基于ZYNQ的PCB缺陷检测系统实验设计

摘要：

印刷电路板(PCB)检测方法对于确保产品正常工作至关重要.该文针对传统的人工检测方法易存在漏检、误检等问题,采用深度学习方法对PCB缺陷进行检测,并搭建了基于ZYNQ的硬件实现平台;采用软硬件协同设计方法,使用FPGA对算法进行了硬件加速,其中包括采用了 YOLOv3-SPP网络模型,并对该结构进行了优化,使其适用于ZYNQ端的部署.在搭建硬件平台时,首先通过Vivado配置硬件基本信息,然后使用PetaLinux创建Linux系统,在Vitis中调用该系统并添加DPU IP核,最后在ZYNQ的PS端采用多线程思想编写Python程序,实现PCB缺陷的检测.实验结果显示,该系统对各类型PCB缺陷的检测精度均在0.95以上,检测精度平均值(mAP)为 0.97.

关键词：PCB缺陷检测、深度学习、YOLOv3-SPP、ZYNQ、DPU

所属期刊栏目：40

分类号：TN919.81

资助基金：国家自然科学基金;辽宁省教育厅资助项目;辽宁省教改资助项目

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：96-102