BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  26,799,688
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật điện và điện tử

Nguyen Van Truong, Bui Huy Anh, Bùi Huy Anh(1)

Nghiên cứu thiết kế hệ thống kiểm tra linh kiện điện tử cho sản xuất bản mạch in PCB ứng dụng Yolov4

A defect detection system for PCB manufacturing system by applying the Yolov4 algorithm

Khoa học và Công nghệ (Đại học Công nghiệp Hà Nội)

2021

SĐB

96-101

1859-3585

Nghiên cứu thiết kế, Hệ thống kiểm tra, Linh kiện điện tử, Sản xuất, Bản mạch in PCB, Ứng dụng Yolov4

PCB, automated optical inspection (AOI), YOLOv4, defect detection, convolutional neural networks.

Hệ thống kiểm tra linh kiện điện tử là thành phần bắt buộc trong các dây chuyền kiểm soát chất lượng khi sản xuất bản mạch in PCB. Các phương pháp kiểm tra PCB truyền thống có một số nhược điểm như thời gian tính toán, nhiều nhân công, dễ bị tác động bởi môi trường làm việc, và độ chính xác không đảm bảo. Bài báo này đề xuất phương pháp kiểm tra linh kiện điện tử sử dụng giải thuật học sâu dựa trên mạng nơron cải tiến YOLOv4. Trong đó, CSPDarknet53 được sử dụng để trích xuất các đặc trưng cho hệ thống nhận diện linh kiện điện tử. Kết quả thực nghiệm cho thấy hiệu suất đáng tin cậy và hiệu quả so với các công trình công bố gần đây.

Defect detection is recognized to be the most integral criterion for the printed circuit boards (PCBs) quality in industrial manufacturing. The traditional PCB inspection methods have several disadvantages such as time-consuming, labor-intensive, environmental clutter - susceptibility, and inaccurate detection ability. This paper offers a deep learning method for PCB defect detection. This method builds an improved neuron network based on the YOLOv4 algorithm. A CSPDarknet53 is used with feature pyramid networks as the backbone for feature extraction. Secondly, the spatial pyramid pooling layer and the path aggregation network are utilized to predict better mimic errors on the PCB components. Finally, the experimental results indicate a more reliable and efficient performance compared to the existing works.

TTKHCNQG, CVt 70

Xem toàn văn