科研之友
微信
新浪微博
Facebook
分享链接
摘要
印刷电路板（PCB）检测方法对于确保产品正常工作至关重要。该文针对传统的人工检测方法易存在漏检、误检等问题，采用深度学习方法对PCB缺陷进行检测，并搭建了基于ZYNQ的硬件实现平台；采用软硬件协同设计方法，使用FPGA对算法进行了硬件加速，其中包括采用了YOLOv3-SPP网络模型，并对该结构进行了优化，使其适用于ZYNQ端的部署。在搭建硬件平台时，首先通过Vivado配置硬件基本信息，然后使用Peta Linux创建Linux系统，在Vitis中调用该系统并添加DPU IP核，最后在ZYNQ的PS端采用多线程思想编写Python程序，实现PCB缺陷的检测。实验结果显示，该系统对各类型PCB缺陷的检测精度均在0.95以上，检测精度平均值（m AP）为0.97。
-
单位沈阳航空航天大学; 电子信息工程学院
