BriefGPT - AI 论文速递
·
通过焊膏检查特征上的数据中心机器学习来检测 PCB 制造缺陷
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于数据的方法，使用印刷电路板制造中的焊膏检测特征来训练机器学习模型，以在三个阶段检测缺陷。通过使用元件和PCB ID的引脚级焊膏检测特征，机器学习模型能够捕捉到引脚间、元件间或空间效应。通过组合不同模型的检测结果，可以识别有缺陷的元件。
🎯
关键要点
- 使用印刷电路板制造中的焊膏检测与自动光学检测机器自动检测缺陷可以提高运营效率。
- 提取了600万个引脚的焊膏检测特征，用于训练机器学习模型以检测缺陷。
- 这些引脚对应15387个PCB中的200万个元件。
- 使用基于梯度提升的机器学习模型迭代数据预处理步骤以提高检测性能。
- 通过引脚级焊膏检测特征，开发了元件和PCB级别的培训实例。
- 机器学习模型能够捕捉引脚间、元件间或空间效应。
- 在引脚、元件和PCB级别上训练模型，并组合不同模型的检测结果以识别有缺陷的元件。
➡️
