【项目032】PCB电路板的缺陷检测 返回首页
作者：欧新宇（Xinyu OU）
当前版本：Release v1.0
开发平台：PaddleDetection-release-2.8
本教案所涉及的数据集仅用于教学和交流使用，请勿用作商用。
最后更新：2025年1月29日
所有作业均在AIStudio上进行提交，提交时包含源代码和运行结果
一、任务描述
近年来，随着移动电子和IOT技术的普及，PCB（印刷电路板）需求量显著提升，但在其生产过程中常因设备问题、流程问题出现一定概率的故障，轻则接触不良，功能缺陷，影响使用体验；重则引发火情，严重影响人民生命、财产安全。传统PCB质检依赖于产线工人使用显微放大镜在强光下进行目检，这种方法不仅效率低下，且长期操作易对工人眼睛造成伤害，同时也容易导致检测错误。本项目提出利用目标检测算法来替代人工检测。该算法基于PaddleDetection工具包，在自动检测PCB电路板生产过程中发现可能出现的六种问题，实现高效、准确的PCB电路板缺陷检测。
二、数据说明
本项目数据集 “印刷电路板瑕疵检测数据集（PCB）”由网上收集而得，包含693幅高清集成电路图。数据集包含6种不同类别的问题，分别是 missing_hole、mouse_bite、open_circuit、short、spur、spurious_copper。该数据集提供了coco和voc两种不同类型的标签。其中，coco标签已经预先进行划分，其中训练样本 593个，包含 2528个标注区域，测试样本有100个，包含427个标注区域。voc标签已经按照7:1:2的比例进行随机划分，其中训练验证集样本553个（80%），训练集样本483个（70%）, 验证集样本70个（10%）, 测试集样本140个（20%）, 共计693个；同时，本数据集提供了数据划分代码 split_datasets.py，用户可以根据需要自行划分数据集。
数据集下载地址：https://aistudio.baidu.com/datasetdetail/127210
三、任务要求及评分标准
- 使用Markdown撰写项目报告，所有内容作业均在AIStudio上进行提交。同时，将项目报告（双面）打印成纸质版进行提交。报告封面使用 《计算机视觉》课程报告封面。
- 注意报告撰写的规范性、完整性和美观性，包括但不限于：封面、摘要、关键词、正文、参考文献等（30分）。
- 完成项目报告，要求提交所有配置文件，包括项目配置文件、全局配置文件
runtime.yml、数据集配置文件PCB_coco.yml或PCB_voc.yml、数据读取器配置文件xxx_reader.yml、主干网络配置文件、优化器配置文件optimizer.yml。（30分，每个配置文件5分） - 给出模型训练命令及部分运行结果，包括开始的10行和最后的10行（10分）
- 给出最优模型的验证命令及完整运行结果（包括mAP、Recall和各类Acc）（10分）。
- 给出以下样本的推理预测结果图，尽力而为地输出每一个缺陷（20分）。注意：该测试图的缺陷总共有20个，分别是：missing_hole: 3，mouse_bite: 2，open_circuit: 6，short: 4，spur: 2，spurious_copper: 3。
