基于深度學(xué)習(xí)的PCB板元件檢測(cè)與識(shí)別系統(tǒng)設(shè)計(jì)

寧波職業(yè)技術(shù)學(xué)院電子信息工程學(xué)院 馬宇峰 羊軼濤 馬佳明 胡國偉 曾 佳

PCB（Printed circuit Board，印刷電路板）元件的缺陷檢測(cè)是加工生產(chǎn)中必不可少的環(huán)節(jié)，此檢測(cè)具有重要意義。傳統(tǒng)的檢測(cè)方法存在成本高、效率低等缺點(diǎn)。本文設(shè)計(jì)了一種基于深度學(xué)習(xí)的PCB板元件缺陷檢測(cè)系統(tǒng)。在自己制作的PCB板元件數(shù)據(jù)集上，首先對(duì)PCB板的原始圖像進(jìn)行處理識(shí)別，再通過Cascade R-CNN卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集，測(cè)試集上利用訓(xùn)練好的模型檢測(cè)訓(xùn)練結(jié)果，最后將訓(xùn)練好的模型部署在樹莓派4B上，采用Qt軟件環(huán)境開發(fā)人機(jī)交互界面。實(shí)驗(yàn)證明，本文設(shè)計(jì)的系統(tǒng)有較好的檢測(cè)效果，且具備一定的實(shí)用性和市場(chǎng)價(jià)值。

印刷電路板（又稱為印刷線路或印制電路板）是電子元器件電氣連接的提供者。PCB元件焊接的質(zhì)量問題直接決定了企業(yè)的生存狀況，對(duì)于PCB元件缺陷的檢測(cè)成為企業(yè)質(zhì)量保證必不可少的環(huán)節(jié)。目前，常用的檢測(cè)方法有人工測(cè)試、電測(cè)試和光學(xué)測(cè)試，其中電測(cè)試又包括在線測(cè)試和功能測(cè)試。近年來自動(dòng)光學(xué)檢測(cè)(Automatic Optical Inspection System，簡(jiǎn)稱AOI)是PCB元件缺陷的高效檢測(cè)方法。但是AOI檢測(cè)系統(tǒng)價(jià)格昂貴，很多中小型企業(yè)仍采用人眼檢測(cè)的方法，人眼檢測(cè)方法存在檢測(cè)效率低、工人由于長(zhǎng)時(shí)間工作導(dǎo)致雙眼疲勞而造成錯(cuò)誤漏檢、微小器件人眼無法識(shí)別等問題，因此，設(shè)計(jì)一種低成本、高可靠的PCB元件檢測(cè)系統(tǒng)具有重要的價(jià)值。本文研究基于深度學(xué)習(xí)的PCB板元件自動(dòng)缺陷檢測(cè)方法，這種方法依賴于數(shù)據(jù)模型，使用部署在樹莓派4B上的Opencv4.1.0在Qt5環(huán)境下設(shè)計(jì)UI界面對(duì)PCB的元件進(jìn)行缺陷檢測(cè)。

1 系統(tǒng)構(gòu)成

根據(jù)PCB板元件缺陷檢測(cè)要求，本系統(tǒng)包括兩個(gè)模塊：（1）圖像采集和拼接模塊。首先CCD攝像機(jī)鏡頭在XY工作臺(tái)帶動(dòng)下掃描PCB電路板獲取PCB圖像，然后在經(jīng)過一定的算法處理后拼接成完整的PCB板圖像；（2）故障檢測(cè)模塊。基于百度PaddleDetection物體檢測(cè)框架，使用Cascade R-CNN模型訓(xùn)練自建的數(shù)據(jù)集對(duì)PCB板元件的目標(biāo)進(jìn)行檢測(cè)，并用訓(xùn)練好的模型對(duì)采集的PCB板元件進(jìn)行定位和分類，得到故障的具體信息。訓(xùn)練好的模型部署在樹莓派4B中，上位機(jī)界面由Python開發(fā)平臺(tái)的Qt5完成。

2 系統(tǒng)硬件設(shè)計(jì)

根據(jù)系統(tǒng)性能要求，控制器主要有兩類可以選擇，一種是工控機(jī)，其具有可靠性高、穩(wěn)定性強(qiáng)、抗震性好等優(yōu)點(diǎn)；另一種是基于ARM的微型電腦。由于本文基于深度學(xué)習(xí)技術(shù)來設(shè)計(jì)PCB板元件的缺陷檢測(cè)，同時(shí)考慮到成本因素，選擇Raspberry Pi 4B作為硬件平臺(tái)。Raspberry Pi是一款具有相當(dāng)競(jìng)爭(zhēng)力的前沿機(jī)器學(xué)習(xí)處理平臺(tái)，具有操作簡(jiǎn)單、成本低，系統(tǒng)開發(fā)時(shí)間較短等優(yōu)點(diǎn)。

