Гибридный контроль дефектов печатных плат

Цели. Предлагается гибридный подход к задаче поиска и классификации дефектов печатных плат. Рассмотрены ключевые факторы и тенденции в проектировании и производстве печатных плат. Актуальность исследования определяется использованием новых материалов и технологий производства.

Методы. Для решения поставленной задачи применяется гибридный подход, основанный на алгоритме сравнения с эталоном и использовании семейства нейросетевых моделей обнаружения объектов YOLO.

Результаты. Проведено обучение моделей на публичных наборах изображений печатных плат с шестью классами дефектов, выполнена оценка точности общепринятыми метриками.

Заключение. Эксперименты показали, что нейросетевая архитектура YOLOv8 имеет высокую точность детекции дефектов, низкую чувствительность к качеству изображений, наличию надписей и графических объектов на печатной плате, но низкое качество обучающих выборок накладывает ограничения на использование только нейронных сетей для поиска дефектов. Предлагается гибридный подход для повышения качества контроля дефектов за счет применения разных методов в зависимости от оценки качества анализируемых изображений.

1. Карпов, С. Прецизионный контроль печатных плат. Что это? / С. Карпов // Технологии в электронной промышленности. – 2008. – № 7. – С. 37–40.

2. A GMR–ECT based embedded solution for applications on PCB inspections / M. Cacciola [et al.] // Sensors and Actuators A: Physical. – 2011. – Vol. 167, iss. 1. – P. 25–33.

3. A survey on industrial vision systems, applications and tools / E. N. Malamas [et al.] // Image and Vision Computing. – 2003. – Vol. 21, iss. 2. – P. 171–188.

4. Interpretation of texture changes during self-annealing of electroplated copper / W. Q. Zhang [et al.] // Microelectronic Engineering. – 2010. – Vol. 87, iss. 12. – P. 2488–2494.

5. Lehmann, D. K. X-ray systems for optimizing PCB inspection: x-ray systems are not all equal, and their differences affect the type of defects that can be detected / D. K. Lehmann // Circuits Assembly. – 2002. – Vol. 13, iss. 2. – P. 35–40.

6. Левданский, А. Оптический и рентгеновский контроль печатных плат при помощи одной системы / А. Левданский // Технологии в электронной промышленности. – 2005. – № 6. – С. 52–54.

7. Ebayyeh, A. A. R. Abu. A review and analysis of automatic optical inspection and quality monitoring methods in electronics industry / A. A. R. Abu Ebayyeh, A. Mousavi // IEEE Access. – 2020. – Vol. 8. – Р. 183192–183271.

8. Дудкин, А. А. Техника поиска дефектов и контроля проектных норм на изображении слоев печатных плат / А. А. Дудкин, А. В. Инютин // Искусственный интеллект. – 2006. – № 3. – C. 584–591.

9. Amjoud, A. B. Object detection using deep learning, CNNs and vision transformers: A review / A. B. Amjoud, M. Amrouch // IEEE Access. – 2023. – Vol. 11. – P. 35479–35516.