【導讀】缺(que)陷(xian)檢(jian)測(ce)在(zai)電(dian)子(zi)製(zhi)造(zao)業(ye)中(zhong)是(shi)非(fei)常(chang)重(zhong)要(yao)的(de)應(ying)用(yong)。然(ran)而(er)，由(you)於(yu)存(cun)在(zai)的(de)缺(que)陷(xian)多(duo)種(zhong)多(duo)樣(yang)
，傳(chuan)統(tong)的(de)機(ji)器(qi)視(shi)覺(jiao)算(suan)法(fa)很(hen)難(nan)對(dui)缺(que)陷(xian)特(te)征(zheng)進(jin)行(xing)完(wan)全(quan)建(jian)模(mo)和(he)遷(qian)移(yi)缺(que)陷(xian)特(te)征(zheng)，致(zhi)使(shi)傳(chuan)統(tong)機(ji)器(qi)視(shi)覺(jiao)算(suan)法(fa)可(ke)重(zhong)複(fu)使(shi)用(yong)性(xing)不(bu)是(shi)很(hen)大(da)，並(bing)且(qie)需(xu)要(yao)區(qu)分(fen)工(gong)作(zuo)條(tiao)件(jian)
，這(zhe)將(jiang)浪(lang)費(fei)大(da)量(liang)的(de)人(ren)力(li)成(cheng)本(ben)。因(yin)此(ci)，越(yue)來(lai)越(yue)多(duo)的(de)工(gong)程(cheng)師(shi)開(kai)始(shi)將(jiang)深(shen)度(du)學(xue)習(xi)算(suan)法(fa)引(yin)入(ru)缺(que)陷(xian)檢(jian)測(ce)領(ling)域(yu)
，因(yin)為(wei)深(shen)度(du)學(xue)習(xi)在(zai)特(te)征(zheng)提(ti)取(qu)和(he)定(ding)位(wei)方(fang)麵(mian)取(qu)得(de)了(le)非(fei)常(chang)好(hao)的(de)效(xiao)果(guo)。

本文將介紹瑞薩電子深度學習算法在缺陷檢測領域的應用，以PCB電路板缺陷檢測為例。

在這裏


，我們提出了一種缺陷檢測解決方案，使用YOLOv3-tiny深度學習算法。YOLOv3-tiny是一種輕量級的目標檢測算法。YOLOv3-tiny的網絡結構如下：

相關內容您可訪問以下鏈接查看：

https://pjreddie.com/darknet/yolo/

與原來的YOLOv3模型相比，YOLOv3-tiny減jian少shao了le一yi些xie層ceng數shu和he參can數shu
，提ti高gao了le嵌qian入ru式shi設she備bei上shang的de推tui理li速su度du和he效xiao率lv。該gai算suan法fa具ju有you較jiao高gao的de實shi時shi性xing和he良liang好hao的de精jing度du
，非fei常chang適shi合he工gong業ye缺que陷xian檢jian測ce應ying用yong。

該缺陷檢測解決方案可以部署在RZ/V2M MPU芯片上。RZ/V2M是一款集成了瑞薩DRP-AI硬件加速單元的的AI專用處理器
，其硬件特性如下：

RZ/V2M係統框圖

高達4K分辨率的硬件ISP

● 具有高度的魯棒性，產生穩定的圖像
，不受環境的影響

● 傳感器和鏡頭控製，如自動曝光、白平衡

、畸變校正
、黑點校正
、缺陷像素修正等

● 色彩質量增強，HDR，WDR，噪聲衰減，如色彩校正、黑度校正等

● 色彩控製，如色彩空間轉換
、圖像翻轉
、裁剪

、整形等

視覺和AI能力

● DRP-AI硬件加速器
，高精度FP16數據類型

● AI能效性能（低消耗、低發熱量）

● 攝像頭接口：2× MIPI CSI

視頻及圖像引擎

●  H.265/H.264 編解碼器

● 編碼：H.265 最高2160p30, H.264最高1080p60

● 解碼：H.265 最高2160p30, H.264 最高1080p60

● 2D圖像引擎：200 MPixels/s

● JPEG硬件編碼器

● 顯示：HDMI 1.4a

高速接口

● 1× Gigabit Ethernet

● 1×USB3.1 Gen1 Host/Peripheral

● 1× PCIe® Gen 2 (2 lanes)

● 2× SDIO 3.0

● 1× eMMC™ 4.5.1

基於以上硬件特性，使得RZ/V2M可以很好的支持工業缺陷檢測
，AI模型部署過程如下圖所示：

● ONNX是一種用於表示機器學習模型的開放格式。 

● ONNX定義了一組通用運算符
，機器學習和深度學習模型的構建基塊以及通用文件格式，使AI開發人員能夠使用具有各種框架、工具、運行時和編譯器的模型。

此應用程序在RZ/V2M MPU中的硬件設置如下：

YOLOv3-tiny 缺陷檢測解決方案部署在 RZ/V2M
，具有低功耗（小於5W）、高性能推理效果的特點，RZ/V2M為52fps（不包括前處理和後處理）。

嵌入式缺陷檢測不僅用於電子製造中的PCB缺陷檢測，還具有廣泛的應用場景，以下是一些常見示例：

工業自動化

在製造過程中，可以實時檢測產品中的缺陷，例如不正確的產品組裝、零件缺失或損壞。

農業領域

在農業生產中
，它可用於檢測作物或蔬菜中的缺陷，例如疾病，害蟲或水果畸形。

安防監控

可用於安防監控係統中的缺陷檢測，如檢測建築物或公共場所的異常物體、入侵行為或安全隱患。

醫學成像

在醫學領域
，可應用於醫學圖像分析
，檢測疾病標誌物
、腫瘤或異常組織等。

車輛檢測

在智能交通係統中
，可用於車輛檢測，如交通流量監控、非法車輛檢測或停車場管理。

隨著人工智能技術的不斷進步
，我們期待在工業製造、安防、智能零售、服務機器人等多個領域推出更多應用和解決方案。

原創：Ryan Chen  來源：瑞薩

免責聲明：本文為轉載文章
，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題
，請聯係小編進行處理。

推薦閱讀：

低損耗、高結溫！基本半導體混合碳化矽分立器件性能優勢介紹

艾睿5G和Wi-Fi 6融合無線通信解決方案

如何利用碳化矽打造下一代固態斷路器

熱泵及其諧波電流解決方案

ams OSRAM營銷副總裁Gerald Broneske：感知未來
，用光學為未來交通發展引路