YOLOv5+Deepsort 기반의 PCB 결함 검출 및 계수 시스템

배경:

PCB(인쇄회로기판)는 전자제품의 핵심부품으로, 전자부품을 운반하고 전기적 연결을 담당합니다. PCB 제조 과정에서 공정, 재료, 장비 등의 요인으로 인해 단락, 개방, 용접 불량 등 다양한 결함이 발생할 수 있습니다. 이러한 결함은 회로 오작동, 성능 저하 또는 심각한 안전 위험을 초래할 수 있습니다.

전통적인 PCB 결함 탐지 방법은 주로 수동 육안 검사에 의존하는데, 수동 검사는 느리고 피로와 오류가 발생하기 쉬우며 대규모 생산 요구 사항을 충족하기 어렵고 수동 검사 결과는 매우 주관적이며 부족하다는 문제가 있습니다. 정확성과 일관성, 높은 인건비와 시간 비용.

중요성:

YOLOv5+Deepsort를 기반으로 한 PCB 결함 감지 및 계수 시스템은 기존 방법의 문제를 효과적으로 해결할 수 있으며 다음과 같은 의미를 갖습니다.

1. 자동 감지: YOLOv5(대상 감지 모델) 및 Deepsort(대상 추적 모델)와 결합된 컴퓨터 비전 기술을 사용하여 PCB 결함을 자동으로 감지합니다. 이 시스템은 다양한 결함을 빠르고 정확하게 식별할 수 있어 검사 효율성을 크게 향상시킵니다.

2. 높은 정확도 및 일관성: 시스템은 딥 러닝 모델을 사용하여 PCB 결함을 고정밀로 감지하고 위양성 및 위음성을 줄일 수 있습니다. 동시에 알고리즘의 객관성으로 인해 결과는 일관되며 인간의 주관적 요인에 영향을 받지 않습니다.

3. 비용 절감 및 생산 효율성 향상: 기존 수동 검사 방법에 비해 YOLOv5+Deepsort 기반 시스템은 인건비와 시간 비용을 크게 줄일 수 있습니다. 대량의 PCB를 신속하고 지속적으로 감지하여 생산 효율성을 높이고, 제조 공정의 불량률을 줄여 궁극적으로 제품 불량률과 비용을 줄일 수 있습니다.

4. 실시간 모니터링 및 조기 경고: 시스템은 PCB 제조 공정의 결함을 실시간으로 모니터링하고 적시에 조기 경고를 발행하여 생산 담당자가 적시에 문제를 처리하고 결함이 있는 제품이 시장에 출시되는 것을 방지할 수 있습니다.

요컨대, YOLOv5+Deepsort를 기반으로 한 PCB 결함 검출 및 계수 시스템은 PCB 제조 공정의 품질과 효율성을 향상시킬 수 있을 뿐만 아니라 비용과 결함률을 줄일 수 있으며, 이는 전자 제품 제조 산업에 중요한 배경이자 의미를 갖습니다.

1. 불량검출부

Yolov5는 YOLO 시리즈를 기반으로 한 최신 버전입니다. 객체 감지 작업을 수행하기 위해 컨볼루셔널 신경망을 사용합니다. Yolov5는 입력 이미지를 다양한 크기의 그리드 셀로 나누고 각 셀에서 대상의 경계 상자 및 카테고리 정보를 예측하는 방식으로 작동합니다. 이전 버전과 비교하여 Yolov5는 네트워크 구조를 개선하고 더 많은 컨볼루션 레이어와 피처 피라미드 네트워크를 도입하여 표적 탐지의 정확성과 효율성을 향상시켰습니다.

네트워크 구조 다이어그램:

2. PCB 계수부

객체 탐지 ​​분야에서 일반적으로 사용되는 두 가지 객체 추적 알고리즘은 정렬(Simple Online and Realtime Tracking) 알고리즘과 DeepSORT(Deep Learning for Multi-Object Tracking) 알고리즘이며, 일반적으로 객체 탐지기와 결합하여 추적에 사용됩니다. 비디오를 보고 표적을 식별합니다.

SORT 알고리즘: SORT 알고리즘은 간단하고 효율적인 다중 표적 추적 알고리즘으로, 주요 아이디어는 감지 프레임과 알려진 궤적을 연관시켜 표적을 추적하는 것입니다. SORT 알고리즘은 먼저 표적 탐지기를 사용하여 표적을 탐지하고 탐지 프레임의 위치, 크기 및 기타 정보를 기반으로 궤적과 탐지 프레임 간의 연관성을 설정합니다. 그런 다음 헝가리 알고리즘을 사용하여 각 프레임의 검출 결과를 상관시키고, 상관 결과를 기반으로 궤적 정보를 업데이트합니다. SORT 알고리즘은 간단하고 이해하기 쉬우며 실시간 표적 추적이 가능하지만, 폐색 및 장기간 투명화와 같은 복잡한 장면을 처리할 때 성능이 떨어질 수 있습니다.

DeepSORT 알고리즘: DeepSORT 알고리즘은 대상 특징 추출 및 연관을 위해 SORT 알고리즘에 딥러닝 모델을 추가한 향상된 버전입니다. DeepSORT는 CNN(컨볼루션 신경망)을 사용하여 대상 탐지 상자에서 특징을 추출한 다음 이러한 특징 정보를 사용하여 대상을 연관시키고 궤적을 업데이트합니다. SORT와 비교하여 DeepSORT는 모양 변화가 크고 폐색이 심각한 복잡한 장면을 처리하는 데 더 나은 성능을 제공합니다.