-wei Woo, Jenny Low, Xiang Liu
- Abstract要約: 本稿では,PCBの品質検査において,X線画像に基づく品質管理にディープラーニングが組み込まれている。
2つの人工知能(AI)に基づくモデルが提案され、関節欠陥検出のために比較される。
提案手法の有効性は,実世界の3次元X線データセットを用いて実験的に検証した。
- 参考スコア（独自算出の注目度）: 14.139826850432339
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quality control is of vital importance during electronics production. As the
methods of producing electronic circuits improve, there is an increasing chance
of solder defects during assembling the printed circuit board (PCB). Many
technologies have been incorporated for inspecting failed soldering, such as
X-ray imaging, optical imaging, and thermal imaging. With some advanced
algorithms, the new technologies are expected to control the production quality
based on the digital images. However, current algorithms sometimes are not
accurate enough to meet the quality control. Specialists are needed to do a
follow-up checking. For automated X-ray inspection, joint of interest on the
X-ray image is located by region of interest (ROI) and inspected by some
algorithms. Some incorrect ROIs deteriorate the inspection algorithm. The high
dimension of X-ray images and the varying sizes of image dimensions also
challenge the inspection algorithms. On the other hand, recent advances on deep
learning shed light on image-based tasks and are competitive to human levels.
In this paper, deep learning is incorporated in X-ray imaging based quality
control during PCB quality inspection. Two artificial intelligence (AI) based
models are proposed and compared for joint defect detection. The noised ROI
problem and the varying sizes of imaging dimension problem are addressed. The
efficacy of the proposed methods are verified through experimenting on a
real-world 3D X-ray dataset. By incorporating the proposed methods, specialist
inspection workload is largely saved.
- Abstract（参考訳）: 品質管理は電子機器製造において極めて重要である。
電子回路の製造方法が向上するにつれて、プリント回路基板(pcb)を組み立てる際にはんだ欠陥が発生する可能性が高くなる。
x線イメージング、光学イメージング、サーマルイメージングなど、はんだ付けに失敗した検査に多くの技術が組み込まれている。
いくつかの高度なアルゴリズムにより、新しい技術はデジタル画像に基づいて生産品質を制御することが期待されている。
しかし、現在のアルゴリズムは品質管理を満たすほど正確ではないことがある。
専門家はフォローアップチェックを行う必要があります。
自動X線検査では、X線画像に対する関心の結合は、関心領域(ROI)によって位置し、いくつかのアルゴリズムによって検査される。
いくつかの不正なroisは検査アルゴリズムを劣化させる。
x線画像の高次元と画像寸法の大きさも検査アルゴリズムに挑戦している。
一方、近年のディープラーニングの進歩は、画像に基づくタスクに光を当て、人間のレベルと競争している。
本稿では,pcb品質検査におけるx線画像に基づく品質制御にディープラーニングが組み込まれている。
2つの人工知能(AI)に基づくモデルが提案され、関節欠陥検出のために比較される。
ノイズのあるroi問題と、撮像次元問題の様々なサイズに対処する。
提案手法の有効性を実世界の3次元X線データセットを用いて検証した。
提案手法を取り入れることで,専門検査作業負荷を大幅に削減できる。
関連論文リスト
- On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Unsupervised Iterative U-Net with an Internal Guidance Layer for
Vertebrae Contrast Enhancement in Chest X-Ray Images [1.521162809610347]
我々は,深部ニューラルネットワークを反復的に訓練することにより,X線画像の品質向上のための新しい,堅牢なアプローチを提案する。
本フレームワークは胸部X線像における脊椎の微細構造を増強する内部誘導層を含む。
実験の結果,提案手法は既存のBRISQUEスコアの精度向上手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-06-06T19:36:11Z) - X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from
X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。
これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
論文 参考訳（メタデータ） (2023-03-02T00:52:41Z) - Artificial Intelligence for Automatic Detection and Classification
Disease on the X-Ray Images [0.0]
本研究では,Deep Learning Pre-trained RepVGGアルゴリズムを用いて肺疾患の迅速検出を行う。
我々は、人の肺の患部の自動ハイライト検出に人工知能技術を適用している。
論文 参考訳（メタデータ） (2022-11-14T03:51:12Z) - Computer Vision on X-ray Data in Industrial Production and Security
Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。
公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文 参考訳（メタデータ） (2022-11-10T13:37:36Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - Defect detection and segmentation in X-Ray images of magnesium alloy
castings using the Detectron2 framework [0.13764085113103217]
新しい製造技術により、より複雑な形状の金属部品を製造することが可能となり、品質管理プロセスがより困難になった。
X線画像により、このプロセスはより簡単になり、表面欠陥をより単純な方法で検出できるだけでなく、溶接や鋳造の欠陥も検出できるようになった。
本研究の目的は,画像中の物体の検出とセグメンテーションに応用された最先端ライブラリである Detectron2 に基づくディープラーニングシステムを適用することである。
論文 参考訳（メタデータ） (2022-02-28T16:53:09Z) - MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware
CT-Projections from a Single X-ray [14.10611608681131]
過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。
本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
論文 参考訳（メタデータ） (2022-02-02T13:25:23Z) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Deep-Learning Driven Noise Reduction for Reduced Flux Computed
Tomography [0.0]
深層畳み込みニューラルネットワーク(dcnn)は、低品質、低用量、高用量、高用量の画像にマッピングするために使用できる。
トレーニング時間を増やすことなく、マイクロCTによるデータセットに基づく現在の結果を強調表示し、DCNN結果を改善するためのトランスファーラーニングを適用します。
論文 参考訳（メタデータ） (2021-01-18T23:31:37Z) - Towards Online Monitoring and Data-driven Control: A Study of
Segmentation Algorithms for Laser Powder Bed Fusion Processes [83.97264034062673]
レーザーパウダーベッド融合機の増加は、オンライン監視とデータ駆動制御能力を改善するためにオフ軸赤外線カメラを使用する。
我々は、各赤外線画像を前景と背景に分割する30以上のセグメンテーションアルゴリズムについて検討する。
同定されたアルゴリズムは、レーザ粉体層融合機に容易に適用でき、上記の各制限に対処し、プロセス制御を大幅に改善することができる。
論文 参考訳（メタデータ） (2020-11-18T03:30:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。