Key points are not available for this paper at this time.
Apesar de serem dispositivos indispensáveis na indústria de fabricação eletrônica, placas de circuito impresso (PCBs) podem desenvolver vários defeitos de soldagem durante o processo de produção, o que afeta seriamente a qualidade do produto. Devido à substancial interferência de fundo na imagem do defeito de soldagem e às formas pequenas e irregulares dos defeitos, a segmentação precisa dos defeitos de soldagem é uma tarefa desafiadora. Para abordar essa questão, é proposto um método para melhorar a estrutura da rede codificadora-decodificadora do UNet para a segmentação de defeitos de soldagem em PCB. Para aumentar as capacidades de extração de características do codificador e focar mais em características mais profundas, o VGG16 é empregado como codificador da rede. Além disso, um módulo de atenção híbrido chamado DHAM, que combina atenção de canal e atenção espacial dinâmica, é proposto para reduzir a interferência de fundo nas imagens e direcionar o foco do modelo mais para as áreas de defeito. Adicionalmente, com base no GSConv, o RGSM é introduzido e aplicado no decodificador para melhorar as capacidades de fusão de características do modelo e aumentar a precisão da segmentação. Os experimentos demonstram que o método proposto pode melhorar efetivamente a precisão da segmentação para defeitos de soldagem em PCB, alcançando um mIoU de 81,74% e um mPA de 87,33%, enquanto mantém um número relativamente baixo de parâmetros do modelo de apenas 22,13 M e alcança um FPS de 30,16, atendendo assim aos requisitos de velocidade de detecção em tempo real.
Li et al. (Quarta-feira,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: