К содержимому
Другое

Tracera

детекция дефектов печатных плат на базе YOLO11s

2 мин чтенияобновлено

Модель Tracera от автора ebboo находит и классифицирует шесть типов поверхностных дефектов на фотографиях печатных плат (PCB): отсутствующие отверстия, выкусы, обрывы дорожек, короткие замыкания, заусенцы и лишнюю медь. В основе лежит компактная архитектура yolo11s с высоким входным разрешением 1024×1024, обученная на датасете PKU-Market-PCB со строгим разделением по дизайнам плат, чтобы исключить утечку фоновых данных между обучением и тестом. Помимо стандартного чекпоинта PyTorch, в репозиторий сразу включены квантованная (сжатая до 8-битных целых чисел для ускорения) версия OpenVINO INT8 для процессоров и ONNX-файл для запуска прямо в браузере. Инструмент пригодится разработчикам систем визуального контроля электроники, студентам и инженерам, создающим веб- или десктоп-приложения для инспекции плат.

Ключевые особенности

  • 6 классов дефектов: распознаёт missing_hole, mouse_bite, open_circuit, short, spur и spurious_copper.
  • Три формата из коробки: PyTorch (18.37 MB), лёгкий OpenVINO INT8 (9.97 MB) для CPU и ONNX FP32 (36.43 MB) для WebGPU и WebView.
  • Поддержка объяснимости (XAI): в интерфейсе проекта решения модели визуализируются через LayerCAM на 4-м слое, подсвечивая область дефекта.
  • Готовые константы постобработки: в файле meta.json зафиксированы оптимальные пороги conf=0.395 и iou_nms=0.7.

Что можно сделать

  • Встроить в десктоп-приложение на CPU: использовать сборку OpenVINO INT8 в связке с FastAPI или Tauri для локальной проверки снимков плат без видеокарты (~22.9 FPS на Ryzen 7 8845HS).
  • Запустить прямо в браузере или Android WebView: подключить tracera_1024.onnx через ONNX Runtime Web, реализовав фильтрацию боксов (NMS) на стороне клиента.
  • Исследовать работу детектора: загрузить веса last.pt через ultralytics для анализа градиентов LayerCAM и проверки работы на собственных изображениях плат.

Пример

from huggingface_hub import snapshot_download
from ultralytics import YOLO

weights_dir = snapshot_download(repo_id="ebboo/tracera-model")
model = YOLO(f"{weights_dir}/last.pt")
results = model.predict("pcb.jpg", imgsz=1024, conf=0.395, iou=0.7)
Подробнее Метрики на отложенном тесте (2 дизайна плат, 93 фото): mAP50 = 0.9225, mAP50-95 = 0.4740, F1 = 0.8101 при conf=0.395; на 5-фолдовой кросс-валидации mAP50 = 0.8575 ± 0.1523.
Скорость на ноутбуке: 67.4 FPS в PyTorch FP32 (RTX 4060 Laptop) и 22.9 FPS в OpenVINO INT8 (Ryzen 7 8845HS).
Обучение: 80 эпох, пиковое потребление VRAM при обучении — 5.14 ГБ.
Ограничения: модель обучена на студийных снимках сверху с синтетическими дефектами из 10 дизайнов PKU-Market-PCB; при съёмке с рук под углом или при переходе на реальные промышленные данные AOI точность снижается. Лицензия AGPL-3.0.
Обсудить Telegram 0 31

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ebboo/tracera-model
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ebboo/tracera-model --local-dir ~/models/tracera-model
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tracera-model
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии tracera-model — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

ebboo/tracera-model
Автор
ebboo
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

310

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

CIEAV-Model

CIEAV-Model