基于深度学习的PCB缺陷检测技术

印刷电路板(printed circuit board,PCB)是电子产品的关键部件。在实际生产过程中,PCB难免会产生多种缺陷,对缺陷进行及时、精准检测具有一定的研究意义与应用价值。传统的检测方法存在速度慢、成本高、精度低的问题。针对PCB缺陷检测问题,开展基于YOLO系列算法研究,在相同的实验环境下,以平均精度、精确率、召回率、每秒传输帧数作为评价性能指标。实验研究发现,YOLOv7在精度方面比YOLOv5有一定的提升,而YOLOv5在训练和推理的速度上比YOLOv7更快。提出融合CBAM(convolutional block attention module)注意力机制模块的YOLOv5改进算法用于PCB缺陷检测。经实验验证,改进算法在PCB缺陷检测的精确性和速度性能上均得到提升,其中,平均精度、精确度和召回率分别提升了7.40%,3.57%和5.63%。

基于SMT-YOLOv8的PCB缺陷检测研究

针对PCB缺陷检测中目标尺寸小、权重文件庞大难以部署的问题,提出一种改进的YOLOv8小目标缺陷检测方法。该方法将SE注意力机制融入C2f中,使网络能够根据通道域的信息给图像不同位置赋予不同的权重,获取更重要的特征信息;在SPPF中引入Basic RFB以增强网络感受野,提升网络的特征提取能力;新增小目标检测尺度,提升模型对微小缺陷的检测能力;舍弃大目标检测尺度,降低计算负荷并缩小权重文件。实验结果表明,在公开的PCB缺陷数据集,改进后的YOLOv8较原算法平均精度提升了2.6%、权重文件缩小了27.3%、FPS达到34.4 ms/帧。

PCB可靠性测试评估方法简述

印制电路板(PCB)技术向高密度、高集成化等方向发展,导致PCB可靠性问题日益凸显。针对PCB失效机理,并结合现有PCB标准及实践应用情况,详细介绍了3种PCB可靠性测试评估的方法——失效率预计法、加速试验预计法和试验鉴定法,以期为从业者开展PCB可靠性测试评估提供一定的帮助。

基于融合MBAM与YOLOv5的PCB缺陷检测方法

随着电子信息产业迅速发展,PCB行业作为电子信息产业的基础,其产品质量对后续生产的电子产品有着决定性影响。针对PCB缺陷目标较小,缺陷类型多,特征不明显,在实际生产过程中易产生误检、漏检等问题,提出了一种多分支注意力MBAM模块方法,在3个不同维度对特征图进行关注,以增强特征提取的能力,对缺陷区域给予更多的注意力表示。通过改进YOLOv5结构,将MBAM与YOLOv5网络结合,有效的提升了对PCB中小目标的检测性能。最后通过在网络不同位置添加MBAM模块进行对比实验,选取了最佳的添加位置。通过在PCB缺陷数据集上的实验结果表明,改进后的PCB缺陷检测算法具有良好的检测性能,优于其他对比算法,最终的AP达到了96.7%,对比标准YOLOv5的94.7%提高了2个百分点,其他项指标均有涨点,在保持检测速度基本不变的情况下,精准地识别PCB缺陷类型。

高功率微波电磁脉冲对铁路PCB类设备的危害影响及防护措施研究

随着我国铁路朝着电气化和信息化方向不断发展,各种由精密PCB设计集成的电力电子设备广泛应用于各种强弱电系统,当这些设备遭受高功率微波等强电磁脉冲武器照射攻击时,若自身防护能效不足,则会导致设备出现异常状态,直接或间接地影响行车安全。文章通过建模仿真分析高功率微波电磁脉冲对铁路PCB设备的辐射影响和危害评估,并从工程角度提出了一些针对铁路PCB设备应对强电磁冲击的防护建议。

TIA组态控制功能在PCB组装工艺中的应用

针对印刷电路板(PCB)组装工艺装贴方式多样,生产线工艺切换需要改变硬件组态和优化工艺流程,导致生产线停机时间加长、维护成本升高、生产效率降低等问题。以西门子PLC和分布式IO模块为例,提出了组态控制功能在PCB组装系统中的应用方案。采用最大硬件方案组态形成标准机器项目。根据不同的生产工艺、不同的生产方案,存储在专门的组态控制数据块中。当需要切换PCB组装工艺时,加载相应的组态方案,就可以运行新的组态项目和生产工艺,达到快速完成生产工艺切换的目的。使用西门子TIA博途V17的仿真检验,验证了组态控制功能的有效性和可靠性。

