In diesem Artikel wird gezeigt, wie maschinelles Lernen die Leiterplattenfertigung verbessern kann, indem es Defekte wie fehlende Bohrungen, offene Schaltungen und Kurzschlüsse erkennt. Mithilfe des FOMO-Algorithmus wird ein Modell trainiert und auf einem Raspberry Pi 4 mit Kameramodul eingesetzt, um eine Echtzeitinspektion durchzuführen. Dieser Ansatz ermöglicht es Herstellern, Fehler frühzeitig zu erkennen, Ausschuss zu reduzieren und einer fehlerfreien Produktion näherzukommen.

Übersicht

Um die Anzahl der Fehler auf Leiterplatten zu reduzieren, werden an verschiedenen Punkten moderner Fertigungslinien zahlreiche Inspektionen durchgeführt. Mit der gestiegenen Zahl von Leiterplattenherstellern und Entwicklern, die kompaktere Schaltungs-Layouts wünschen, haben Unternehmen fortschrittliche Inspektionssysteme entwickelt, aber manchmal bleiben Fehler trotzdem unbemerkt.

Dieses Projekt soll drei Arten von Fehlern auf Leiterplatten finden und zeigen, wie maschinelles Lernen zu d...