基於熱點圖標記法則發展元件佈局檢測系統應用於PCB之研究

Abstract

Printed Circuit Board(PCB)是電子元件的支撐體，上面存在許多元件，且每個元件都非常重要，因此工廠在生產PCB的過程中，品質管理也是一大考驗。元件佈局檢測是自動光學檢測(Automated Optical Inspection)中重要的檢測項目之一，透過元件佈局檢測能夠快速掌握整個PCB所有目標元件的座標位置，從這些座標中可以統計出目標元件數量以及位置是否正確，對於PCB的品質管理有極大的幫助。本論文以CenterNet神經網路架構為基礎，開發一套元件佈局檢測系統，在 PCB的元件佈局檢測中，提出熱點圖(Heatmap)標記法則，使得各類元件在佈局檢測上都能有不錯的準確度，在多種類元件佈局檢測中，提出獨立特徵擷取層(Frontend)的架構，使模型具備彈性，不需要重新訓練，並且根據熱點圖標記法則，對於相同類型的熱點可以將特徵擷取層共享，來減少模型參數。本論文使用的神經網路架構，簡化了CenterNet原本的模型，並對訓練好的模型進行優化，使其能在邊緣裝置上實現即時檢測，並維持不錯的準確度，使其能夠更方便應用於工廠的檢測。none