【实测好用】YOLOv5 实战:3步跑通 PCB 缺陷检测完整指南
【实测好用】YOLOv5 实战:3步跑通 PCB 缺陷检测完整指南
一条 SMT 产线每天要过检上千块 PCB,质检员对着灯箱或显示器逐块目检,盯到下午三四点注意力下滑是常事,漏孔、鼠牙洞这类直径往往不足一毫米的缺陷,漏检在所难免;返工一次是时间和料件的双重成本,漏检流出线外则是客诉和信誉成本。这正是「基于深度学习的智能PCB板缺陷检测系统」要解决的问题:把人工目检换成机器判读,自动识别并定位漏孔、鼠牙洞、毛刺等六类常见缺陷,让人只看告警,不再逐帧盯屏。
人工目检,为什么撑不住产线节拍
缺陷越小、板子越密、班次越长,人眼越不可靠。目检的慢、漏、贵不是态度问题,是生理极限:连续高强度盯屏,检出率随时间衰减,而产线节拍不等人。想稳定住质检环节,只能把"看"这件事交给一个不会疲劳的"眼睛"——深度学习 PCB 检测模型。
YOLOv5 目标检测 + PyQt 可视化界面,一套完整的 PCB 自动质检方案
「基于深度学习的智能PCB板缺陷检测系统」的思路很直接:核心算法用成熟的 YOLOv5 目标检测框架,专门训练用来识别 PCB 板上的漏孔、鼠牙洞、毛刺等六种常见缺陷,自动给出位置和类别;外层配一个 Python + PyQt 写的图形界面,图片、视频、摄像头三种输入都能接,检测结果可记录、可展示、可保存、可查询。深度学习 PCB 检测的模型层与人工操作的界面层,在这一套系统里是配套交付的。
装好依赖、训练模型、跑起来:三步上手指南
上手路径很短,三步:
- 装环境:Python 3.8 + Anaconda + PyTorch 是基本盘,依赖清单都写在 requirements.txt 里,
pip install -r requirements.txt一键装齐; - 训练模型:仓库自带标注好的数据集(后面细说),按训练脚本跑一遍即可,也支持换成自己的数据继续训;
- 运行 main.py:图形界面直接弹出来,图片、视频、摄像头入口都摆在界面上,选一个就能开始检测。
图片、视频、摄像头:三种输入,一套结果管理
拿到手之后,你能拿它做的事大致这么几件:
- 图片检测:选一张本地 PCB 图片,缺陷位置直接框出来,类别一并标出;
- 视频逐帧检测:导入视频文件逐帧分析,哪个片段出现缺陷、出现在哪,一目了然;
- 摄像头实时检测:接上摄像头对准产线,实时推理即时反馈,缺陷一出现立刻告警;
- 结果管理:检测结果可以记录、展示、保存,之后随时翻出来查询,质检留痕不是问题。
9961 张标注数据、六类缺陷,支持自行训练
底气来自数据:训练集、验证集、测试集合计 9961 张图片,覆盖六种缺陷类别,各类别分布平衡,开箱就能训出一个可用的 YOLOv5 模型。产线想贴合自己的板型?把自有图片补进去继续训练就行,专属性检测能力随数据积累越调越准。
🏭 工业产线用它做 PCB 自动质检,高校科研团队拿它做检测实验,课堂演示也合适——完整代码、数据集、训练脚本和 UI 资源都打包在仓库里,git clone https://gitcode.com/Resource-Bundle-Collection/8de4a 之后,装依赖、跑训练、运行 main.py,三步就能开工。