YOLO algorithm with hybrid attention feature pyramid network for solder joint defect detection

要約

従来のはんだ接合欠陥の手動検出は、効率の低さ、評価の一貫性のなさ、コストの高さ、リアルタイム データの欠如などの理由から、工業生産には適用されなくなりました。
産業シナリオの表面実装技術におけるはんだ接合部の欠陥検出の低精度、高い誤検出率、および計算コストの問題に対処するための新しいアプローチが提案されています。
提案されたソリューションは、はんだ接合部の欠陥検出アルゴリズムに特化して設計されたハイブリッド アテンション メカニズムで、計算コストを削減しながら精度を高めることで製造プロセスの品質管理を向上させます。
ハイブリッド アテンション メカニズムは、提案された強化されたマルチヘッド セルフ アテンションと調整アテンション メカニズムで構成され、アテンション ネットワークのコンテキスト情報を認識する能力を高め、ネットワーク機能の利用範囲を強化します。
座標アテンション メカニズムにより、異なるチャネル間の接続が強化され、位置情報の損失が軽減されます。
ハイブリッド アテンション メカニズムは、長距離の位置情報を認識し、地域の特徴を学習するネットワークの機能を強化します。
改良されたアルゴリズム モデルは、はんだ接合部の欠陥検出に優れた検出能力を備えており、mAP は 91.5% に達し、You Only Look Once バージョン 5 アルゴリズムより 4.3% 高く、他の比較アルゴリズムよりも優れています。
他のバージョンと比較して、平均精度、精度、再現率、および 1 秒あたりのフレーム数の指標も向上しました。
リアルタイム検出要件を満たしながら、検出精度の向上を実現できます。

要約(オリジナル)

Traditional manual detection for solder joint defect is no longer applied during industrial production due to low efficiency, inconsistent evaluation, high cost and lack of real-time data. A new approach has been proposed to address the issues of low accuracy, high false detection rates and computational cost of solder joint defect detection in surface mount technology of industrial scenarios. The proposed solution is a hybrid attention mechanism designed specifically for the solder joint defect detection algorithm to improve quality control in the manufacturing process by increasing the accuracy while reducing the computational cost. The hybrid attention mechanism comprises a proposed enhanced multi-head self-attention and coordinate attention mechanisms increase the ability of attention networks to perceive contextual information and enhances the utilization range of network features. The coordinate attention mechanism enhances the connection between different channels and reduces location information loss. The hybrid attention mechanism enhances the capability of the network to perceive long-distance position information and learn local features. The improved algorithm model has good detection ability for solder joint defect detection, with mAP reaching 91.5%, 4.3% higher than the You Only Look Once version 5 algorithm and better than other comparative algorithms. Compared to other versions, mean Average Precision, Precision, Recall, and Frame per Seconds indicators have also improved. The improvement of detection accuracy can be achieved while meeting real-time detection requirements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google