Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Решетневские чтения; Красноярск; Красноярск
Год издания: 2025
Ключевые слова: machine learning, object detection, induction soldering, neural networks, машинное обучение, обнаружение объектов, индукционная пайка, нейронные сети, yolo
Аннотация: На сегодняшний день индукционная пайка (ИП) широко применяется для соединения ответственных деталей, однако образующиеся испарения в процессе ИП влияют на точность измерений бесконтактными пирометрами, что приводит к появлению дефектов, таких как прожог, непропай и перегрев. В данной работе представлен сравнительный анализ различныПоказать полностьюх моделей нейронной сети YOLO, применяемых для обнаружения дефектов паянного соединения в процессе ИП. Обученная модель YOLOv9t демонстрирует наивысшую точностью обнаружения дефекта и наименьшее время распознавания. Currently, induction soldering (IS) is widely used to join critical parts, but the fumes generated during the IS process affect the accuracy of measurements by non-contact pyrometers, leading to defects such as burn-through, incomplete soldering, and overheating. This paper presents a comparative analysis of various YOLO neural network models used to detect defects in soldered joints during the IS process. The trained YOLOv9t model demonstrates the highest accuracy in defect detection and the shortest recognition time.
Журнал: Решетневские чтения
Номера страниц: 228-230
Место издания: Красноярск