Vývoj systému detekce vad na osazených PCB s využitím konvolučních neuronových sítí

Bc. Kamil Špicar

Master's thesis

Abstract:

Cílem práce je návrh systému detekce vad na osazených deskách plošných spojů s využitím konvolučních neuronových sítí. Navržený systém je komplexní množinou detekčních metod zaměřených na vady identifikované z historických obrazových dat, jejichž kombinací lze klasifikovat celé inspekční fotografie osazených desek plošných spojů. Detekční metody zahrnují ověřené architektury konvolučních neuronových sítí a výpočty parametrů pro dílčí klasifikace z jejich výstupů. Byl vytvořen software pro testování celého navrženého systému a trénování jednotlivých modelů.

Abstract:

This thesis aims to design a defect detection system for assembled printed circuit boards using convolutional neural networks. The proposed system is a complex set of detection methods that focus on defects identified from historical image data, the combination of which can be used to classify entire inspection photos of assembled printed circuit boards. The detection methods include verified convolutional neural network architectures and parameter calculations for partial classifications based on their outputs. Software was developed to test the entire proposed system and to train individual models.

Keywords

AOI, PCB, konvoluční neuronové sítě, vizuální inspekce, detekce vad

Language used: Czech

Date on which the thesis was submitted / produced: 17. 5. 2024

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Dominik Štursa

University of Pardubice

Faculty of Electrical Engineering and Informatics

Master programme / field:
Automatic Control / Automatic Control