基于计算机视觉的PCB元器件检测用于硬件保障
计算机视觉与模式识别
2022-02-18 v1
摘要
印刷电路板(PCB)在光学域的保障是一个关键研究领域。尽管已有许多基于图像处理、计算机视觉(CV)和机器学习(ML)的PCB保障方法，但PCB领域复杂且不断发展，需要新技术以应对新出现问题。现有基于ML的方法优于传统CV方法，但它们往往需要更多数据、可解释性低，且在新技术的出现时难以适应。为克服这些挑战，CV方法可与ML方法协同使用。特别是，提取颜色、形状和纹理特征等人类可解释的CV算法提升了PCB保障的可解释性。这使得先验知识的引入成为可能，从而有效减少可训练ML参数数量，进而减少训练或重训练ML模型以达到高准确度所需的数据量。因此，本研究探索多种常见基于计算机视觉的特征在利用语义数据的PCB元器件检测任务中的优势与局限。研究结果表明，颜色特征在PCB元器件检测中展现出良好性能。本文旨在促进硬件保障、计算机视觉与机器学习社区之间的协作。
引用
@article{arxiv.2202.08452,
title = {PCB Component Detection using Computer Vision for Hardware Assurance},
author = {Wenwei Zhao and Suprith Gurudu and Shayan Taheri and Shajib Ghosh and Mukhil Azhagan Mallaiyan Sathiaseelan and Navid Asadizanjani},
journal= {arXiv preprint arXiv:2202.08452},
year = {2022}
}