跨场景对象关系驱动的柔性电路板生产目标检测方法

来自国内的研究人员针对柔性印刷电路（FPC）生产过程中多场景目标检测及跨场景对象间逻辑关联的复杂问题，开展了基于跨场景对象关系驱动的目标检测研究（COR-OD）。该方法通过构建OTCC-Mamba网络融合视觉与关系特征，显著提升检测性能，AP50达72.7，mAP提升至52.5，为实现FPC生产智能化监控提供关键技术支撑。

　　

将目标检测技术整合到柔性印刷电路（Flexible Printed Circuit, FPC）生产过程中，可推动自动化监控能力的发展，显著提升生产安全性、效率与产品质量，同时有效降低成本。然而，FPC生产流程中的目标检测属于复杂的多场景任务，其中不同场景下的对象之间存在逻辑关联。为应对这一挑战，本研究提出一种跨场景对象关系驱动的目标检测方法（COR-OD），该方法能够提取、建模并应用同一场景内物体的生产时序关系以及跨场景对象之间的因果联系。

该方法采用两阶段训练策略：首先将多场景物体图像输入基础检测器以提取视觉特征，随后将这些特征送入构建的“对象时序因果级联Mamba网络”（Object Temporal Causal Cascade Mamba Network, OTCC-Mamba）中进行关系特征变换。所得关系特征再与视觉特征进行融合，并输出至检测头，以生成最终检测结果。此外，在关系特征变换过程中嵌入了关系注意力模块，使网络能够更精准地聚焦于正确的关联表达。

在自建数据集MSO-FPC上验证显示，该方法性能显著提升：AP₅₀提升4.0达到72.7，mAP提高3.6达到52.5，有效实现了多场景FPC生产中对象关系的识别。相关代码已开源：https://github.com/FutureIAI/COR-OD。