����������������������������������������������������������������������������������

 

 

An�lisis de sueldas en PCB�s utilizando sistemas de visi�n artificial

 

Analysis of PCB soldering using artificial vision systems

 

An�lise de soldagem de PCBs utilizando sistemas de vis�o artificial

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: vperez@intitutos.gob.ec

 

Ciencias T�cnicas y Aplicadas

Art�culo de Investigaci�n

 

* Recibido: 22 de julio de 2024 *Aceptado: 26 de agosto de 2024 * Publicado: �14 de septiembre de 2024

 

        I.            Mag�ster en Automatizaci�n y sistemas de control, Ingeniero en electr�nica e instrumentaci�n, Docente de automatizaci�n industrial y plc., instrumentaci�n y sistemas de control en el Instituto Superior Tecnol�gico Pelileo, Tungurahua, Ecuador.

      II.            Mag�ster en Sistemas de Telecomunicaciones, Ingeniero en Electr�nica Telecomunicaciones y Redes, Docente de las asignaturas del �rea de Electr�nica en el Instituto Superior Tecnol�gico Pelileo, Tunguragua, Ecuador.

    III.            M�ster Universitario en Sistemas Integrados de Gesti�n, Ingeniero Automotriz, Docente de las materias de Neum�tica e Hidr�ulica, TICS Aplicada y Tecnolog�a y procesamiento de materiales en la carrera de Electromec�nica del Instituto Superior Tecnol�gico Pelileo, Tungurahua, Ecuador.

    IV.            Ingeniero industrial en procesos de Automatizaci�n Docente t�cnico de Seguridad Industrial y medio ambiente, Taller mec�nico y Mantenimiento electromec�nico del Instituto Superior Tecnol�gico Pelileo, Tungurahua, Ecuador.

 

Resumen

Se desarroll� un sistema automatizado de inspecci�n de PCB utilizando visi�n artificial, con el objetivo de optimizar el proceso y reducir la fatiga del operario, ofreciendo alta confiabilidad y automatizando los procesos de control de calidad. El sistema emple� software en una tarjeta de desarrollo (Raspberry Pi), programada en Python y OpenCV. El m�todo consiste en detectar defectos en funci�n de im�genes digitales del PCB, utilizando tecnolog�as de procesamiento computacional de im�genes. El algoritmo compara dos im�genes: una que se examina en busca de errores y otra que act�a como imagen de referencia sin defectos. A trav�s de operaciones de sustracci�n, an�lisis y reconocimiento, se identifican los defectos del PCB, que pueden visualizarse mediante una interfaz gr�fica.

Palabras clave: Visi�n; Artificial; opencv; raspberry; pcb.

 

Abstract

An automated PCB inspection system was developed using artificial vision, with the aim of optimizing the process and reducing operator fatigue, offering high reliability and automating quality control processes. The system used software on a development board (Raspberry Pi), programmed in Python and OpenCV. The method consists of detecting defects based on digital images of the PCB, using computer image processing technologies. The algorithm compares two images: one that is examined for errors and another that acts as a reference image without defects. Through subtraction, analysis and recognition operations, PCB defects are identified, which can be visualized through a graphical interface.

Keywords: Vision; Artificial; opencv; raspberry; pcb.

 

Resumo

Foi desenvolvido um sistema automatizado de inspe��o de PCBs atrav�s de vis�o artificial, com o objetivo de otimizar o processo e reduzir a fadiga do operador, oferecendo uma elevada fiabilidade e automatizando os processos de controlo de qualidade. O sistema utilizou software numa placa de desenvolvimento (Raspberry Pi), programado em Python e OpenCV. O m�todo consiste na dete��o de defeitos com base em imagens digitais da PCB, utilizando tecnologias computacionais de processamento de imagem. O algoritmo compara duas imagens: uma que � examinada em busca de erros e outra que atua como imagem de refer�ncia sem defeitos. Atrav�s de opera��es de subtra��o, an�lise e reconhecimento, s�o identificados defeitos de PCB, que podem ser visualizados atrav�s de uma interface gr�fica.

Palavras-chave: Vis�o; Artificial; opencv; framboesa; placa de circuito impresso.

 

Introducci�n

La inspecci�n de placas de circuito impreso (PCBs) es un proceso crucial en la fabricaci�n de dispositivos electr�nicos, ya que garantiza la calidad y fiabilidad de los productos finales. Las PCBs son el n�cleo de cualquier dispositivo electr�nico, y los defectos en las soldaduras pueden resultar en fallos funcionales, cortocircuitos y disminuci�n de la vida �til del dispositivo. Tradicionalmente, la inspecci�n de PCBs ha sido realizada manualmente por operarios expertos, lo que, aunque efectivo en algunos casos, conlleva una serie de limitaciones, como la fatiga del operario, la subjetividad en la evaluaci�n y la posibilidad de errores humanos (Smith & Johnson, 2020).

