PCB外观检测
项目简介
PCB是现代电子设备中不可或缺的关键组成部分，在PCB制造过程中，外观出现缺陷、损伤或不符合要求的现象，都会导致电路板性能下降、可靠性降低甚至无法正常工作，因此PCB外观不良检测已成为整个电子行业中重要的检测内容。
数据准备
图像裁剪：将原图3034x1586裁剪成640x640，裁剪后的小图像可以更容易地进行标注，会使模型专注于更小的区域，即模型被训练来检测小图像中的局部特征。且小图像的计算量较小，训练速度更快，内存占用更少，适合资源有限的环境。
检测项：孔缺失、短路、开路、毛刺、杂铜、漏铜
为定位产品缺陷所在位置，采用矩形框标注和目标检测模型方式实现。采用labelmeAI 数据标注，通简单的操作，可以轻松完成标注，且支持自动保存标注文件，避免数据丢失。
数据分析
通过 数据分析 功能进行图像预览，统计标注数据，获取图像尺寸为 600x600 的图像 690 张，图像尺寸为 601x601 的图像 30 张， 标注的孔缺失数量 279 个、漏铜数量200个、开路数量154个、短路数量197个、杂铜数量220个、毛刺数量240个，6种缺陷数据类别较为均衡。
训练结果
loss值为0.095，bbox_mAP_50值为0.89。
模型的损失和mAP值都表现良好，尤其是mAP接近0.9，说明模型在检测精度上表现优秀。
训练参数
模型测试
使用AI测试平台，导入项目图片和训练完成的模型，可视化模型效果，帮助非专业人士直观感受到模型训练效果，可视化模型过检漏检及误检情况，帮用户迅速定位问题。
相似需求
-
电子产品组件：如芯片、连接器、电阻、电容等，检查其位置、方向和焊接质量；
-
半导体晶圆：检测晶圆上的缺陷，如划痕、污渍和颗粒；
-
半导体封装：检查封装完成后的半导体产品，确保没有缺陷；
-
镜头和光学元件 ：检测表面缺陷、划痕和不均匀性等；
