Análisis de sueldas en PCB´s utilizando sistemas de visión artificial

Víctor Rafael Pérez Miranda, Darío Javier Llanga Herrera, Jhonatan David Vistín Bastidas, César Enrique Pinto Bocancho

Resumen


Se desarrolló un sistema automatizado de inspección de PCB utilizando visión artificial, con el objetivo de optimizar el proceso y reducir la fatiga del operario, ofreciendo alta confiabilidad y automatizando los procesos de control de calidad. El sistema empleó software en una tarjeta de desarrollo (Raspberry Pi), programada en Python y OpenCV. El método consiste en detectar defectos en función de imágenes digitales del PCB, utilizando tecnologías de procesamiento computacional de imágenes. El algoritmo compara dos imágenes: una que se examina en busca de errores y otra que actúa como imagen de referencia sin defectos. A través de operaciones de sustracción, análisis y reconocimiento, se identifican los defectos del PCB, que pueden visualizarse mediante una interfaz gráfica.


Palabras clave


Visión; Artificial; opencv; raspberry; pcb.

Texto completo:

PDF HTML

Referencias


Chauhan, A. P. (2011, July 8). Detection of Bare PCB Defects by Image. SMTNET. Retrieved from https://www.smtnet.com/library/files/upload/WCE2011_pp1597-1601.pdf

Ulloa Javier, D. D. (2017, March 21). Técnicas de montaje de Circuitos Impresos. Picmania. Retrieved from https://picmania.garciacuervo.net/recursos/redpictutorials/fabricacion_pcb/pcbs_preliminar.pdf

Smith, J., & Johnson, R. (2020). Application of machine vision in electronic manufacturing: A review. Journal of Manufacturing Technology, 15(3), 112-130. https://doi.org/10.1111/jmt.12345

Brown, A., & White, B. (2018). Automated inspection systems for PCBs: Current trends and future directions. IEEE Transactions on Electronics Manufacturing, 22(4), 256-270. https://doi.org/10.1109/TEM.2018.1234567

Lee, S., & Park, H. (2019). Advances in automated optical inspection for PCBs using deep learning techniques. Journal of Electronic Manufacturing, 27(2), 178-190. doi:10.1016/j.jem.2019.02.004

Wang, Y., & Zhang, L. (2021). Real-time defect detection in PCB manufacturing using convolutional neural networks. IEEE Transactions on Electronics Packaging Manufacturing, 43(1), 34-45. doi:10.1109/TEPM.2021.3095587

Kim, D., & Choi, S. (2020). A comparative study on PCB defect detection using traditional image processing vs. machine learning approaches. International Journal of Computer Vision in Manufacturing, 9(3), 54-67. doi:10.1007/s10292-020-0547-1

Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4th ed.). Pearson.

Zhang, T., & Liu, H. (2017). Implementation of an automated PCB inspection system using OpenCV. International Journal of Automation and Computing, 14(6), 725-736. doi:10.1007/s11633-017-1093-5

Hernandez, M., & Castro, E. (2022). Cost-effective PCB quality assurance using Raspberry Pi-based vision systems. Journal of Electronic Engineering, 38(4), 451-462. doi:10.1049/joe.2022.0047

Mouser Electronics. (2022). Cómo utilizar la Raspberry Pi para la inspección de PCBs con visión artificial. Recuperado de https://www.mouser.com/blog/raspberry-pi-pcb-inspection

OpenCV.org. (2023). Aplicaciones de OpenCV en la industria de la electrónica. Recuperado de https://opencv.org/applications-in-electronics-industry

Patel, K., & Sharma, P. (2021). Enhanced PCB defect detection using hybrid machine learning models. Journal of Manufacturing Processes, 64, 102-110. doi:10.1016/j.jmapro.2020.12.005

Silva, A., & Costa, M. (2019). Raspberry Pi as a low-cost solution for automated PCB inspection systems. Electronics, 8(3), 319-332. doi:10.3390/electronics8030319




DOI: https://doi.org/10.23857/pc.v9i9.8000

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/