当前现状
- 1. PCB一个板厂每天产生缺陷数据量达几十万张，存在大量的假点；
- 2. 对复判人员的经验要求高，招工难，且人员效率低，投入成本大；
- 3. 当前AOI和AVI设备，无法对缺陷进行准确分类，无法进行问题溯源；
针对以上痛点，我们研发了对PCB/PCBA行业AOI/AVI设备的人工智能复判系统，通过深度学习、预置模型、自动学习等技术解 决人工复判问题，提升一次直通率。
技术方案
基于视觉模型 YOLO-v8 本地部署并微调，目前对焊盘缺陷进行了模型训练。
基于 labelimage 工具进行数据标注，针对焊盘数据集标注如下
关键 loss 函数随 epoch 增加持续下降，表明模型随着训练的深入精 度会提升。同时在各项指标上取得良好的精度。
