YOLOv11-Fiducial: Real Time Detection of Fiducial Marker Points on Printed Circuit Boards for Electronic Manufacturing Services
Notice bibliographique
Résumé
In electronic hardware design, fiducial markers are intentionally placed on Printed Circuit Boards (PCBs) to serve as reference points for alignment during various automated manufacturing processes. These markers serve as key element in ensuring accurate positioning are essential for orientation for PCBs throughout Surface Mount Device (SMD) placement, Through-Hole (TH) component insertion, soldering, assembly, and inspection procedures. Since PCBs can shift or skew along the cartesian plane as they move through production lines—which cannot be precisely adjusted to the exact width of each board—fiducial markers are reliable for realigning them at each stage of manufacturing. The motivation behind this study is to accurately and efficiently detect fiducial points on PCBs using the object detection model. To achieve this, a custom object detection model named YOLOv11-Fiducial was developed. The model achieved an F1 score of 0.9911 and Intersection over Union (IoU) based mAP50-95 of 89.45 to ensure high detection performance and reliability. To train the YOLOv11-Fiducial model, a comprehensive dataset named Fiducial-Dataset was created, covering a wide variety of PCB types, colors, and fiducial marker point styles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».