Aquest projecte proposa implementar un algoritme de Deep Learningcapac de detectar i classificar si un forat d’una placa de circuit imprès (PCB) està correctament soldat o no, depenent de si hi ha buits en la soldadura o no. Es tracta d’un algoritme aplicat al sector de la electrònica que utilitza intel·ligència artificial. Primerament, s’ha extret un conjunt d’imatges amb la finalitat de que l’algoritme pugui detectar i classificar els forats de diferents PCBs. Aquest conjunt d’imatges ha sigut extret d’Internet a la pàgina Kaggle, la cual compta amb una gran quantitat de bases de dades d’imatges. Les imatges han sigut distribuïdes de manera que el 70 Aquest projecte es pot dividir en diferents etapes: obtenció de dades, selecció del model neuronal, entrenament del model amb verificació i les proves finals. S’ha utilitzat el model anomenat Mask RCNN, una xarxa neuronal dissenyada per abordar la detecció d’objectes i la segmentació d’imatges i capaç de generar màscares de segmentació per a cada objecte en la imatge. Com a plataforma per crear l’algoritme s’ha utilizat el servei de computació de pagament de Google Colab. El model predictiu generat ha obtingut una exactitud del 62,28%. Concretament, una precisió en la detecció i classificació de forats correctes del 63,51% i en forats incorrectes del 34,09%. Per a augmentar la precisió de l’algoritme de cara al futur és necessari entrenar-lo amb un nombre de dades més elevat
gmail.com
