要約
電子機器の製造において、はんだ接合部の欠陥は、さまざまなプリント回路基板コンポーネントに影響を与える一般的な問題です。
はんだ接合部の欠陥を特定して修正するために、回路基板上のはんだ接合部は通常、訓練を受けた人間の検査員によって手動で検査されますが、これは非常に時間がかかり、エラーが発生しやすいプロセスです。
検査の効率と精度の両方を向上させるために、この作業では、エレクトロニクス製造環境におけるはんだ接合部の目視検査用に調整された、説明可能なディープラーニングベースの視覚的品質検査システムについて説明します。
このシステムの中核は、SolderNet と呼ばれる説明可能なはんだ接合欠陥識別システムであり、信頼と透明性を念頭に置いて設計および実装されています。
完全なシステムを開発して展開する前にいくつかの課題が残っていますが、この研究は、電子機器製造におけるはんだ接合部の信頼できる目視検査に向けた重要な進歩を示しています。
要約(オリジナル)
In electronics manufacturing, solder joint defects are a common problem affecting a variety of printed circuit board components. To identify and correct solder joint defects, the solder joints on a circuit board are typically inspected manually by trained human inspectors, which is a very time-consuming and error-prone process. To improve both inspection efficiency and accuracy, in this work we describe an explainable deep learning-based visual quality inspection system tailored for visual inspection of solder joints in electronics manufacturing environments. At the core of this system is an explainable solder joint defect identification system called SolderNet which we design and implement with trust and transparency in mind. While several challenges remain before the full system can be developed and deployed, this study presents important progress towards trustworthy visual inspection of solder joints in electronics manufacturing.
arxiv情報
| 著者 | Hayden Gunraj,Paul Guerrier,Sheldon Fernandez,Alexander Wong |
| 発行日 | 2022-11-18 15:02:59+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google