UniPCB: 面向开放式PCB质量检测的统一视觉-语言基准
计算机视觉与模式识别
2026-01-28 v1 人工智能
摘要
多模态大语言模型(MLLMs)在通用工业质量检测中展现出潜力，但在印刷电路板(PCB)检测等复杂场景中表现不足。PCB检测因元件密集、布线结构复杂以及需要专业领域知识的细微缺陷模式而面临独特挑战。然而，目前缺乏一个高质量、统一的视觉-语言基准来定量评估MLLMs在各项PCB检测任务上的表现，其原因不仅在于数据可用性有限，还在于数据集碎片化和标准化不一致。为填补这一空白，我们提出了UniPCB，这是首个面向开放式PCB质量检测的统一视觉-语言基准。UniPCB通过一个系统化的流程构建，该流程从三个标注场景的不同来源中整理并标准化数据。此外，我们引入了PCB-GPT，这是一个在该流程生成的新指令数据集上训练的MLLM，采用了一种模拟人类专家学习过程的新型渐进式课程学习。在UniPCB基准上的评估表明，现有MLLMs在特定领域任务上表现不佳，而PCB-GPT则建立了新的基线。值得注意的是，在细粒度缺陷定位方面，其性能是最强竞争对手的两倍以上，在定位和分析方面具有显著优势。我们将发布指令数据、基准和模型，以促进未来研究。
引用
@article{arxiv.2601.19222,
title = {UniPCB: A Unified Vision-Language Benchmark for Open-Ended PCB Quality Inspection},
author = {Fuxiang Sun and Xi Jiang and Jiansheng Wu and Haigang Zhang and Feng Zheng and Jinfeng Yang},
journal= {arXiv preprint arXiv:2601.19222},
year = {2026}
}