基于改进YOLOv5的PCB缺陷检测方法研究

随着工业制造业的发展,印刷电路板(PCB)在电子产品制造中愈发重要。在PCB生产过程中,存在着各种各样的不良缺陷,因此急需一种高效的PCB缺陷检测方法。针对传统的YOLOv5目标检测算法中对于PCB图像检测中存在小目标缺陷检测准确率低的问题,提出了一种基于改进的YOLOv5的PCB缺陷检测方法。首先,针对小目标缺陷存在漏检的问题,在YOLOv5的特征提取网络中加入了高效通道注意力机制(SE)模块,提高对小目标缺陷的特征提取能力,从而提高小目标缺陷的检测精度;其次,为了优化和改进原YOLOv5算法,采用加权损失函数代替原来的损失函数,以充分学习图像的各种特征。在北京大学机器人实验室公开的PCB瑕疵数据集上进行测试,实验结果显示,改进后的模型提高了小目标缺陷检测效果,其mAP值为94.54%,比原算法模型提高了2.1%。可以准确地完成工业生产的印制电路板的缺陷检测任务。

基于轻量化的YOLOv5的PCB缺陷检测算法

针对在印刷电路板(printed circuit board,PCB)缺陷检测上网络模型过大且精度较低的缺点,使用Python在Windows上提出了一种基于YOLOv5l改进的PCB缺陷检测算法,并对六种常见的缺陷作为数据集进行检测。采用轻量化网络EfficientNetLite0作为模型的骨干网络﹐并通过对特征金字塔加入P2检测头来获取更小的目标特征。试验结果表明:所提算法对印刷电路板的缺陷有识别精度高、模型小和检测快速的特点;单张图片检测速度达到43.6 ms﹐模型大小为49.1 MB﹐所有类别精度指标达到98.9%。所提算法为未来部属在边缘设备上的工业缺陷检测提供了新思路。

生活垃圾/废PCB板协同焚烧炉渣中氯的存在特性及影响机制

生活垃圾与一般工业固废协同焚烧处理是生活垃圾焚烧产业发展的重要趋势,协同焚烧处理对炉渣中氯存在特性的影响,尚无相关报道.本文以典型的一般工业固废PCB板为实验对象,聚焦生活垃圾/废PCB板协同焚烧过程,查明不同垃圾组分下,焚烧炉渣样品中的氯迁移行为、存在形态及长期稳定性.结果表明,废PCB板高温分解出的玻璃纤维比表面积大,能捕获部分挥发性的氯,使得其残留于炉渣中,从而造成炉渣总氯含量提高,但垃圾组分中塑料占比对该过程有重要影响.协同焚烧的炉渣水溶性氯含量在50~70wt%之间.淋溶结果显示大部分炉渣中氯的残留率在40%以下,而随着废PCB板投加量增加,炉渣中氯的残留率回升,最高达45.6%,这表明协同焚烧抑制了炉渣中氯的浸出.

磁沉淀工艺在PCB印制线路板废水处理中的应用

广东某PCB印制线路板园区集中污水处理站设计水量为12000 m^(3)/d,总磷排放标准为0.5 mg/L,由于污水中含有部分次磷,深度处理采用芬顿氧化澄清工艺。该污水处理站地处工业园核心区,用地紧张,芬顿氧化配套的常规澄清池由于面积不足,存在漂泥情况,TP和SS难以稳定达标。根据现场情况,将现有的澄清池改造为磁沉淀高效澄清池,提高芬顿氧化出水净化指标。长期运行结果表明:磁沉淀工艺对PCB印制线路板废水芬顿氧化出水具有良好的澄清效果,在进水悬浮物浓度≤1000 mg/L,总磷≤2.0 mg/L时,出水悬浮物浓度≤30 mg/L,总磷≤0.5 mg/L,磁沉淀系统占地面积76 m^(2),沉淀表面负荷≥12.5 m^(3)/(m^(2)·h),处理水量峰值可达15000 m^(3)/d,运行电耗成本0.042元/t水,运行磁粉损耗成本为0.0113元/t水,自动化运行程度高,水质波动适应性强,出水稳定。

