PCB外观检测

PCB外观检测是PCB生产中必备的一项检测工序,通过深度视觉AI平台,可以实现对PCB外观缺陷的自动检测。

2024-09-20 · 应用案例

PCB外观检测

项目简介

PCB是现代电子设备中不可或缺的关键组成部分,在PCB制造过程中,外观出现缺陷、损伤或不符合要求的现象,都会导致电路板性能下降、可靠性降低甚至无法正常工作,因此PCB外观不良检测已成为整个电子行业中重要的检测内容。

数据准备

图像裁剪:将原图3034x1586裁剪成640x640,裁剪后的小图像可以更容易地进行标注,会使模型专注于更小的区域,即模型被训练来检测小图像中的局部特征。且小图像的计算量较小,训练速度更快,内存占用更少,适合资源有限的环境。

检测项:孔缺失、短路、开路、毛刺、杂铜、漏铜

企业微信截图_1726824295890
企业微信截图_17268247823904
企业微信截图_1726824398640
企业微信截图_17268252198511
企业微信截图_17268252836746
企业微信截图_1726825355104

为定位产品缺陷所在位置,采用矩形框标注和目标检测模型方式实现。采用labelmeAI 数据标注,通简单的操作,可以轻松完成标注,且支持自动保存标注文件,避免数据丢失。

数据分析

通过 数据分析 功能进行图像预览,统计标注数据,获取图像尺寸为 600x600 的图像 690 张,图像尺寸为 601x601 的图像 30 张, 标注的孔缺失数量 279 个、漏铜数量200个、开路数量154个、短路数量197个、杂铜数量220个、毛刺数量240个,6种缺陷数据类别较为均衡。

PCB外观检测
PCB外观检测

训练结果

loss值为0.095,bbox_mAP_50值为0.89。

模型的损失和mAP值都表现良好,尤其是mAP接近0.9,说明模型在检测精度上表现优秀。

PCB外观检测

训练参数

PCB外观检测

模型测试

使用AI测试平台,导入项目图片和训练完成的模型,可视化模型效果,帮助非专业人士直观感受到模型训练效果,可视化模型过检漏检及误检情况,帮用户迅速定位问题。

相似需求

  • 电子产品组件:如芯片、连接器、电阻、电容等,检查其位置、方向和焊接质量;

  • 半导体晶圆:检测晶圆上的缺陷,如划痕、污渍和颗粒;

  • 半导体封装:检查封装完成后的半导体产品,确保没有缺陷;

  • 镜头和光学元件 :检测表面缺陷、划痕和不均匀性等;