Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores
Object detection based on computer vision is essential to accelerate the production of electronic products. However, the automatic detection of defects on PCB surfaces is still a challenging task. Despite the existence of several computer vision-based detectors that address these issues, current det...
| Autor principal: | Pereira, Paulo Vítor Libório |
|---|---|
| Grau: | Trabalho de Conclusão de Curso |
| Idioma: | por |
| Publicado em: |
Brasil
2023
|
| Assuntos: | |
| Acesso em linha: |
http://riu.ufam.edu.br/handle/prefix/6663 |
| id |
oai:localhost:prefix-6663 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:localhost:prefix-66632025-03-10T21:03:28Z Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores Pereira, Paulo Vítor Libório Oliveira, Felipe Gomes de http://lattes.cnpq.br/7676479757420304 Freitas, Carlos Alberto de Oliveira Souza, Kleber Padovani de YOLOv5 Detecção de objetos Classificação de imagens Semicondutores Aprendizado profundo CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Processamento de imagens Aprendizado do computador Object detection based on computer vision is essential to accelerate the production of electronic products. However, the automatic detection of defects on PCB surfaces is still a challenging task. Despite the existence of several computer vision-based detectors that address these issues, current detectors face challenges in achieving high detection accuracy and speed. For the training and testing of the neural network, three metrics were considered to evaluate the detection results: precision, recall and mAP, and for the classification the average accuracy was considered. The objective is to propose an approach to detect and classify three categories of solder spheres, in the soldering process of silicon wafers on BGA contained in PCB substrates, combining the YOLOv5 model and a CNN. The experimental results show that the detector achieved considerable performance, scoring a mAP@50 of 92.6% for the YOLOv5 model and an average accuracy of 97.87% for the CNN model. A detecção de objetos baseada em visão computacional é essencial para acelerar a produção de produtos eletrônicos. Entretanto, a detecção automática de defeitos em superfícies de PCB ainda é uma tarefa desafiadora. Apesar da existência de diversos detectores baseados em visão computacional que abordam esses problemas, os detectores atuais enfrentam desafios para atingir alta precisão de detecção e velocidade. Para o treinamento e teste da rede neural, foram consideradas três métricas para avaliar os resultados da detecção: precisão, recall e mAP e para a classificação considerou-se a acurácia média. O objetivo consiste em propor uma abordagem para detectar e classificar três categorias de esferas de solda, no processo de soldagem de pastilhas de silício em BGA contidos em substratos PCB combinando o modelo YOLOv5 e uma CNN. Os resultados experimentais mostram que o detector alcançou um desempenho considerável, marcando um mAP@50 de 92,6% para o modelo YOLOv5 e uma acurácia média de 97,87% para o modelo de CNN. 2 Não 2023-06-03T01:49:54Z 2023-06-03T01:49:54Z 2023-02-14 Trabalho de Conclusão de Curso http://riu.ufam.edu.br/handle/prefix/6663 por Acesso Aberto Brasil ICET - Instituto de Ciências Exatas e Tecnologia (Itacoatiara) Itacoatiara (AM) Sistemas de Informações - Bacharelado - Itacoatiara |
| institution |
Repositório Institucional - Universidade Federal do Amazonas |
| collection |
RI-UFAM |
| language |
por |
| topic |
YOLOv5 Detecção de objetos Classificação de imagens Semicondutores Aprendizado profundo CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Processamento de imagens Aprendizado do computador |
| spellingShingle |
YOLOv5 Detecção de objetos Classificação de imagens Semicondutores Aprendizado profundo CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Processamento de imagens Aprendizado do computador Pereira, Paulo Vítor Libório Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| topic_facet |
YOLOv5 Detecção de objetos Classificação de imagens Semicondutores Aprendizado profundo CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Processamento de imagens Aprendizado do computador |
| description |
Object detection based on computer vision is essential to accelerate the production of electronic products. However, the automatic detection of defects on PCB surfaces is still a challenging task. Despite the existence of several computer vision-based detectors that address these issues, current detectors face challenges in achieving high detection accuracy and speed. For the training and testing of the neural network, three metrics were considered to evaluate the detection results: precision, recall and mAP, and for the classification the average accuracy was considered. The objective is to propose an approach to detect and classify three categories of solder spheres, in the soldering process of silicon wafers on BGA contained in PCB substrates, combining the YOLOv5 model and a CNN. The experimental results show that the detector achieved considerable performance, scoring a mAP@50 of 92.6% for the YOLOv5 model and an average accuracy of 97.87% for the CNN model. |
| author_additional |
Oliveira, Felipe Gomes de |
| author_additionalStr |
Oliveira, Felipe Gomes de |
| format |
Trabalho de Conclusão de Curso |
| author |
Pereira, Paulo Vítor Libório |
| title |
Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| title_short |
Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| title_full |
Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| title_fullStr |
Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| title_full_unstemmed |
Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| title_sort |
abordagem yolov5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
| publisher |
Brasil |
| publishDate |
2023 |
| url |
http://riu.ufam.edu.br/handle/prefix/6663 |
| _version_ |
1831969904356491264 |
| score |
11.755432 |