基于注意力机制与多尺度融合的PCB缺陷检测

针对印制电路板(PCB)缺陷区域受背景干扰过多以及缺陷目标尺度较小导致缺陷检测精度低的问题,提出了一种基于注意力机制与多尺度融合的PCB缺陷检测方法。在YOLOv5模型的特征提取网络中,引入一种三维注意力模块,以增强缺陷目标特征的显著度,使模型更加注重目标特征;为充分利用微小缺陷目标的多尺度特征,在特征融合网络中引入加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN),减少缺陷目标特征信息的丢失,提高模型对微小缺陷目标的检测精度。实验结果表明,该方法能够准确检测出PCB图像中的缺陷目标,在保证实时性的同时,较原方法的平均检测精度提高了3.9%,表明了该方法的有效性。

一种改进YOLOv5模型的PCB板缺陷检测方法

针对传统PCB板检测方法中检测效率不高,检测精度较低等缺点,提出了一种改进YOLOv5模型的PCB板缺陷检测方法。为提升小目标缺陷检测精度,构建了基于BiFPN的网络连接方式,更加充分地利用了不同尺度的特征信息;为了更好地捕捉目标缺陷的位置,引入了Coordinate Attention注意力机制,使模型的定位和目标捕捉更加精准。实验结果表明,较原始的YOLOv5模型,所提出的针对PCB板表面缺陷检测方法的均值平均精度提高了3.2%。

基于深度学习的PCB焊锡缺陷检测

针对现有印刷电路板(PCB)缺陷检测算法具有体积大、精度差和漏检率高等问题,提出一种改进的YOLOv5s算法,利用迁移学习进行优化。在主干特征提取网络加入卷积块注意力模块(Convolutional Block Attention Module,CBAM)并引出一个新的蕴含更多丰富细节信息的浅层特征来提高模型信息感知能力,增强网络对小目标的检测。使用C3-CBAM替换加强特征提取网络的C3结构,为了在保障模型检测精度的同时减少模型参数量,使用深度可分离卷积替换下采样。去掉用于大目标的检测头(Yolo Head),避免数据不均衡带来的先验框分配问题。在自制PCB焊锡缺陷数据集上实验表明,改进后算法较原YOLOv5s算法的模型参数量减少24.8%,平均精度均值(mean Average Precision,mAP)达到99.46%,较原YOLOv5s提升了5.45%,证明了改进措施的有效性。

基于改进YOLOv8n的PCB缺陷检测算法

针对现有的印刷电路板(PCB)缺陷检测方法计算量大、小目标缺陷易漏检、检测速度较慢等问题,提出YOLOv8n-4SCDP缺陷检测算法。首先,在YOLOv8n颈部网络增加上采样,融合Backbone中浅层语义信息,同时增加微小目标检测层降低PCB小目标缺陷漏检率;其次,在Backbone中融入坐标注意力(CA)机制,强化特征语义和位置信息,提高了模型特征融合能力;另外,设计密集连接机构,提高模型的缺陷特征利用率,采用PConv对模型进行压缩,既保证了模型的准确性,又大大减小了模型的尺寸;最后,针对难易样本不平衡的问题,采用线性区间映射法重新定义回归损失函数(Focaler-SIoU),提高模型收敛速度和回归精度。实验结果表明,YOLOv8n-4SCDP算法的整体缺陷的平均精度均值(mAP)达到95.8%,检测帧率达到了65fps。有效改善YOLOv8n对于PCB小目标缺陷漏检率高、检测精度低等问题。

基于热带海洋大气环境下机载PCB板的环境适应性对比研究

目的 通过机载PCB板(Printed Circuit Board,PCB)在热带海洋大气环境下的腐蚀老化特征和电气性能退化规律分析,研究其在热带海洋大气环境下的环境适应性。方法 根据热带海洋大气环境中PCB板的实际使用环境大多为舱室内部封闭或半封闭的情况,分别设计并开展海南万宁海洋平台棚下暴露场和某海域环境户外简易遮蔽玻璃框下3 a的自然环境试验。结果 PCB板的焊点、焊盘、印制导线以及引线头等部位在2种试验环境中均出现了不同程度的腐蚀破坏,试验后期,所有部位的腐蚀程度全部达到了4级,导通电阻从几十毫欧增大至几十兆欧,绝缘电阻从10 G?以上降低至几兆欧。结论 在万宁站试验2 a和某海域试验3 a后,PCB板均不满足耐电压的技术要求(500 V交流电压60 s),万宁海洋平台棚下暴露场对PCB板的环境适应性更为严酷。