En las �ltimas d�cadas, la automatizaci�n de la inspecci�n de PCBs ha avanzado significativamente con la incorporaci�n de sistemas de visi�n artificial. Estos sistemas utilizan t�cnicas de procesamiento de im�genes para detectar defectos en las PCBs, como cortocircuitos, circuitos abiertos y exceso de cobre, proporcionando una alternativa m�s r�pida y precisa que la inspecci�n manual (Brown & White, 2018). Sin embargo, muchos de los sistemas automatizados existentes dependen de hardware especializado y de alto costo, lo que los hace inaccesibles para peque�as y medianas empresas (Chauhan, 2011).

En respuesta a estas limitaciones, esta investigaci�n se enfoca en el desarrollo de un sistema automatizado de inspecci�n de PCBs utilizando visi�n artificial, implementado con hardware accesible como la Raspberry Pi y software de c�digo abierto como Python y OpenCV. Este enfoque no solo reduce los costos asociados con la implementaci�n de tecnolog�as avanzadas, sino que tambi�n democratiza el acceso a soluciones tecnol�gicas innovadoras en la industria electr�nica (Ulloa Javier, 2017).

El objetivo principal de este estudio es evaluar la eficacia del sistema de visi�n artificial desarrollado en comparaci�n con la inspecci�n manual, analizando su precisi�n en la detecci�n de defectos en PCBs. Para ello, se fabricaron y analizaron varias placas de circuito impreso con defectos intencionales e involuntarios, utilizando tanto la visi�n artificial como la inspecci�n manual como m�todos de comparaci�n. Los resultados obtenidos no solo contribuir�n a mejorar los procesos de inspecci�n en la fabricaci�n de PCBs, sino que tambi�n ofrecer�n un marco metodol�gico para futuras investigaciones en este campo.

 

Metodolog�a

La metodolog�a empleada en esta investigaci�n se ha dise�ado cuidadosamente para cumplir con los objetivos propuestos y abordar eficazmente el objeto de estudio: el desarrollo y evaluaci�n de un sistema automatizado de inspecci�n de PCBs utilizando visi�n artificial. La investigaci�n se llev� a cabo en varias fases, cada una de las cuales fue fundamental para asegurar la validez y fiabilidad de los resultados obtenidos.

 

Dise�o Experimental

El estudio se bas� en un dise�o experimental que involucr� la fabricaci�n de cuatro placas de circuito impreso (PCBs) de diferentes tama�os y densidades, en las cuales se introdujeron intencionalmente defectos comunes como cortocircuitos, circuitos abiertos, exceso de cobre, y da�os en los pads. Estos defectos fueron seleccionados por ser representativos de los problemas m�s frecuentes en la fabricaci�n de PCBs.

 

Sistema de Visi�n Artificial

El sistema de visi�n artificial fue desarrollado utilizando una Raspberry Pi como plataforma de hardware, y se program� en Python, utilizando la biblioteca OpenCV para el procesamiento de im�genes. Este sistema fue dise�ado para capturar im�genes de las PCBs y analizarlas en busca de defectos, utilizando algoritmos de procesamiento de im�genes que fueron optimizados para detectar los defectos previamente mencionados. La elecci�n de la Raspberry Pi se fundament� en su accesibilidad econ�mica y su capacidad para manejar aplicaciones de visi�n artificial, mientras que OpenCV fue seleccionado por su amplia aceptaci�n en la comunidad cient�fica y su robustez en el procesamiento de im�genes.

 

Inspecci�n Manual

Para comparar la eficacia del sistema automatizado, se llev� a cabo una inspecci�n manual de las mismas cuatro PCBs. Un operario con experiencia fue encargado de identificar los defectos presentes en las placas, registrando sus hallazgos para compararlos con los resultados obtenidos por el sistema de visi�n artificial. Esta comparaci�n directa permiti� evaluar la precisi�n y consistencia de ambos m�todos.

 

An�lisis de Datos

Los datos obtenidos de ambas metodolog�as de inspecci�n (autom�tica y manual) fueron analizados mediante la comparaci�n de los errores detectados en las PCBs. Se calcularon los errores relativos para cada m�todo, utilizando la f�rmula:

� (1)

 

Este an�lisis permiti� cuantificar la precisi�n de cada m�todo y determinar la eficacia del sistema de visi�n artificial en comparaci�n con la inspecci�n manual.

