PCB-Vision：一个多场景的印刷电路板 RGB-高光谱基准数据集
计算机视觉与模式识别
2024-01-15 v1 人工智能
图像与视频处理
摘要
针对电子废弃物（E-waste）回收这一关键主题，本文致力于开发先进的自动化数据处理流程，作为决策和过程控制的基础。为契合循环经济与联合国（UN）可持续发展目标（SDG）的更广泛目标，我们的工作利用基于 RGB 和高光谱成像数据的非侵入性分析方法，为电子废弃物流成分提供定量与定性洞察，以优化回收效率。本文中，我们介绍“PCB-Vision”——一个开创性的 RGB-高光谱印刷电路板（PCB）基准数据集，包含 53 幅高空间分辨率 RGB 图像及其在可见光与近红外（VNIR）范围内对应的高光谱分辨率数据立方体。基于开放科学原则，我们的数据集通过高质量的真值标注，为研究人员提供全面资源，重点关注三类主要 PCB 组件：集成电路（IC）、电容器和连接器。我们对所提出的数据集进行了广泛的统计研究，并展示了若干最先进（SOTA）模型的性能，包括 U-Net、Attention U-Net、Residual U-Net、LinkNet 和 DeepLabv3+。通过公开共享这一多场景基准数据集及基线代码，我们希望促进跨多个科学领域（包括但不限于计算机视觉和遥感）透明、可追溯且可比较的先进数据处理发展。为强调我们对支持协作与包容性科学界的承诺，所有材料，包括代码、数据、真值标注和掩膜，均可在 https://github.com/hifexplo/PCBVision 获取。
引用
@article{arxiv.2401.06528,
title = {PCB-Vision: A Multiscene RGB-Hyperspectral Benchmark Dataset of Printed Circuit Boards},
author = {Elias Arbash and Margret Fuchs and Behnood Rasti and Sandra Lorenz and Pedram Ghamisi and Richard Gloaguen},
journal= {arXiv preprint arXiv:2401.06528},
year = {2024}
}