PCB-Vision: A Multiscene RGB-Hyperspectral Benchmark Dataset of Printed Circuit Boards

要約

電子廃棄物 (E-waste) のリサイクルという重要なテーマに取り組むこの貢献は、意思決定とプロセス制御の基盤として高度な自動データ処理パイプラインの開発に特化しています。
循環経済と国連（UN）の持続可能な開発目標（SDG）のより広範な目標に沿って、私たちの研究はRGBおよびハイパースペクトルイメージングデータを利用した非侵襲的分析手法を活用して、電子廃棄物の流れについて定量的および定性的な洞察を提供します。
リサイクル効率を最適化するための組成。
このペーパーでは、「PCB-Vision」について紹介します。
先駆的な RGB ハイパースペクトル プリント基板 (PCB) ベンチマーク データセット。高空間解像度の 53 個の RGB 画像と、可視および近赤外 (VNIR) 範囲の対応する高スペクトル解像度のハイパースペクトル データ キューブの組み合わせで構成されます。
オープン サイエンスの原則に基づいた当社のデータセットは、集積回路 (IC)、コンデンサ、コネクタという 3 つの主要な PCB コンポーネントに焦点を当てた、高品質のグラウンド トゥルースを通じて研究者に包括的なリソースを提供します。
私たちは、提案されたデータセットに関する広範な統計調査と、U-Net、tention U-Net、Residual U-Net、LinkNet、DeepLabv3+ を含むいくつかの最先端 (SOTA) モデルのパフォーマンスを提供します。
このマルチシーン ベンチマーク データセットをベースライン コードとともにオープンに共有することで、コンピューター ビジョンやリモート センシングを含む (ただしこれらに限定されない) さまざまな科学コミュニティ全体で、透明性が高く、追跡可能で比較可能な高度なデータ処理の開発を促進したいと考えています。
協力的で包括的な科学コミュニティをサポートするという当社の取り組みを強調するため、コード、データ、グラウンド トゥルース、マスクを含むすべての資料は https://github.com/hifexplo/PCBVision でアクセスできるようになります。

要約(オリジナル)

Addressing the critical theme of recycling electronic waste (E-waste), this contribution is dedicated to developing advanced automated data processing pipelines as a basis for decision-making and process control. Aligning with the broader goals of the circular economy and the United Nations (UN) Sustainable Development Goals (SDG), our work leverages non-invasive analysis methods utilizing RGB and hyperspectral imaging data to provide both quantitative and qualitative insights into the E-waste stream composition for optimizing recycling efficiency. In this paper, we introduce ‘PCB-Vision’; a pioneering RGB-hyperspectral printed circuit board (PCB) benchmark dataset, comprising 53 RGB images of high spatial resolution paired with their corresponding high spectral resolution hyperspectral data cubes in the visible and near-infrared (VNIR) range. Grounded in open science principles, our dataset provides a comprehensive resource for researchers through high-quality ground truths, focusing on three primary PCB components: integrated circuits (IC), capacitors, and connectors. We provide extensive statistical investigations on the proposed dataset together with the performance of several state-of-the-art (SOTA) models, including U-Net, Attention U-Net, Residual U-Net, LinkNet, and DeepLabv3+. By openly sharing this multi-scene benchmark dataset along with the baseline codes, we hope to foster transparent, traceable, and comparable developments of advanced data processing across various scientific communities, including, but not limited to, computer vision and remote sensing. Emphasizing our commitment to supporting a collaborative and inclusive scientific community, all materials, including code, data, ground truth, and masks, will be accessible at https://github.com/hifexplo/PCBVision.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google