表1 Cascade R-CNN算法流程表

3 PCB板元件缺陷檢測(cè)算法

本文采用Cascade R-CNN算法對(duì)目標(biāo)進(jìn)行檢測(cè)。Cascade R-CNN是在Faster-RCNN基礎(chǔ)上，將多個(gè)R-CNN的網(wǎng)絡(luò)基于不同的IoU閥值進(jìn)行級(jí)聯(lián)，達(dá)到不斷優(yōu)化檢測(cè)結(jié)果的目的。與普通級(jí)聯(lián)不同的是，前一個(gè)R-CNN網(wǎng)絡(luò)的輸出結(jié)果可以作為后一個(gè)R-CNN網(wǎng)絡(luò)的輸入，越往后的檢測(cè)模型其界定正負(fù)樣本的IoU閥值更高，好處是產(chǎn)生更高質(zhì)量的邊界框，可以避免在樣本不足情況下的過度擬合問題。Cascade R-CNN是兩階段體系的訓(xùn)練結(jié)構(gòu)，如圖1所示。對(duì)于一張?jiān)紙D像，第一階段是作用于整張影像的候選區(qū)域提取子網(wǎng)絡(luò)（H0）以生成初始的檢測(cè)假設(shè)，稱為目標(biāo)提議。在第二階段，這些假設(shè)對(duì)感興趣區(qū)域檢測(cè)子網(wǎng)絡(luò)（H1）的輸入，最終分類數(shù)（Cls）和邊界框（B）分配給每個(gè)目標(biāo)提議。本文采用RPN獲得目標(biāo)提議。Cascade R-CNN算法流程如表1所示。

圖1 Cascade R-CNN模型結(jié)構(gòu)

4 軟件開發(fā)設(shè)計(jì)

本文提出的PCB板元件缺陷檢測(cè)系統(tǒng)需要一個(gè)良好的UI（即用戶界面的簡(jiǎn)稱），UI設(shè)計(jì)則是指對(duì)軟件

5 實(shí)驗(yàn)結(jié)果與分析

在完成系統(tǒng)開發(fā)后，對(duì)系統(tǒng)的性能進(jìn)行驗(yàn)證，首先將預(yù)訓(xùn)練的模型部署在樹莓派中，然后將待檢測(cè)的PCB板放入測(cè)試平臺(tái)上，獲取一張?jiān)嫉某杀綪CB彩色圖像如圖2(a)所示，對(duì)它進(jìn)行預(yù)測(cè)得到的檢測(cè)結(jié)果如圖2(b)所示。分析圖2(b)可知，本文設(shè)計(jì)的檢測(cè)系統(tǒng)能正確的檢測(cè)出偏位和立碑缺陷。

圖2 PCB板原始圖像和檢測(cè)圖像對(duì)比

結(jié)束語：隨著電子技術(shù)的不斷發(fā)展和進(jìn)步，PCB板的集成度越來越高，傳統(tǒng)的PCB板生產(chǎn)過程中通過目前的方法來檢測(cè)PCB板元件是否存在缺陷已經(jīng)無法適應(yīng)PCB板檢測(cè)的需求。本文以計(jì)算機(jī)視覺為基礎(chǔ)，結(jié)合當(dāng)前領(lǐng)先的深度學(xué)習(xí)技術(shù)，然后利用Opencv4和Qt的人機(jī)交互、操作邏輯，界面美觀的整體設(shè)計(jì)。本文用戶界面的設(shè)計(jì)采用的是Qt5，是由奇趣科技開發(fā)的跨平臺(tái)C++圖形用戶界面應(yīng)用程序開發(fā)框架。本文設(shè)計(jì)的UI界面主要包括標(biāo)準(zhǔn)圖像的顯示區(qū)域、檢測(cè)結(jié)果的顯示區(qū)域、圖片的打開和關(guān)閉、攝像頭打開、關(guān)閉等相應(yīng)的操作。對(duì)該系統(tǒng)進(jìn)行了開發(fā)，并能對(duì)漏焊、偏位、少錫等類型缺陷進(jìn)行自動(dòng)識(shí)別，具有簡(jiǎn)單直觀、檢測(cè)速度快、檢測(cè)結(jié)果準(zhǔn)確等優(yōu)點(diǎn)。