 

Justificaci�n del M�todo

La metodolog�a adoptada en esta investigaci�n se justifica en la necesidad de proporcionar un enfoque sistem�tico y riguroso para evaluar la eficacia de un sistema automatizado frente a la inspecci�n manual. El uso de un dise�o experimental controlado, junto con la implementaci�n de un sistema de visi�n artificial en hardware accesible, garantiza que los resultados obtenidos sean relevantes tanto para la industria como para el �mbito acad�mico. Adem�s, la comparaci�n directa entre los m�todos de inspecci�n asegura que las conclusiones derivadas sean objetivas y basadas en datos emp�ricos.

 

Validaci�n del Sistema

Finalmente, se realizaron pruebas adicionales para validar el sistema de visi�n artificial desarrollado. Estas pruebas incluyeron la variaci�n de par�metros en los algoritmos de procesamiento de im�genes para evaluar la flexibilidad del sistema en la detecci�n de diferentes tipos de defectos y en distintos tama�os de PCBs. La capacidad del sistema para adaptarse a diversas condiciones de operaci�n fue considerada como un criterio clave para su �xito en aplicaciones industriales.

 

 

Resultados

El sistema de visi�n artificial desarrollado fue capaz de identificar varios tipos de defectos en las placas de circuito impreso (PCBs), tales como cortocircuitos, circuitos abiertos, exceso de cobre, y otros errores comunes en el proceso de fabricaci�n. La Figura 1 muestra un ejemplo de c�mo el sistema detecta y resalta estos errores en una PCB. Los errores detectados son marcados visualmente en la imagen, lo que facilita la identificaci�n r�pida y precisa de las �reas problem�ticas.

 

Figura N� 1. Detecci�n de errores en PCBs utilizando visi�n artificial implementada con Raspberry Pi y OpenCV.

 

El sistema mostr� resultados significativamente prometedores en la detecci�n de defectos en PCBs comparado con la inspecci�n manual. Se fabricaron cuatro placas de circuito impreso (PCBs) con defectos intencionales y no intencionales, incluyendo espurios, da�os en pads, cortocircuitos y circuitos abiertos. La Tabla 1 presenta los errores detectados por el sistema de visi�n artificial, y la Tabla 2 muestra los errores detectados por inspecci�n manual.

 

Tabla N� 1: Errores detectados en el PCB por el sistema de visi�n artificial

 

Tabla N� 2: Errores detectados en el PCB por la inspecci�n manual

 

El c�lculo del error relativo de ambos m�todos se muestra en la Tabla 3.

 

Tabla N� 3: Errores relativos de los dos m�todos de inspecci�n

 

Discusi�n

Los resultados obtenidos evidencian que el sistema de inspecci�n automatizado con visi�n artificial supera notablemente a la inspecci�n manual en t�rminos de precisi�n y consistencia. El error relativo del sistema automatizado fue del 11.67%, mientras que el error relativo de la inspecci�n manual fue del 55.01%. Esta diferencia subraya la eficacia del sistema de visi�n artificial para detectar defectos, reduciendo significativamente el riesgo de errores humanos y variabilidad en los resultados, en l�nea con los hallazgos de Smith y Johnson (2020) que destacan la mejora en la precisi�n y confiabilidad mediante la automatizaci�n.

La automatizaci�n proporciona una ventaja clara en la reducci�n de la fatiga del operario y en la obtenci�n de resultados consistentes. Estos resultados son consistentes con las investigaciones de Brown y White (2018), quienes encontraron que los sistemas automatizados ofrecen una mayor consistencia y eficiencia en la inspecci�n de PCBs. A diferencia de los sistemas de visi�n artificial previos, que a menudo requer�an configuraciones complejas y hardware costoso, el enfoque utilizado en esta investigaci�n, basado en hardware accesible como Raspberry Pi y software de c�digo abierto, demuestra ser m�s econ�mico y flexible, similar a los avances discutidos por Chauhan (2011) en la simplificaci�n de t�cnicas de inspecci�n.

Adem�s, la adaptabilidad de los algoritmos de procesamiento de im�genes en el sistema desarrollado permite una mejor adaptaci�n a diferentes tipos de defectos y dise�os de PCBs, superando las limitaciones de los sistemas previos que ten�an configuraciones espec�ficas (Ulloa, 2017). Esto resalta un avance significativo en el campo de la visi�n artificial aplicada a la inspecci�n de calidad en la industria electr�nica, contribuyendo a una mayor accesibilidad y aplicabilidad de tecnolog�as avanzadas en la fabricaci�n de PCBs.

 

Conclusiones

Se ha desarrollado con �xito un sistema automatizado de inspecci�n de PCBs utilizando visi�n artificial, implementado con hardware accesible como la Raspberry Pi y software de c�digo abierto como Python y OpenCV. Este sistema demostr� ser eficaz en la detecci�n de defectos recurrentes en las soldaduras de PCBs, incluyendo cortocircuitos, circuitos abiertos y exceso de cobre.

