يعد كشف العيوب في لوحات الدائرة المطبوعة (PCB) من التحديات الكبيرة، حيث أن العديد من العيوب صغيرة وصعبة التمييز بين أنماط الخلفية المعقدة. تميل معظم طرق الفحص المعتمدة على التعلم العميق إلى الاعتماد على صورة اللوحة المفحوصة فقط، مما يتجاهل الصورة المرجعية الخالية من العيوب التي تمثل التوزيع المتوقع للمسارات، والأجزاء، وهياكل PCB الأخرى.

في هذا السياق، يقدم الباحثون نظام RefDiffNet، وهو وحدة خفيفة الوزن لتحسين المدخلات تُستخدم قبل نظام الكشف، مما يعزز الصورة قبل عملية الكشف عن العيوب.

تعتمد فكرة RefDiffNet على استخدام صورة مرجعية خالية من العيوب، مما يساهم في إبراز العيوب المحتملة. يقوم RefDiffNet بمقارنة الصورة المتضررة بالصورة المرجعية المتوازنة، ويُظهر التغيرات الهيكلية مقارنةً بالمرجع، ويستخدم مشفراً خفيفاً للإخراج بصورة أصلية مع تمييز المناطق المتضررة، مما يسهل المهمة على أنظمة الكشف.

أظهرت نتائج التجارب على مجموعتي بيانات HRIPCB وDeepPCB أن RefDiffNet حسّن الأداء بشكل مستمر عبر مختلف عائلات أنظمة الكشف، بما في ذلك أنظمة الكشف من نوع YOLOv8 إلى YOLOv26، والنموذج المعتمد على التحويلات RT-DETR، وFaster R-CNN. وحقق النظام زيادة تصل إلى 18% في نسبة معدل الدقة (mAP50:95) مع تكلفة إضافية ضئيلة، حيث قدم فقط 0.004 - 0.005 مليون معلمة جديدة و0.7 - 0.8 GFLOPs.

بذلك، يُعتبر RefDiffNet وحدة تحسين مدخلات خفيفة الوزن وسهلة الاستخدام وغير مرتبطة بنظام الكشف، مما يعزي تحسن كبير في كشف عيوب لوحات الدائرة المطبوعة بتكلفة حسابية بسيطة جدًا.

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!