实验技术与管理第40卷第4期2023年4月ExperimentalTechnologyandManagementVol.40No.4Apr.2023收稿日期:2022-11-29基金项目:国家自然科学基金资助项目（61671310）；辽宁省教育厅资助项目（LJKZ0174）；辽宁省教改资助项目（辽教办〔2021〕254号）作者简介:张丽丽（1979—）女，黑龙江讷河，博士，副教授，系主任，主要研究方向为FPGA系统设计与深度学习，20052727@sau.edu.cn。引文格式:张丽丽，陈真，刘雨轩，等.基于ZYNQ的PCB缺陷检测系统实验设计[J].实验技术与管理,2023,40(4):96-102.Citethisarticle:ZHANGLL,CHENZ,LIUYX,etal.ExperimentaldesignofPCBdefectdetectionsystembasedonZYNQ[J].ExperimentalTechnologyandManagement,2023,40(4):96-102.(inChinese)ISSN1002-4956CN11-2034/TDOI:10.16791/j.cnki.sjg.2023.04.013基于ZYNQ的PCB缺陷检测系统实验设计张丽丽，陈真，刘雨轩，蔡健楠（沈阳航空航天大学电子信息工程学院，辽宁沈阳110136）摘要：印刷电路板（PCB）检测方法对于确保产品正常工作至关重要。该文针对传统的人工检测方法易存在漏检、误检等问题，采用深度学习方法对PCB缺陷进行检测，并搭建了基于ZYNQ的硬件实现平台；采用软硬件协同设计方法，使用FPGA对算法进行了硬件加速，其中包括采用了YOLOv3-SPP网络模型，并对该结构进行了优化，使其适用于ZYNQ端的部署。在搭建硬件平台时，首先通过Vivado配置硬件基本信息，然后使用PetaLinux创建Linux系统，在Vitis中调用该系统并添加DPUIP核，最后在ZYNQ的PS端采用多线程思想编写Python程序，实现PCB缺陷的检测。实验结果显示，该系统对各类型PCB缺陷的检测精度均在0.95以上，检测精度平均值（mAP）为0.97。关键词：PCB缺陷检测；深度学习；YOLOv3-SPP；ZYNQ；DPU中图分类号：TN919.81文献标识码：A文章编号：1002-4956(2023)04-0096-07ExperimentaldesignofPCBdefectdetectionsystembasedonZYNQZHANGLili,CHENZhen,LIUYuxuan,CAIJiannan(CollegeofElectronicalandInformationEngineering,ShenyangAerospaceUniversity,Shenyang110136,China)Abstract:Thedetectionmethodofprintedcircuitboard(PCB)iscrucialtoensurethenormaloperationoftheproduct.Inviewoftheproblemsthattraditionalmanualdetectionmethodsarepronetomissdetectionandfalsedetection,thispaperusesthedeeplearningmethodtodetectPCBdefects,andbuildsahardwareimplementationplatformbasedonZYNQ.Itusestheso...
