ChangeChip：一种基于参考图像的无监督PCB缺陷变化检测
摘要
电子设备的使用日益增多，并在生活大多数方面占据主导地位。表面贴装技术（Surface Mount Technology, SMT）是制造电子设备最通用的工业方法，其中电子元件直接贴装于印刷电路板（Printed Circuit Board, PCB）表面。尽管电子设备的普及以高效的方式影响着我们的生活，但这些设备制造过程中的故障或缺陷也可能产生反效果，在某些情况下甚至有害。因此，确保电子设备及其生产中的零缺陷质量是期望的，有时甚至是至关重要的。虽然传统的图像处理（Image Processing, IP）技术不足以提供完整解决方案，但深度学习（Deep Learning, DL）等其他有前景的方法用于PCB检测也可能具有挑战性，主要是因为这此类方法需要大量合适的数据库，而在快速增长的PCB领域中这些数据集缺失、不可用或未更新。因此，PCB检测通常由人类专家手动执行。无监督学习（Unsupervised Learning, UL）方法可能适用于PCB检测，一方面具有学习能力，另一方面不依赖大型数据集。本文中，我们介绍ChangeChip，一种基于计算机视觉（Computer Vision, CV）和UL的、用于PCB缺陷检测的自动化集成变化检测系统，可检测从焊接缺陷到缺失或错位的电子元件。我们通过对黄金PCB（参考）图像与受检PCB图像在各种设置下进行无监督变化检测，实现了高质量的缺陷检测。本工作中，我们还提出了CD-PCB，一个由20对PCB图像组成的合成标注数据集，用于缺陷检测算法的评估。
引用
@article{arxiv.2109.05746,
title = {ChangeChip: A Reference-Based Unsupervised Change Detection for PCB Defect Detection},
author = {Yehonatan Fridman and Matan Rusanovsky and Gal Oren},
journal= {arXiv preprint arXiv:2109.05746},
year = {2021}
}
备注
8 pages, 5 figures, " The sources of ChangeChip, as well as CD-PCB, are available at: https://github.com/Scientific-Computing-Lab-NRCN/ChangeChip "