从整块板到微小缺陷：面向高分辨率PCB缺陷检测的尺度感知瓦片推理与拓扑感知合并
计算机视觉与模式识别
2026-05-26 v1
摘要
高分辨率印刷电路板（PCB）检测在将全板图像缩放至标准检测器输入时 suffer 分辨率坍缩：微小缺陷缩小为仅几像素而被遗漏。基于瓦片的推理保留局部细节，但在瓦片边缘引入边界伪影，导致检测被分割和产生误报。我们对五种推理策略进行系统性比较，评估于两个高分辨率PCB缺陷数据集：PCB-Defect（230张图像，1704个标注）和HRIPCB（693张图像，2953个标注），涵盖六类缺陷。我们表明，训练-推理尺度一致性至关重要：在瓦片推理下，训练于全图像的检测器mAP@50降至0.01，而在640×640瓦片作物上训练的相同架构在两个数据集上分别达到0.72和0.94。我们进一步利用拓扑感知瓦片合并（TA-TM），一种无需训练的后处理方法，通过构建瓦片邻接图并利用邻近瓦片一致性调整边界敏感检测得分后进行全局非极大值抑制。两个数据集上，增加128像素瓦片重叠将边界区域召回率从约26%-63%提升至约70%-100%，TA-TM在两个基准上实现最佳mAP@50，瓦片推理恢复了46%-100%的被全图像方法完全遗漏的小缺陷。结果在数据集间保持一致，确认所提策略的通用性。TA-TM无需重新训练且与体系结构无关，可直接应用于现有PCB检测管线。
引用
@article{arxiv.2605.24726,
title = {From Full Boards to Tiny Defects: Scale-Aware Tile Inference with Topology-Aware Merging for High-Resolution PCB Defect Detection},
author = {Mohammad Alijanpour Shalmani and Alale Rezvani Boroujeni and Ali Amini and Jiann Shiun Yuan},
journal= {arXiv preprint arXiv:2605.24726},
year = {2026}
}