論文の概要: ChangeChip: A Reference-Based Unsupervised Change Detection for PCB
Defect Detection
- arxiv url: http://arxiv.org/abs/2109.05746v1
- Date: Mon, 13 Sep 2021 07:10:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-15 08:16:18.496732
- Title: ChangeChip: A Reference-Based Unsupervised Change Detection for PCB
Defect Detection
- Title（参考訳）: ChangeChip: PCB欠陥検出のための参照ベースの教師なし変更検出
- Authors: Yehonatan Fridman, Matan Rusanovsky, Gal Oren
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.8057006406834467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The usage of electronic devices increases, and becomes predominant in most
aspects of life. Surface Mount Technology (SMT) is the most common industrial
method for manufacturing electric devices in which electrical components are
mounted directly onto the surface of a Printed Circuit Board (PCB). Although
the expansion of electronic devices affects our lives in a productive way,
failures or defects in the manufacturing procedure of those devices might also
be counterproductive and even harmful in some cases. It is therefore desired
and sometimes crucial to ensure zero-defect quality in electronic devices and
their production. While traditional Image Processing (IP) techniques are not
sufficient to produce a complete solution, other promising methods like Deep
Learning (DL) might also be challenging for PCB inspection, mainly because such
methods require big adequate datasets which are missing, not available or not
updated in the rapidly growing field of PCBs. Thus, PCB inspection is
conventionally performed manually by human experts. Unsupervised Learning (UL)
methods may potentially be suitable for PCB inspection, having learning
capabilities on the one hand, while not relying on large datasets on the other.
In this paper, we introduce ChangeChip, an automated and integrated change
detection system for defect detection in PCBs, from soldering defects to
missing or misaligned electronic elements, based on Computer Vision (CV) and
UL. We achieve good quality defect detection by applying an unsupervised change
detection between images of a golden PCB (reference) and the inspected PCB
under various setting. In this work, we also present CD-PCB, a synthesized
labeled dataset of 20 pairs of PCB images for evaluation of defect detection
algorithms.
- Abstract（参考訳）: 電子機器の使用は増加し、生活のほとんどの面で支配的になる。
表面実装技術(surface mount technology, smt)は、プリント基板(pcb)の表面に直接電気部品を装着する電気機器を製造する最も一般的な工業的方法である。
電子機器の膨張は我々の生活に生産的影響を与えるが、それらの装置の製造手順の失敗や欠陥は、反生産的であり、場合によっては有害である。
したがって、電子機器とその製造におけるゼロ欠陥品質を保証することが望まれ、時には重要となる。
従来の画像処理(IP)技術は完全なソリューションを作るには不十分だが、Deep Learning(DL)のような他の有望な手法はPCB検査にも困難である。
したがって、従来は人間の専門家が手作業でpcb検査を行う。
非教師なし学習(UL)手法はPCB検査に適した可能性があり、一方は学習能力を持ち、他方は大きなデータセットに依存しない。
本稿では,コンピュータビジョン(cv)とulに基づいて,ハダリング欠陥から欠失・不整合電子要素まで,pcbにおける欠陥検出のための自動的かつ統合的な変更検出システムであるchangechipを提案する。
我々は、黄金のPCB(参照)と検査されたPCBの画像間の教師なしの変更検出を様々な設定で適用することにより、良質な欠陥検出を実現する。
そこで本研究では,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。
関連論文リスト
- YOLO-pdd: A Novel Multi-scale PCB Defect Detection Method Using Deep Representations with Sequential Images [7.368447690189973]
本稿では,CNNに基づくPCB欠陥検出のための高精度で堅牢でリアルタイムなエンドツーエンド手法を提案する。
本稿では, YOLOv5とマルチスケールモジュールを組み合わせた階層的残差接続手法を提案する。
大規模PCBデータセットの実験では、既存の手法と比較して精度、リコール、F1スコアが大幅に改善された。
論文 参考訳（メタデータ） (2024-07-22T07:08:22Z) - DVQI: A Multi-task, Hardware-integrated Artificial Intelligence System
for Automated Visual Inspection in Electronics Manufacturing [57.33324493991657]
本稿では,DVQI(DarwinAI Visual Quality Inspection)システムを用いて,プリント基板組立欠陥の自動検査を行う。
DVQIシステムは、最小限のプログラミングと製造技術者のセットアップによるマルチタスク検査を可能にする。
また、DVQIシステムの性能と、トップエレクトロニクスメーカーへの影響に関するケーススタディも提示する。
論文 参考訳（メタデータ） (2023-12-14T18:56:54Z) - 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) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - PCB-Fire: Automated Classification and Fault Detection in PCB [0.0]
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。
論文 参考訳（メタデータ） (2021-02-22T05:19:22Z) - Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。
システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
論文 参考訳（メタデータ） (2021-01-11T08:14:35Z) - 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。
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。