Use este identificador para citar ou linkar para este item:
http://riu.ufam.edu.br/handle/prefix/6663
Tipo de documento: | Trabalho de Conclusão de Curso |
Título: | Abordagem YOLOv5 para detecção e classificação de esferas de solda no encapsulamento de semicondutores |
Autor(a): | Pereira, Paulo Vítor Libório |
Orientador(a): | Oliveira, Felipe Gomes de |
metadata.dc.contributor.referee1: | Freitas, Carlos Alberto de Oliveira |
metadata.dc.contributor.referee2: | Souza, Kleber Padovani de |
Resumo: | 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. |
Resumo em outro idioma: | 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. |
Palavras-chave: | YOLOv5 Detecção de objetos Classificação de imagens Semicondutores Aprendizado profundo |
Área de conhecimento - CNPQ: | CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO |
Idioma: | por |
País de publicação: | Brasil |
Faculdade, Instituto ou Departamento: | ICET - Instituto de Ciências Exatas e Tecnologia (Itacoatiara) |
metadata.dc.publisher.course: | Sistemas de Informações - Bacharelado - Itacoatiara |
Tipo de acesso: | Acesso Aberto |
URI: | http://riu.ufam.edu.br/handle/prefix/6663 |
Vocabulário controlado: | Processamento de imagens Aprendizado do computador |
Aparece nas coleções: | Trabalho de Conclusão de Curso - Graduação - Ciências Exatas e da Terra |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC_PauloPereira.pdf | 942,52 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.