.png){kind=icon}
返回
Deep learning-based solder joint defect detector
.png){kind=icon}
OA
AI
DOI：10.1007/s00170-025-15460-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，由于工业4.0带来的技术进步，能够分析100%生产零件并针对零缺陷制造目标实现柔性在线质量控制流程已成为现实。电子行业总体上以及印制电路板组件（PCBA）制造尤其如此，这一范式也被采纳，其中质量检测特别适用于最关键且易出错的特征：PCB与元器件之间的焊点。当分析关于基于AI的焊点质量检测的相关文献时，我们发现其缺乏实际生产线的应用，因为大多数研究仅限于实验室场景。因此，我们提出了一种基于深度学习的焊点缺陷检测方法，该方法部署于实际生产线中。所述系统使用我们通过专门设计的机器人系统（该系统配有前置和侧向机载摄像头，同样由本研究设计）捕获的数据集进行训练，我们对此也进行了详细描述。缺陷检测器在实际生产线上的部署同样使用该机器人系统，以确保训练数据与实际推理场景之间的连贯性和兼容性。
Keyword:
Solder joint detector
Deep learning
Robotics
期刊
IF:
3.1
论文数:
1.9K
被引数:
6.4W
机构
引用论文
Printed circuit board solder joint quality inspection based on lightweight classification network基于轻量级分类网络的印刷电路板焊点质量检测
OAAI
OAAI分享收藏CFA: Coupled-Hypersphere-Based Feature Adaptation for Target-Oriented Anomaly Localization.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Advanced Topics on Computer Vision, Control and Robotics in Mechatronics机电一体化中计算机视觉、控制与机器人的高级主题
IF0
PREAI
分享收藏分享收藏Application of automation for in-line quality inspection, a zero-defect manufacturing approach自动化在在线质量检查中的应用，一种零缺陷制造方法OAAI
OAAI分享收藏
查看更多内容