产业实践范例 | PCB瑕疵检测

技术难点
随着电子制造技术的发展，电子产品趋向于多功能，智能化和小型化。作为电子产品的重要精密部件，印刷电路板（PCB）的质量直接影响产品的性能。

使用PaddleDetection可以针对不同数据集特点，设计与之匹配的解决方案，实现瑕疵智能检测，从而提升PCB板的质检效率。

项目概述
·小样本数据：适用于检测任务的PCB瑕疵数据样本量少，很难保障模型得到充分训练，并有较高的泛化性。

·小目标检测：PCB板图像上的瑕疵很小，大约占整张图像的0.1%，是一个小目标检测任务。

解决方案
本案例利用PaddleDetection套件中Faster-RCNN模型，通过一些参数的调整，如：anchor_size设置、网络结构调整等，来适配小数据集、小目标场景，最终训练得到模型。

方案效果
图1是一个PCB板上瑕疵检测结果，从图中看到瑕疵很小，较难分辨，但是模型可以准确检测出来。

图1 PCB板上瑕疵检测结果

优化效果
分割后的图片和相应的点坐标信息如图2所示。

图2 坐标信息图
模型部署
为了更好地满足用户的部署需求，在哪里提供了工业级别的部署方式，支持用户能够再windows上使用C#部署，如图3所示，支持用户输入单张图片、图片文件夹和视频流进行预测。

图3 部署示意图
完整案例教程获取
关于《PCB瑕疵检测》案例教程更多信息和完整代码，可以“扫一扫”如下二维码进入对应项目中获取。