CDA-YOLO: An Improved YOLOv11 Model for PCB Defect Detection
تقترح الورقة البحثية إطار عمل CDA-YOLO، وهو نسخة محسنة من YOLOv11 تدمج شبكة هرم ميزات ثنائية الاتجاه عبر المستويات، ووحدة تلافيف ثنائية المقياس خفيفة الوزن، وآلية انتباه متوسطة خالية من المعلمات، وذلك لتحسين دقة اكتشاف عيوب لوحات الدوائر المطبوعة (PCB) بشكل كبير من خلال معالجة التحديات المتعلقة بالأهداف الصغيرة والخلفيات المعقدة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في البنية الخفية للإلكترونيات الحديثة، تعمل لوحة الدوائر المطبوعة بمثابة الجهاز العصبي، وهي شبكة معقدة من المسارات التي تربط كل مكون في الجهاز. تُصنع هذه اللوحات بدقة متناهية، ومع ذلك، فإن الطبيعة المجهرية لتصميمها تعني أن أصغر عيب — خط مكسور، أو ثقب في غير مكانه، أو ذرة نحاس شاردة — يمكن أن يتسبب في فشل النظام بأكمله. لعقود من الزمن، اعتمد المصنعون على العيون البشرية لفحص هذه اللوحات، وهي طريقة بطيئة ومرهقة وعرضة للخطأ مع صراع العمال للحفاظ على تركيزهم. وفي الآونة الأخيرة، تم تعليم الحواسيب كيف ترى، باستخدام الذكاء الاصطنا الرئيسي للمسح بحثًا عن العيوب. وتعد الأدوات الأكثر شيوعًا لهذه المهمة هي نماذج الكشف التي تمسح الصورة وترسم مربعات حول المشكلات، لكنها غالبًا ما تواجه صعوبة عندما تكون المشكلات صغيرة للغاية والخلفية مزدحمة بأنماط معقدة تشبه العيوب نفسها كثيرًا.
قام فريق من الباحثين في جامعة سيشوان بتطوير نهج جديد لهذا التحدي البصري، حيث ابتكروا نظامًا أطلقوا عليه اسم CDA-YOLO. يعتمد هذا النموذج على إطار عمل قوي موجود بالفعل يُعرف باسم YOLOv11، وهو مصمم للعثور على الأشياء بسرعة ودقة. ومع ذلك، أدرك الباحثون أن النسخة القياسية من هذه الأداة لم تكن حادة بما يكفي للمتطلبات المحددة لفحص لوحات الدوائر. فالعيوب الصغيرة على اللوحة يمكن أن تضيع في ضجيج الدوائر المحيطة، مما يؤدي إلى جعل الكمبيوتر إما يغفل عنها تمامًا أو يخطئ في اعتبار الأنسجة غير الضارة أجزاءً مكسورة. ولحل هذه المشكلة، هندس الفريق ثلاثة تحسينات محددة تسمح للنظام برؤية اللوحة بوضوح أكبر، والتمييز بين إشارة العيب وضجيج الخلفية.
يتناول التغيير الرئيسي الأول كيفية معالجة الكمبيوتر للصورة أثناء تعمقه في التفاصيل. في النماذج القياسية، وبينما يتم تحليل الصورة طبقة تلو الأخرى، يمكن للتفاصيل الدقيقة للأجسام الصغيرة أن تتلاشى، تمامًا مثل رسالة تصبح مشوشة أثناء انتقالها عبر سلسلة طويلة من الأشخاص. وقد بنى الباحثون مسارًا جديدًا يسمح للمعلومات بالقفز بين طبقات مختلفة من النظام، مما يضمن الحفاظ على التفاصيل الدقيقة والحادة للعيوب الصغيرة طوال عملية اتخاذ القرار النهائي. وهذا يضمن أن حتى العيب الذي يشغل بضعة بكسلات فقط يظل مرئيًا للنظام.
ولزيادة حدة الرؤية، قدم الفريق نهج "العدسة المزدوجة" لفحص اللوحة. فبدلاً من استخدام طريقة واحدة للنظر إلى الصورة، يقسم نظامهم انتباهه إلى مسارين متوازيين؛ يركز أحد المسارين بكثافة على التفاصيل المحلية المباشرة، ملتقطًا الحواف والأنسجة الحادة لخلل محتمل، بينما يتراجع المسار الآخر قليلًا لفهم السياق الأوسع، حيث ينظر إلى المنطقة المحيطة ليرى كيف يتناسب العيب مع النمط الأكبر للدائرة. ومن خلال الجمع بين هذين المنظورين، يمكن للنظام التمييز بين خط مكسور حقيقي ونمط مربك في الخلفية، مما يقلل بشكل كبير من الإنذارات الكاذبة.
ويتضمن التحسين النهائي آلية تساعد النظام على تجاهل المعلومات غير ذات الصلة. ففي لوحة الدوائر الكثيفة، يوجد قدر هائل من البيانات المرئية التي ليس لها علاقة بالعيوب، مثل الملصقات النصية أو أنماط الأسلاك القياسية. أضاف الباحثون مرشحًا خفيف الوزن يقوم تلقائيًا بتسليط الضوء على المناطق التي يُحتمل وجود عيوب فيها مع تعتيم بقية الصورة. لا يتطلب هذا المرشح تدريبًا إضافيًا أو حسابات معقدة؛ بل يقوم ببساطة بتعديل تركيز النظام على المناطق الأكثر أهمية، مما يسمح له بتركيز قوته الحسابية على المشكلات الفعلية.
وعند اختباره على مجموعة من صور لوحات الدوائر التي تحتوي على ستة أنواع شائعة من العيوب، أظهر النظام الجديد تحسنًا ملحوظًا مقارنة بالنموذج القياسي. فقد حدد 96.1% من العيوب عند استخدام مقياس دقة قياسي، وحقق درجة 56.0% في اختبار أكثر صرامة يتطلب من النظام تحديد الموقع الدقيق للعيب بدقة عالية. وتمثل هذه النتائج قفزة نوعية كبيرة، حيث حسنت معدل الكشف بنسبة تقارب 3 نقاط مئوية عن أفضل نسخة سابقة. ووجد الباحثون أن النظام كان فعالًا بشكل خاص في رصد أصغر العيوهات وأكثرها مراوغة، مثل الثقوب المفقودة أو الشقوق الصغيرة، والتي غالبًا ما تكون الأصعب على الحواسيب لرؤيتها.
يكمن نجاح هذا النهج في قدرته على الموازنة بين السرعة والحساسية. فمن خلال تحسين كيفية جمع النظام للتفاصيل، وكيفية فهمه للسياق، وكيفية تركيز انتباهه، أنشأ الباحثون أداة سريعة بما يكفي للاستخدام في المصانع في الوقت الفعلي، ودقيقة بما يكفي لالتقاط أصغر الأخطاء. لا يعتمد النظام على كميات هائلة من قوة الحوسبة الإضافية، مما يجعله حلاً عمليًا للبيئات الصناعية. ومن خلال هذه التحسينات المستهدفة، قدم الفريق طريقة أكثر موثوقية لضمان جودة الأجهزة الإلكترونية التي تشغل الحياة الحديثة، محولين لغزًا بصريًا صعبًا إلى مشكلة محلولة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.