Fin

Rapports scientifiques volume 12, Numéro d'article : 12559 (2022) Citer cet article

5496 Accès

12 citations

14 Altmétrique

Détails des métriques

Nous rapportons un cadre complet d'apprentissage en profondeur utilisant un modèle de détection d'objets en une seule étape afin de détecter et de classer rapidement et précisément les types de défauts de fabrication présents sur les cartes de circuits imprimés (PCB). Nous décrivons l'architecture complète du modèle et la comparons avec l'état de l'art actuel en utilisant le même ensemble de données sur les défauts des PCB. Ces méthodes de référence incluent le réseau neuronal convolutif plus rapide basé sur une région (FRCNN) avec ResNet50, RetinaNet et You-Only-Look-Once (YOLO) pour la détection et l'identification des défauts. Les résultats montrent que notre méthode atteint une précision moyenne de 98,1 % (mAP[IoU = 0,5]) sur les échantillons de test en utilisant des images basse résolution. C'est 3,2 % de mieux que l'état de l'art utilisant des images basse résolution (YOLO V5m) et 1,4 % mieux que l'état de l'art utilisant des images haute résolution (FRCNN-ResNet FPN). Tout en obtenant de meilleures précisions, notre modèle nécessite également environ 3 fois moins de paramètres de modèle (7,02 M) par rapport aux FRCNN-ResNet FPN (23,59 M) et YOLO V5m (20,08 M) de pointe. Dans la plupart des cas, le principal goulot d'étranglement de la chaîne de fabrication des PCB est le contrôle qualité, les tests de fiabilité et la reprise manuelle des PCB défectueux. Sur la base des premiers résultats, nous croyons fermement que la mise en œuvre de ce modèle sur une ligne de fabrication de PCB pourrait augmenter considérablement le rendement et le débit de production, tout en réduisant considérablement les coûts de fabrication.

Les cartes de circuits imprimés (PCB) constituent la base de la plupart des produits électroniques. Ils sont généralement constitués de fibre de verre et d'époxy composites avec des matériaux laminés1. Tout défaut de fabrication au niveau du PCB peut entraîner des défauts fatals au niveau du produit. Ainsi, les PCB doivent être fabriqués avec le plus haut degré de précision pour garantir un fonctionnement et une fiabilité optimaux du produit. Avec la demande mondiale croissante de produits électroniques, il est essentiel de détecter les défauts de fabrication de manière efficace et précise. Dans le cadre de la révolution de l'Industrie 4.0, de nouvelles technologies basées sur les données et l'apprentissage automatique peuvent être mises en œuvre pour améliorer la qualité des produits et des processus2. Le paradigme de fabrication zéro défaut (ZDM) vise également à améliorer la durabilité de la fabrication en tirant parti de méthodes basées sur les données pour garantir qu'aucun produit défectueux ne passe par le processus de production3. L’approche combine détection, réparation, prédiction et prévention4. Alors que les méthodes traditionnelles d'amélioration de la qualité (AQ) se concentrent sur la détection-réparation, les industries manufacturières migrent désormais vers un paradigme de prédiction-prévention utilisant des méthodes basées sur les données pour prédire les défauts de fabrication5. L'industrie des PCB investit massivement pour former et maintenir une main-d'œuvre importante dédiée à l'inspection qualité à l'aide d'outils d'inspection traditionnels6. Ce processus entraîne souvent une latence indésirable dans le processus de fabrication. De plus, l’inspection physique des pièces est coûteuse et ardue. Ainsi, la plupart des entreprises manufacturières s’appuient sur l’inspection des lots. Cependant, le contrôle des lots ne permet pas aux fabricants de respecter le principe ZDM du zéro défaut en fin de processus de fabrication. Avec l’importance croissante de la personnalisation des produits, on constate une augmentation des taux de défauts en raison de la taille réduite des lots de production7. En métrologie virtuelle (VM), un sous-domaine de la ZDM, les méthodes basées sur les données aident à estimer et à prédire la qualité d'un produit8. Ces méthodes exploitent des mesures de qualité à faible coût pour dériver des mesures plus complexes afin d’obtenir une amélioration significative de la rentabilité8. Les techniques émergentes de vision par ordinateur basées sur l’apprentissage automatique ont aidé les chercheurs à appliquer la métrologie virtuelle au contrôle qualité9.

Différents types de défauts dans le motif du cuivre peuvent affecter les PCB. Ils peuvent constituer des défauts fatals, rendant immédiatement l'appareil non fonctionnel. Ils peuvent également constituer des défauts potentiels, entravant les performances de l’appareil et réduisant sa durée de vie10. Au cours des processus de gravure et de placage, des anomalies peuvent entraîner un excès de cuivre ou un manque de cuivre. En outre, un processus incomplet peut entraîner le dépôt indésirable de matériaux conducteurs et former des défauts tels que des courts-circuits ou des éperons. D’un autre côté, un traitement excessif peut entraîner des trous manquants, des circuits ouverts et des piqûres de souris. Un outillage défectueux peut également produire des trous manquants. Un timing incorrect peut entraîner des erreurs d'enregistrement mécaniques, une contamination par la saleté ou des bulles d'air provenant de l'électrolyse présente dans les cartes PCB nues. La littérature donne un résumé détaillé des défauts de fabrication des PCB les plus courants et de leurs origines11.