PCB Üretiminde Çok Sınıflı Kusur Tespiti için YOLO Tabanlı Derin Öğrenme Modeli

Authors : İzemnur Budak, Sezen Bal, Hayriye Korkmaz
Pages : 816-826
Doi:10.35414/akufemubid.1551996
View : 87 | Download : 97
Publication Date : 2025-08-04
Article Type : Research Paper
Abstract :Bu çalışmada, PCB üretim sürecinde karşılaşılan olası kusurları otomatik olarak tespit ederek insan kaynaklı hataları en aza indirmeyi ve üretim sürecini hızlandırmayı amaçlayan; görüntü işleme tekniklerini ve derin öğrenme algoritmalarını kullanan bir kusur tespit ve sınıflandırma yöntemi önerilmiştir. Özellikle PCB üretim hattında böyle derin öğrenme tabanlı bir sistemin uygulanabilirliği değerlendirilmiş ve bu doğrultuda gerçek zamanlı bir simülasyon gerçekleştirilmiştir. Bu çalışmada farklı kusur türlerini içeren görüntülerden oluşan açık kaynaklı DeepPCB veri seti içinde yer alan 1194 PCB görüntüsü kullanılmıştır. Veri setinde yer alan görüntüler üzerinde toplam 7897 kusur etiketlenmiş ve bunlardan 6385 adedi (%80) eğitim, 1512 (%20) adedi ise test için ayrılmıştır. Eğitim ve test setleri, sınıflar arasında dengeli bir dağılım olacak şekilde rastgele bölünmüştür. Kusurlar, MakeSense yazılımı kullanılarak etiketlenmiş ve bu süreçte altı farklı kusur türü tanımlanmıştır. Etiketleme işlemi, modelin eğitim aşamasında yüksek doğruluk elde edilmesinde kritik bir adım olarak değerlendirilmiştir. YOLOv4 algoritmasıyla eğitilen model, mAP@50 değeri %64,1 olarak hesaplanmıştır. Daha güncel bir algoritma olan YOLOv8 kullanılarak eğitilen modelde ise mAP@50 değeri %93,5\\\'e ulaşmıştır. Bu sonuçlar, YOLOv8 algoritmasının, PCB üretim hatlarında yüksek doğruluk oranı ve daha az hata ile uygulanabilir bir çözüm sunduğunu göstermektedir. Diğer taraftan bu modellerde, YOLOv4 ve v8’in varsayılan standart parametreleri kullanılmıştır. Ancak literatür taraması yapıldığında bu parametrelerin optimize edilmesinin daha yüksek performans elde edilmesinde önemli bir payı olduğu görülmüştür.
Keywords : Kusur Tespiti, PCB, Görüntü İşleme, Derin Öğrenme, Gerçek Zamanlı Uygulama, Üretim Hattı Otomasyonu

ORIGINAL ARTICLE URL