铜箔粗糙度对高速高频PCB信号传输的影响研究

随着印制电路板(PCB)传输速率的日益提升,新出现的56 GB/s和112 GB/s的高速系统,以及更高的224 GB/s传输速率需求,正接近传统电子硬件的物理极限,对PCB的信号完整性提出了更大的挑战。本文主要研究在高速高频材料(如M6、M7、M8)上,不同的棕化药水对铜箔粗糙度影响导致的插损性能差异,探讨了棕化药水与PCB插损之间的关系,并提出了相应的改善措施。研究结果对于提高PCB性能具有重要的指导意义。

基于YOLOv8的PCB表面缺陷检测轻量化研究

目的针对印制电路板(PCB)表面缺陷检测模型较大和速度慢的问题,提出一种基于YOLOv8的PCB轻量化表面缺陷检测框架EYOLOv8。方法该框架以YOLOv8网络结构为基础,使用RevCol网络特征融合思想重构网络主干,引入Slim-neck设计思想重构颈部结构,使用卷积权重参数共享的机制重构检测头结构,在保持精度基本不变的同时,对整体网络结构进行了轻量优化设计,最终使用WIoU损失函数对轻量化模型训练过程进行优化。结果在公共数据集上的实验结果表明,EYOLOv8较YOLOv8模型大小减少了46%,检测精度mAP50值达97.7%,检测速度达256帧/s,模型大小为3.3 MB。结论相比其他算法,EYOLOv8在PCB表面缺陷检测设备上部署更有竞争力。

基于YOLOv5_4layers的PCB小目标缺陷识别方法

针对PCB表面缺陷分辨率低、小目标性以及多样性等问题,提出了一种基于YOLOv5_4layers的PCB小目标缺陷识别方法。该方法在YOLOv5架构的基础上,通过新增采样层的方式添加小目标检测层,优化特征金字塔模型,提升小目标特征提取性能,实现小目标缺陷识别。在调整合适的锚框规格后,改进后的模型在输入640像素×640像素图像时,相较原模型识别精确率提升了7.5%。在输入736像素×736像素图像时,识别精确率提升了1.3%,有效地提升了对PCB小目标缺陷的识别能力,对提高PCB制造过程的质量控制和产品可靠性具有实际意义。

基于YOLO-MCG的PCB缺陷检测算法

为解决PCB缺陷检测中存在检测精度低,模型尺寸庞大的问题,文中提出基于YOLO-MCG的PCB缺陷检测算法。首先提出多尺度加权通道融合网络缩减模型体积,扩增小目标数据。接着提出混合空间金字塔卷积替换主干网络中SPP结构,扩大深层特征图感受野,增强模型语义信息特征提取性能。最后构建轻量化CG-CSP模块替换主干网络最深层CSP结构,减少网络参数,提高网络过滤冗余背景信息能力。实验结果表明,YOLO-MCG算法在8.13 MB的模型尺寸下平均精度均值为97.72%,与改进前模型比较,mAP提升3.77%,模型尺寸缩减69.89%,有效降低模型复杂度,提升缺陷检测效果。

PCB罗氏线圈电流传感器积分误差的数字补偿策略

准确可靠的开关电流信息是电力电子变换器实现闭环控制、谐波抑制和短路保护的关键要素,有利于进一步提升功率器件的可靠性。PCB罗氏线圈电流传感器因其高带宽、小体积、低成本和低侵扰的特点,具有重要的研究价值和应用前景。然而,传统积分处理电路存在漂移误差与下垂误差,严重限制了PCB罗氏线圈电流传感器的测量精度。首先,本文采用复位型积分电路以避免漂移误差的持续累积,并消除下垂误差带来的影响。同时,针对复位型积分电路存在的漂移误差与偏置误差提出一种数字补偿策略,该方案采用数字信号处理器控制数模转化模块产生模拟补偿信号,并通过高速减法器消除误差,具有补偿精度高、调整方式简单的优点,可以大幅减小积分误差造成的影响;最后,基于双脉冲测试平台分别进行双脉冲、多脉冲和短路保护实验,验证了所提PCB罗氏线圈电流传感器的性能。