Fugu-MT 論文翻訳(概要): PCB-Fire: Automated Classification and Fault Detection in PCB

論文の概要: PCB-Fire: Automated Classification and Fault Detection in PCB

arxiv url: http://arxiv.org/abs/2102.10777v1
Date: Mon, 22 Feb 2021 05:19:22 GMT
ステータス: 処理完了
システム内更新日: 2021-02-23 14:56:57.262996
Title: PCB-Fire: Automated Classification and Fault Detection in PCB
Title（参考訳）: PCB-Fire:PCBの自動分類と故障検出
Authors: Tejas Khare, Vaibhav Bahel and Anuradha C. Phadke
Abstract要約: 著者らは、欠落したコンポーネントを検出し、それらを資源的に分類する新しいソリューションを提案する。提案アルゴリズムは、与えられたデータセットの結果の最適化に使用される画素理論とオブジェクト検出に重点を置いている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Printed Circuit Boards are the foundation for the functioning of any electronic device, and therefore are an essential component for various industries such as automobile, communication, computation, etc. However, one of the challenges faced by the PCB manufacturers in the process of manufacturing of the PCBs is the faulty placement of its components including missing components. In the present scenario the infrastructure required to ensure adequate quality of the PCB requires a lot of time and effort. The authors present a novel solution for detecting missing components and classifying them in a resourceful manner. The presented algorithm focuses on pixel theory and object detection, which has been used in combination to optimize the results from the given dataset.
Abstract（参考訳）: プリント回路基板は、あらゆる電子機器の機能の基礎であり、自動車、通信、計算などの様々な産業にとって不可欠な要素である。しかし、PCBの製造プロセスにおいてPCBメーカーが直面している課題の1つは、欠落した部品を含む部品の配置の欠陥である。現在のシナリオでは、PCBの適切な品質を確保するために必要なインフラストラクチャには、多くの時間と労力が必要です。著者らは、欠落したコンポーネントを検出し、それらを資源的に分類する新しいソリューションを提案する。提案アルゴリズムは、与えられたデータセットの結果の最適化に使用される画素理論とオブジェクト検出に重点を置いている。

関連論文リスト

Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文参考訳（メタデータ） (2024-07-03T03:29:23Z)
CINFormer: Transformer network with multi-stage CNN feature injection for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。 CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文参考訳（メタデータ） (2023-09-22T06:12:02Z)
Detecting Manufacturing Defects in PCBs via Data-Centric Machine Learning on Solder Paste Inspection Features [0.0]
SPI(Solder Paste Inspection)とAOI(Automated Optical Inspection)を用いたプリント基板(PCB)製造における欠陥の自動検出は、作業効率の向上と手作業による介入の必要性の低減に寄与する。我々は、PCB製造の3段階において、PCB欠陥を検出するために機械学習(ML)モデルを訓練するためのデータ中心のアプローチを実証する。
論文参考訳（メタデータ） (2023-09-06T15:52:55Z)
PCBDet: An Efficient Deep Neural Network Object Detection Architecture for Automatic PCB Component Detection on the Edge [48.7576911714538]
PCBDetは、最先端の推論スループットを提供するアテンションコンデンサネットワーク設計である。他の最先端のアーキテクチャ設計に比べて優れたPCBコンポーネント検出性能を実現している。
論文参考訳（メタデータ） (2023-01-23T04:34:25Z)
SolderNet: Towards Trustworthy Visual Inspection of Solder Joints in Electronics Manufacturing Using Explainable Artificial Intelligence [70.60433013657693]
エレクトロニクス製造において、半田接合部の欠陥は様々なプリント基板部品に影響を及ぼす一般的な問題である。半田関節の欠陥を特定・修正するために、回路基板上の半田関節は通常、訓練された人間の検査官によって手動で検査される。本研究では,半田関節の視覚検査に適した,説明可能な深層学習に基づく視覚品質検査システムについて述べる。
論文参考訳（メタデータ） (2022-11-18T15:02:59Z)
PCB Component Detection using Computer Vision for Hardware Assurance [0.3058340744328236]
本研究は,意味データを用いたPCBコンポーネント検出の課題に対して,コンピュータビジョンに基づく様々な特徴の利点と限界について検討する。本研究は,PCB成分検出において,色特徴が有望な性能を示すことを示した。
論文参考訳（メタデータ） (2022-02-17T05:46:53Z)
ChangeChip: A Reference-Based Unsupervised Change Detection for PCB Defect Detection [0.8057006406834467]
そこで本研究では,PCBの欠陥検出システムであるChangeChipを紹介する。また,欠陥検出アルゴリズムの評価のために,20対のPCB画像からなるラベル付きデータセットであるCD-PCBを提案する。
論文参考訳（メタデータ） (2021-09-13T07:10:07Z)
FAST-PCA: A Fast and Exact Algorithm for Distributed Principal Component Analysis [12.91948651812873]
主成分分析(PCA)は、機械学習の世界における基本的なデータ前処理ツールである。本稿では,FAST-PCA (Fast and exact distributed PCA) と呼ばれる分散PCAアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-08-27T16:10:59Z)
EEG-Inception: An Accurate and Robust End-to-End Neural Network for EEG-based Motor Imagery Classification [123.93460670568554]
本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
論文参考訳（メタデータ） (2021-01-24T19:03:10Z)
Batch Coherence-Driven Network for Part-aware Person Re-Identification [79.33809815035127]
既存のパートアウェアの人物再識別方法は、通常、ボディ部分の検出と部分レベルの特徴抽出という2つのステップを使用する。トレーニングフェーズとテストフェーズの両方で身体の一部をバイパスし,セマンティックに整合した機能を実現するNetworkBCDNetを提案する。
論文参考訳（メタデータ） (2020-09-21T09:04:13Z)
PCB Defect Detection Using Denoising Convolutional Autoencoders [2.386911608328309]
プリント回路基板(PCB)の小さな欠陥は、最終製品に重大な欠陥を引き起こす可能性がある。そこで本研究では,PCBの欠陥検出と欠陥発見のための畳み込みオートエンコーダのデノベートに基づく手法を提案する。
論文参考訳（メタデータ） (2020-08-28T11:38:09Z)

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。