传统人工质检效率低、误差大、劳动强度高，且对检测人员经验依赖极强，难以适配规模化、高精度生产需求；本系统检测精度达96%、召回率92%，可大幅提升质检效率、降低人力成本，同时保证检测一致性，助力电子制造业智能化升级。
1. 项目介绍
本项目是一套基于YOLO系列模型的PCB缺陷自动检测系统，覆盖数据集处理、模型训练、推理检测、结果可视化全流程，集成Web前端交互界面，适配树莓派5边缘设备部署，支持图片上传检测和USB摄像头实时推理。
应用场景： PCB（印刷电路板）作为电子设备核心载体，其生产过程中易出现缺失孔、开路、短路等缺陷，该系统可应用于电子制造业的PCB生产线质检环节，实现缺陷自动化、快速检测，替代传统人工目视质检。
2. 硬件架构
本项目硬件架构以边缘部署为核心，无需复杂硬件控制，仅需基础输入和计算硬件，架构简洁且易落地，具体组成如下：
-
核心计算单元：树莓派5（搭载树莓派系统， 可选启用NPU/GPU硬件加速提升推理速度）；
-
图像输入单元：USB摄像头（用于实时采集PCB图像，支持静态图片上传和动态数据流推理）；
-
辅助单元：存储模块（用于保存数据集、训练模型、检测结果及上传文件）、网络模块（支持Web访问和Docker镜像传输）。
硬件部署优势：树莓派5体积小、功耗低、成本可控，适配工业现场边缘部署需求，无需搭建大型服务器，可灵活集成到现有生产线。
3. 技术要点
3.1 数据集处理
可检测6类缺陷：缺失孔，鼠标咬伤，开路，短路，杂散，伪铜；原始数据为VOC/JSON格式，需转换为YOLO支持的TXT格式（归一化边界框坐标），并按8:2比例划分为训练集和验证集。
3.2 模型训练
Mac环境下训练耗时约2.37小时，最终验证集精度（P）96.4%、召回率（R）91.6%，模型性能满足工业质检需求。
3.3 推理优化与部署
基于Flask框架开发Web服务，提供图片上传检测、摄像头实时推理接口，支持边界框标注和缺陷信息返回。
容器化部署：提供Dockerfile及部署脚本，适配树莓派5的ARM64架构，可一键构建镜像、启动容器，实现环境隔离和快速部署，支持摄像头设备映射和上传文件持久化。
4. 相关硬件产品
本项目硬件选型以高性价比、易部署为核心，适配边缘质检场景，相关硬件及参数如下：
| 硬件名称 | 型号/规格 | 作用 |
|---|---|---|
| 核心计算设备 | 树莓派5（4GB/8GB RAM，ARM64架构） | 运行模型推理、Web服务，实现边缘部署 |
| 图像采集设备 | USB高清摄像头（1080P，支持实时采集） | 采集PCB图像，提供静态/动态输入源 |
| 存储设备 | Micro SD卡（32GB及以上，Class 10） | 存储系统镜像、数据集、训练模型及检测结果 |
| 辅助设备 | 树莓派电源（5V 3A）、散热片 | 保障树莓派稳定运行，避免高温卡顿 |
5. 相关软件
5.1 系统软件
5.2 依赖库与框架
5.3 核心软件文件
相关软件代码请看下面资料：
《2025 DigiKey AI应用创意挑战赛》基于Yolo的PCB缺陷检测
项目来源:
- 项目来源于DigiKey与eefocus共同举办的 2025 DigiKey AI应用创意挑战赛
更多项目信息与相关资料, 请看下面：