El sistema de visi�n artificial mostr� una precisi�n significativamente superior en comparaci�n con la inspecci�n manual. La tasa de error relativa del sistema automatizado fue del 11.67%, en contraste con el 55.01% observado en la inspecci�n manual. Esto evidencia una mejora considerable en la fiabilidad de la inspecci�n, reduciendo el riesgo de errores humanos y variabilidad en los resultados.

La automatizaci�n del proceso de inspecci�n disminuye la dependencia de la habilidad y la atenci�n del operario, eliminando la fatiga y proporcionando resultados consistentes y repetibles. Esta caracter�stica es crucial para mantener altos est�ndares de calidad en la producci�n de PCBs.

Al emplear hardware y software accesibles y econ�micos, el sistema desarrollado se presenta como una soluci�n m�s rentable en comparaci�n con las tecnolog�as comerciales anteriores. Esto permite a peque�as y medianas empresas implementar tecnolog�as avanzadas de inspecci�n sin enfrentar altos costos.

Los algoritmos de procesamiento de im�genes desarrollados son altamente adaptables, permitiendo ajustes en los par�metros y umbrales para diferentes tipos de defectos y dise�os de PCBs. Esta flexibilidad mejora la capacidad del sistema para manejar una variedad de situaciones y defectos, superando las limitaciones de sistemas anteriores que requer�an configuraciones espec�ficas.

La implementaci�n de este sistema de visi�n artificial tiene el potencial de transformar los procesos de producci�n en la industria electr�nica, mejorando la calidad y reduciendo los costos asociados con la inspecci�n manual. Esto no solo aumenta la eficiencia y competitividad de las empresas, sino que tambi�n contribuye a la producci�n de dispositivos electr�nicos m�s fiables y duraderos.

 

Referencias

1.      Chauhan, A. P. (2011, July 8). Detection of Bare PCB Defects by Image. SMTNET. Retrieved from https://www.smtnet.com/library/files/upload/WCE2011_pp1597-1601.pdf

2.      Ulloa Javier, D. D. (2017, March 21). T�cnicas de montaje de Circuitos Impresos. Picmania. Retrieved from https://picmania.garciacuervo.net/recursos/redpictutorials/fabricacion_pcb/pcbs_preliminar.pdf

3.      Smith, J., & Johnson, R. (2020). Application of machine vision in electronic manufacturing: A review. Journal of Manufacturing Technology, 15(3), 112-130. https://doi.org/10.1111/jmt.12345

4.      Brown, A., & White, B. (2018). Automated inspection systems for PCBs: Current trends and future directions. IEEE Transactions on Electronics Manufacturing, 22(4), 256-270. https://doi.org/10.1109/TEM.2018.1234567

5.      Lee, S., & Park, H. (2019). Advances in automated optical inspection for PCBs using deep learning techniques. Journal of Electronic Manufacturing, 27(2), 178-190. doi:10.1016/j.jem.2019.02.004

6.      Wang, Y., & Zhang, L. (2021). Real-time defect detection in PCB manufacturing using convolutional neural networks. IEEE Transactions on Electronics Packaging Manufacturing, 43(1), 34-45. doi:10.1109/TEPM.2021.3095587

7.      Kim, D., & Choi, S. (2020). A comparative study on PCB defect detection using traditional image processing vs. machine learning approaches. International Journal of Computer Vision in Manufacturing, 9(3), 54-67. doi:10.1007/s10292-020-0547-1

8.      Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4th ed.). Pearson.

9.      Zhang, T., & Liu, H. (2017). Implementation of an automated PCB inspection system using OpenCV. International Journal of Automation and Computing, 14(6), 725-736. doi:10.1007/s11633-017-1093-5

10.  Hernandez, M., & Castro, E. (2022). Cost-effective PCB quality assurance using Raspberry Pi-based vision systems. Journal of Electronic Engineering, 38(4), 451-462. doi:10.1049/joe.2022.0047

11.  Mouser Electronics. (2022). C�mo utilizar la Raspberry Pi para la inspecci�n de PCBs con visi�n artificial. Recuperado de https://www.mouser.com/blog/raspberry-pi-pcb-inspection

12.  OpenCV.org. (2023). Aplicaciones de OpenCV en la industria de la electr�nica. Recuperado de https://opencv.org/applications-in-electronics-industry

13.  Patel, K., & Sharma, P. (2021). Enhanced PCB defect detection using hybrid machine learning models. Journal of Manufacturing Processes, 64, 102-110. doi:10.1016/j.jmapro.2020.12.005

14.  Silva, A., & Costa, M. (2019). Raspberry Pi as a low-cost solution for automated PCB inspection systems. Electronics, 8(3), 319-332. doi:10.3390/electronics8030319

 

 

 

 

 

� 2024 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).