PCB Defect Detection Based on Evolutionary Object Detection Algorithm
PulseAugur coverage of PCB Defect Detection Based on Evolutionary Object Detection Algorithm — every cluster mentioning PCB Defect Detection Based on Evolutionary Object Detection Algorithm across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
超分辨率与压缩伪影去除联合训练提升机器视觉缺陷检测能力
一篇新的研究论文提出了一个用于增强工业机器视觉图像质量的集成框架。该框架联合训练超分辨率（SR）和压缩伪影去除（CAR）模型，并针对机器感知而非仅仅人类视觉保真度进行优化。在PCB Defect、DeepPCB和NEU-DET等数据集上的实验表明，这种联合训练方法在严重压缩下表现明显优于顺序SR-CAR方法，从而显著提高了缺陷检测的准确性。
-
新的几何增强技术提升少样本工业缺陷检测性能
本文介绍了一种名为粗糙路径签名引导几何增强（RPS-GA）的新方法，用于改进少样本工业缺陷检测。RPS-GA将Canny边缘轮廓视为有序路径，并利用其签名响应创建空间图，突出边界结构。当在NEU-DET和PCB-Defect数据集上使用未经修改的YOLOv8n检测器进行测试时，RPS-GA显著提升了性能，尤其是在标记数据有限的情况下。
-
新的几何增强方法提升了少样本工业表面缺陷检测性能
研究人员开发了一种名为粗糙路径签名引导几何增强（RPS-GA）的新方法，以改进少样本工业表面缺陷检测。该技术将Canny边缘轮廓视为平面路径，并利用其签名响应来突出边界结构。当在NEU-DET和PCB-Defect数据集上使用未经修改的YOLOv8n检测器进行测试时，RPS-GA显著提升了性能，尤其是在低数据场景下，其表现优于基线方法，甚至在标准方法失效时也能实现检测。
-
新方法通过尺度感知切片改进 PCB 缺陷检测
研究人员开发了一种用于检测高分辨率印刷电路板 (PCB) 缺陷的新方法，该方法解决了尺度和切片边界问题。他们的方法包括在切片裁剪图上进行训练，而不是在整板图像上训练，以保留细节，从而显著提高了检测精度。此外，还引入了一种称为拓扑感知切片合并 (TA-TM) 的后处理技术，用于协调跨切片边缘的检测结果，在无需重新训练的情况下提高了小缺陷的召回率和整体性能。