論文の概要: Structure-Guided Mixed Masked Pretraining and Spatial Continuity Regularization for Printed Circuit Board Defect Detection
- arxiv url: http://arxiv.org/abs/2606.03508v1
- Date: Tue, 02 Jun 2026 11:26:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.966623
- Title: Structure-Guided Mixed Masked Pretraining and Spatial Continuity Regularization for Printed Circuit Board Defect Detection
- Title（参考訳）: プリント基板欠陥検出のための構造誘導混合マスク前処理と空間連続性正規化
- Authors: Peitong Wang, Nuo Wang, Enxin Qin, Chengjin Yu, Hanyu Xuan, Yuanting Yan,
- Abstract要約: プリント基板(PCB)欠陥検出は自動光学検査(AOI)の不可欠な部分である
本稿では,構造誘導型複合マスクプレトレーニングと空間連続性正規化を組み合わせた2相PCB欠陥検出フレームワークを提案する。
DsPCBSD+データセットの実験により、提案手法は85.5% mAP0.5と52.3% mAP0.5:0.95を達成し、いくつかの強力なベースライン検出器を上回る結果を得た。
- 参考スコア（独自算出の注目度）: 13.022718061084406
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Printed circuit board (PCB) defect detection is an essential part of automated optical inspection (AOI); yet it remains challenging in practice because many defects are tiny, low-contrast, and embedded in dense circuit backgrounds. To address these issues, this paper presents a two-phase PCB defect detection framework that combines structure-guided mixed masked pretraining with spatial continuity regularization. In the pretraining stage, we design a sparse convolutional masked pretraining scheme to exploit unlabeled PCB images, where structure-guided mixed masking is used to construct informative masked inputs. The sparse convolutional reconstruction pipeline suppresses invalid responses from masked regions and enables the detector backbone to infer missing PCB structures from visible conductive patterns, thereby learning PCB structural priors. In the fine-tuning stage, the pretrained backbone is transferred to the downstream defect detection task. For the task, a spatial continuity regularization term is introduced during fine-tuning. This term constrains dispersed positive predictions assigned to the same defect instance and promotes more compact localization on elongated defect regions. Experiments on the DsPCBSD+ dataset show that the proposed method achieves 85.5% mAP0.5 and 52.3% mAP0.5:0.95, outperforming several strong baseline detectors. Ablation studies and qualitative results further confirm the effectiveness of the proposed framework for robust PCB defect detection in industrial AOI scenarios.
- Abstract（参考訳）: プリント回路基板(PCB)欠陥検出は自動光学検査(AOI)の不可欠な部分であるが、多くの欠陥は小さく、低コントラストであり、密度の回路背景に埋め込まれているため、実際は困難である。
これらの問題に対処するために,構造誘導型複合マスクプレトレーニングと空間連続性正規化を組み合わせた2相PCB欠陥検出フレームワークを提案する。
事前訓練段階では,構造化誘導混合マスキングを用いて情報化マスク入力を構成する,ラベルのないPCB画像を利用するための,まばらな畳み込みマスク事前訓練方式を設計する。
スパース畳み込み再構築パイプラインは、マスクされた領域からの無効応答を抑え、検出器バックボーンが行方不明のPCB構造を可視導電性パターンから推測し、PCB構造先行を学習できるようにする。
微調整段階では、予め訓練されたバックボーンを下流欠陥検出タスクに転送する。
タスクに対しては、微調整中に空間連続性正規化項を導入する。
この用語は、同じ欠陥インスタンスに割り当てられた分散正の予測を制約し、よりコンパクトな欠陥領域の局所化を促進する。
DsPCBSD+データセットの実験により、提案手法は85.5% mAP0.5と52.3% mAP0.5:0.95を達成し、いくつかの強力なベースライン検出器を上回る結果を得た。
産業用AOIシナリオにおけるロバストPCB欠陥検出のためのフレームワークの有効性をさらに検証した。
関連論文リスト
- MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - UniPCB: A Generation-Assisted Detection Framework for PCB Defect Inspection [16.687894734386322]
制御された欠陥合成とタスク固有の欠陥検出を統合した世代別PCB欠陥検査フレームワークを提案する。
DsPCBSD+の実験では、UniPCBは98.0%のmAP@0.5と61.8%のmAP@0.5:0.95の欠陥検出を達成した。
論文 参考訳（メタデータ） (2026-05-06T08:30:27Z) - Data-Driven Assessment of Concrete Slab Integrity via Impact-Echo Signals and Neural Networks [0.0]
剥離, ヴォイド, ハニカムなどの地下欠陥は, コンクリート製橋脚の耐久性に重大な影響を及ぼす。
本稿では, 欠陥局所化と共通コンクリート欠陥の多クラス分類の両方を自動化する機械学習ベースのImpact Echo(IE)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-26T05:49:50Z) - Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。
自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。
構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
論文 参考訳（メタデータ） (2025-11-10T15:48:50Z) - 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) - 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) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Test-time Adaptation with Slot-Centric Models [63.981055778098444]
Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。
我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-03-21T17:59:50Z) - 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)
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。