مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 4
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه مازندران
چکیده: (53 مشاهده)
نقصها در بردهای مدار چاپی میتوانند منجر به اختلالات جدی در عملکرد دستگاههای الکترونیکی شوند و شناسایی دقیق و سریع آنها برای تضمین کیفیت تولید، امری ضروری است. در این مقاله، کارایی شش مدل یادگیری عمیق شامل Inception-v3، VGG16، رزنت18، رزنت50، رزنت101 و یولوv5 در تشخیص خودکار نقصهای بردهای مدار چاپی بررسی شده است. این نقصها که میتوانند باعث اختلالات جدی در عملکرد دستگاههای الکترونیکی شوند، نیازمند شناسایی سریع و دقیق برای تضمین کیفیت تولید هستند. هر یک از مدلها با استفاده از مجموعه دادهای متشکل از تصاویر نقصهای مختلف بردهای مدار چاپی آموزش دیده و با معیارهای دقت، حساسیت، اختصاصیت و سرعت پردازش ارزیابی شدهاند. نتایج نشان میدهد که مدل یولوv5 با دقت بالاتر و زمان پردازش کمتر، بهترین عملکرد را در تشخیص انواع نقصهای سطحی و ساختاری ارائه میدهد. این پژوهش تأکید میکند که انتخاب معماری مناسب شبکه عصبی عمیق میتواند تأثیر قابل توجهی بر بهبود دقت و کارایی فرآیند بازرسی بردهای مدار چاپی داشته باشد و جایگزینی مؤثر برای روشهای سنتی باشد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
