字型大小:
融合CNN於YOLOv8架構應用於焊點瑕疵即時檢測
最後修改日期: 2025-05-15
摘要
在現今生活中隨處都可見的電子產品，隨著技術進步與產品功能提升，對品質要求也愈加嚴格，而電路板（Printed circuit board, PCB）為電子產品的核心，其中良好的焊點可以使電路穩定流通。而在實際生產過程中，易受到多種因素影響，難以完全避免瑕疵出現。傳統的人工檢測耗時且受主觀判斷影響，容易發生漏檢與誤檢。隨著人工智慧發展，計算機視覺結合深度學習已被廣泛應用於瑕疵檢測，因此本研究提出融合卷積神經網路（Convolutional Neural Network, CNN）於YOLOv8架構，實驗結果顯示，所提出的MobileNetV3-YOLOv8模型表現略優於原始模型，準確率達90.6%。
關鍵字：PCB檢測、焊點瑕疵、深度學習、YOLOv8