PCB-Vision : un ensemble de données de référence multiscène RGB-hyperspectrale des cartes de circuits imprimés

S'attaquant à la problématique critique du recyclage des déchets électroniques (E-waste), cette contribution est consacrée au développement de pipelines avancés de traitement automatisé des données comme base pour la prise de décision et le contrôle des processus. S'alignant sur les objectifs plus larges de l'économie circulaire et des Objectifs de Développement Durable (ODD) des Nations Unies, notre travail s'appuie sur des méthodes d'analyse non-invasives utilisant des données d'imagerie RGB et hyperspectrale pour fournir à la fois des aperçus quantitatifs et qualitatifs sur la composition du flux de déchets électroniques afin d'optimiser l'efficacité du recyclage. Dans cet article, nous introduisons 'PCB-Vision' ; un ensemble de données de référence pionnier en RGB-hyperspectral des cartes de circuits imprimés (PCB), comprenant 53 images RGB de haute résolution spatiale associées à leurs cubes de données hyperspectrales correspondants à haute résolution spectrale dans la plage visible et proche infrarouge (VNIR). Ancré dans les principes de la science ouverte, notre ensemble de données constitue une ressource complète pour les chercheurs grâce à des vérités terrain de haute qualité, en se concentrant sur trois composants principaux des PCB : circuits intégrés (IC), condensateurs et connecteurs. Nous fournissons des enquêtes statistiques approfondies sur l'ensemble de données proposé, ainsi que sur les performances de plusieurs modèles à la pointe de la technologie (SOTA), y compris U-Net, Attention UNet, Residual U-Net, LinkNet et DeepLabv3+. En partageant ouvertement cet ensemble de données de référence multiscène avec les codes de référence, nous espérons encourager des développements transparents, traçables et comparables du traitement avancé des données à travers diverses communautés scientifiques, y compris, mais sans s'y limiter, la vision par ordinateur et la télédétection. Soulignant notre engagement à soutenir une communauté scientifique collaborative et inclusive, tous les matériaux, y compris le code, les données, les vérités terrain et les masques, seront accessibles à https://github.com/hifexplo/PCBVision.