論文の概要: Quality Inspection of Printed Circuit Board Pin Insertion via Semantic Segmentation and Board-Level Feature Extraction
- arxiv url: http://arxiv.org/abs/2608.22937v1
- Date: Mon, 24 Aug 2026 08:11:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.960106
- Title: Quality Inspection of Printed Circuit Board Pin Insertion via Semantic Segmentation and Board-Level Feature Extraction
- Title（参考訳）: セマンティックセグメンテーションとボードレベル特徴抽出によるプリント基板ピン挿入の品質検査
- Abstract要約: 本稿では,PCBに挿入されたピンを誤検出する自動欠陥検出手法を提案する。
提案するパイプラインは,U-Netアーキテクチャを用いたセマンティックセグメンテーションと,輪郭に基づく特徴抽出と,ボードレベルのパス/フェイル分類のためのロジスティック回帰を組み合わせたものである。
その結果,提案手法は産業環境における自動ピン検査の候補となる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 0.951631426026717
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quality control during printed circuit board (PCB) assembly is a critical step in ensuring reliable electronic products. Detecting misaligned pins during or after pin insertion remains a particularly challenging inspection task. This paper presents an automated defect detection method for identifying incorrectly inserted pins on PCBs. The proposed pipeline combines semantic segmentation using a U-Net architecture with contour-based feature extraction and logistic regression for board-level pass/fail classification. Segmentation masks are used to derive contour representations of individual pins, from which board-level features -such as average contour size- are extracted and used to train a logistic regression classifier. We evaluate the method on two datasets: an industrial collection of real-world PCB images, and a publicly available PCB pin-inspection dataset with substantially different visual characteristics. To assess the effectiveness of the proposed approach, a comparison against PatchCore, an anomaly detection technique new to be applied to pin inspection, as well as instance segmentation-based pin detection is made. The developed method achieved Area Under the Receiver Operating Characteristic Curve (ROC-AUC) values of 0.990 on a random test set split from the industrial data and 1.000 on the public dataset indicating strong separation between pass and fail boards. The results indicate that the proposed approach is a promising candidate for automated pin inspection in industrial environments and achieves strong performance on datasets with substantially different visual characteristics after dataset-specific training.
- Abstract（参考訳）: プリント基板(PCB)組立における品質管理は、信頼性の高い電子製品を保証するための重要なステップである。
ピン挿入中または後におけるピンの不一致を検出することは、特に困難な検査課題である。
本稿では,PCBに挿入されたピンを誤検出する自動欠陥検出手法を提案する。
提案するパイプラインは,U-Netアーキテクチャを用いたセマンティックセグメンテーションと,輪郭に基づく特徴抽出と,ボードレベルのパス/フェイル分類のためのロジスティック回帰を組み合わせたものである。
セグメンテーションマスクは個々のピンの輪郭表現を導出するために使用され、そこからボードレベルの特徴(平均輪郭サイズなど)を抽出し、ロジスティック回帰分類器を訓練するために使用される。
本手法は,実世界のPCB画像の産業的収集と,視覚特性が著しく異なるPCBピン検査データセットの2つのデータセット上で評価する。
提案手法の有効性を評価するため,ピン検査に新たに適用される異常検出技術であるPatchCoreとの比較を行い,事例分割に基づくピン検出を行った。
提案手法は,産業データから分離したランダムなテストセットで0.990の受信器動作特性曲線(ROC-AUC)値と,パスボードとフェールボードを強く分離したことを示す公開データセットで1.000を達成した。
提案手法は,産業環境における自動ピン検査の候補として有望であり,データセット固有の訓練後の視覚的特徴が著しく異なるデータセットに対して高い性能を達成できることを示す。
関連論文リスト
- Structure-Guided Mixed Masked Pretraining and Spatial Continuity Regularization for Printed Circuit Board Defect Detection [13.022718061084406]
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。
論文 参考訳（メタデータ） (2026-06-02T11:26:07Z) - MRC-DETR: An Adaptive Multi-Residual Coupled Transformer for Bare Board PCB Defect Detection [11.16242420187823]
そこで本研究では,PCB 欠陥検査のための新規かつ効率的な検出フレームワーク MRC-DETR を提案する。
特徴表現能力を高めるため,MRDCB(Multi-Residual Directional Coupled Block)を設計する。
非効率な層間情報融合による計算冗長性を低減するため、適応スクリーニングピラミッドネットワーク(ASPN)を導入する。
論文 参考訳（メタデータ） (2025-07-04T08:42:38Z) - Prior2Former -- Evidential Modeling of Mask Transformers for Assumption-Free Open-World Panoptic Segmentation [74.55677741919035]
顕在学習に根ざしたセグメンテーション・ビジョン・トランスフォーマの最初のアプローチである Prefer2Former (P2F) を提案する。
P2Fは、ピクセル単位のバイナリマスク割り当てにおいて、モデル不確実性を計算するためのベータを組み込むことで、マスクビジョントランスフォーマーアーキテクチャを拡張している。
未知のクラスに対処するほとんどのセグメンテーションモデルとは異なり、P2FはOODデータサンプルへのアクセスや、ヴォイド(ラベルなし)クラスに対する対照的なトレーニングなしで動作する。
論文 参考訳（メタデータ） (2025-04-07T08:53:14Z) - A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳（メタデータ） (2024-12-11T22:12:21Z) - Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。
DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。
10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2024-07-20T01:34:13Z) - 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) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳（メタデータ） (2021-11-30T18:42:42Z) - Exploring Covariate and Concept Shift for Detection and Calibration of
Out-of-Distribution Data [77.27338842609153]
キャラクタリゼーションにより、OODデータの検出と信頼性校正には、それぞれのシフトに対する感度が重要であることが明らかになった。
分布内データのみを用いて両シフトでのOOD検出を改善するために,幾何学的に着想を得た手法を提案する。
我々は,OOD検出とキャリブレーションの両面で,異なるタイプのシフトの下でうまく機能する手法を最初に提案する。
論文 参考訳（メタデータ） (2021-10-28T15:42:55Z) - Hierarchical Convolutional Neural Network with Feature Preservation and
Autotuned Thresholding for Crack Detection [5.735035463793008]
ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。
本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。
提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
論文 参考訳（メタデータ） (2021-04-21T13:07:58Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-13T04:12:59Z) - Detection Method Based on Automatic Visual Shape Clustering for
Pin-Missing Defect in Transmission Lines [1.602803566465659]
ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。
タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。
本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
論文 参考訳（メタデータ） (2020-01-17T10:57:37Z)
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。