如何使用深度学习进行印刷电路板装配验证收藏

   智能手机、移动和可穿戴设备以及其他消费电子产品正在刺激全球对半导体和印刷电路板(PCB)和柔性PCB(FPCB)的需求今天，如果不使用机器视觉，就无法制造半导体，也无法组装印刷电路板机器视觉让实现当今高密度集成电路和以低成本制造此类电路成为可能。

电子材料、有源元件、IC包装、无源元件和成品电子设备供应商均依赖视觉技术来进行校准、检查和识别    通常在印刷电路板的最终装配验证过程中，电子产品制造商会使用2D和3D机器视觉系统对PCB板进行检测，以验证LED、微处理器和其他表面贴装器件的存在性和正确放置与否。

错误定位或缺失的元器件可能会影响PCB的性能和生命周期制造商必须在将PCB装配到设备中或交付给客户之前及时识别这些错误    然而，微妙的光线对比度、视角和方向变化，金属表面上的眩光等轻微的外观变化都可能会使自动化检测系统陷入混乱。

机器视觉系统难以将紧靠在一起的元件区分为独立的元器件将这些检查程序设计为规则型算法是一项耗时且容易出错的工作，而且现场工程师很难进行维护尽管人类检查员可以识别这些组件，但是这无法满足高速处理要求

VisionPro ViDi    康耐视旗下的深度学习图像分析软件VisionPro ViDi能够解决电子产品行业棘手的元件定位、外观检测、分类和字符识别应用，为复杂的PCB装配检查自动化提供可靠的解决方案。

VisionPro ViDi软件为制造商们不仅提供可现场维护的解决方案，该软件在PCB装配验证方面的实际应用情况已经超越了人工检测

   ViDi蓝色-定位工具可基于标注为“合格”的元件图像集来学习识别元器件，构建这些元器件正常外观的参照模型该工具能够基于元器件的尺寸、形状和表面特征概括元器件的区别性特征，学习它们的正常外观以及它们在印刷电路板上的一般位置。

   在检测过程中，即使元器件外观存在变化，ViDi蓝色-定位工具也能够分析印刷电路板的所有相关区域，识别和计数元器件通过这种方式，该工具可确定元器件是存在还是缺失，并且能够区分印刷电路板是否正确装配。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。