rltjr/pcb-defect-yolo11s

PCB 결함 검출 모델 (YOLO11s)

PCB(인쇄회로기판) 사진에서 결함 8종의 위치와 유형을 찾는 YOLO11s 검출 모델입니다. 국립창원대 AI Agent 해커톤 TOPIC 01 「부품 불량 사진 분석 AI Agent」의 사진 분석 단계(STEP 1) 용으로 만들었습니다.

YOLO11s object detector for 8 bare-PCB defect types, trained on a leakage-free re-split of a public Roboflow dataset.

클래스

id	클래스	한글명	심각도(지식베이스)
0	falsecopper	잔여 동박	major
1	missinghole	홀 누락	critical
2	mousebite	마우스바이트	major
3	opencircuit	단선	critical
4	pinhole	핀홀	minor
5	scratch	스크래치	minor
6	shortcircuit	단락	critical
7	spur	스퍼	major

결함별 원인 후보·조치·판정 기준값은 defect_taxonomy.yaml 에 있습니다 (일반 PCB 제조 지식 기반 초안).

성능 (test 980장, 결함 5,082개)

학습·검증에 쓰지 않은 test 세트이며, 같은 원본 보드 사진의 조각이 분할을 넘지 않도록 나눈 데이터입니다.

클래스	Precision	Recall	mAP50	mAP50-95
전체	0.911	0.868	0.886	0.474
falsecopper	0.993	0.958	0.981	0.580
missinghole	0.814	0.851	0.793	0.355
mousebite	0.972	0.890	0.920	0.508
opencircuit	0.939	0.835	0.893	0.474
pinhole	0.910	0.916	0.908	0.396
scratch	0.818	0.875	0.905	0.678
shortcircuit	0.869	0.765	0.797	0.340
spur	0.974	0.852	0.890	0.464

• 결함끼리 헷갈리는 경우는 3% 이하. 오류 대부분은 놓침(shortcircuit 12%, spur 8%).
• val 세트: mAP50 0.879.

예시 (왼쪽 정답 라벨 / 오른쪽 예측)

사용법

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download("rltjr/pcb-defect-yolo11s", "pcb-defect-yolo11s.pt")
model = YOLO(path)
results = model.predict("board.jpg", imgsz=640, conf=0.25)
results[0].show()

비공개 저장소라면 먼저 hf auth login 으로 로그인해야 합니다.

권장 판정 규칙 (에이전트용): 신뢰도 0.25 이상 검출 없음 → 정상, 0.25~0.5 만 있음 → 재검 필요, 0.5 이상 → 불량.

학습 정보

항목	값
기반 모델	yolo11s.pt (COCO 사전학습)
데이터	rltjr/pcb-defect-v2 train 7,693 / val 993 / test 980
설정	100 epochs, imgsz 640, batch 8, 그 외 Ultralytics 기본값
환경	Ultralytics 8.4.177, PyTorch 2.14.1+cu126, GTX 1060 6GB, 약 10.3시간

한계

• 정상(무결함) PCB 이미지가 학습·평가 데이터에 없어, 정상 보드에서의 오탐률은 측정되지 않았습니다.
• 학습 이미지는 원본 보드 사진을 잘라 640×640 으로 만든 것입니다. 큰 실사진은 결함이 매우 작아지므로 잘라서 추론하거나 imgsz 를 키우세요.
• 공개 합성 결함 데이터 기반이라 실제 촬영 조건(조명, 각도, 카메라)에서는 성능이 떨어질 수 있습니다.

라이선스 · 출처

• 모델 가중치: Ultralytics YOLO 로 학습 → AGPL-3.0.
• 학습 데이터: Roboflow Universe bare-pcb-defects/obj-detection-pcb-defects-yolov8 v3 (CC BY 4.0) 를 재분할. 원 데이터는 PKU-Market-PCB 기반으로 보입니다.