相关实验视频
Updated: Jul 10, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
通过深度神经网络对特定电子板进行质量检查
Peter Klco1, Dusan Koniar2, Libor Hargas1
1Faculty of Electrical Engineering and Information Technologies, University of Zilina, Zilina, Slovakia.
Scientific reports
|November 24, 2023
概括
使用深度学习模型的自动视觉检查可以检测印刷电路板 (PCB) 上有问题的喷. 一个定制的YOLOv8n模型实现了96.6%的准确性,提高了制造质量并降低了成本.
科学领域:
- 电子制造业 电子制造业 制造业
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 印刷电路板 (PCB) 制造质量会影响电子设备的可靠性.
- 在PCB上的接喷可以改变电气参数,导致缺陷.
- 手动检查正在被自动化视觉检查系统所取代.
研究的目的:
- 应用深度神经网络用于PCB上的自动接喷检测.
- 评估各种对象检测模型的性能,以完成这一任务.
- 确定一个有效的模型,用于在缺陷检测中的工业应用.
主要方法:
- 七个物体检测模型的比较,包括YOLO和Faster R-CNN架构.
- 在PCB图像上对YOLOv8n模型进行定制训练.
- 检测速度和平均平均精度 (mAP) 的评估.
主要成果:
- 经过定制训练的YOLOv8n模型实现了96.6%的平均精度.
- YOLOv8n模型的检测速度为90毫秒.
- 该模型有效地检测到与背景相似的纹理和颜色的小型接喷.
结论:
- 深度神经网络,特别是YOLOv8n,对于自动接喷检测非常有效.
- 这项技术可以提高PCB制造中的早期缺陷检测.
- 实施可以提高生产率和节省成本.
