Detecção Automática de Defeitos de Superfície e Componentes em Placas de Circuito Impresso Usando Modelos de Aprendizado Profundo

Silvio Sebastião da Cruz, Samuel Mafra, Eduardo Henrique Teixeira

DOI: 10.14209/sbrt.2024.1571032822

Evento: XLII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2024)

Keywords: PCBs Defeitos YOLOv8 Detecção

Abstract

Este artigo propõe uma abordagem para verificação automática de defeitos em placas de circuito impresso (PCBs) usando os modelos de visão computacional Faster R-CNN, SSD, YOLOv5 e YOLOv8. Os modelos foram avaliados com base nas métricas Acurácia, Precisão, Recall e F1-Score. Os resultados mostram que o Faster R-CNN alcançou 91,94% de precisão, o SSD 93,35%, o YOLOv5 97,20% e o YOLOv8 97,90%. Dentre eles, o YOLOv8 se comportou sutilmente melhor na detecção de defeitos em PCBs, oferecendo uma solução robusta para a indústria eletrônica.

Download