DETEKSI JALUR YANG TERPUTUS PADA RANGKAIAN LISTRIK DALAM PCB MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

  • Nur Kurniasari Departemen Teknologi Informasi, Institut Sains dan Teknologi Terapan Surabaya, Surabaya, Indonesia
  • Judi Prajetno Sugiono Depatemen Teknik Elektro, Institut Sains dan Teknologi Terapan Surabaya, Surabaya, Indonesia

Abstract

Banyak hal yang berkembang saat ini dalam dunia elektronika, salah satunya adalah komponen dasar yang utama yaitu Printed Circuit Board bola solder. Metode yang digunakan adalah Convolutional Neural Network dengan arsitektur YOLOv5 yang secara bersamaan memprediksi beberapa kotak pembatas dan probabilitas kelas untuk kotak-kotak pembatas tersebut. Dalam penelitian ini Berdasarkan fleksibilitasnya PCB yang digunakan berjenis Rigid PCB, Penelitian ini berfokus pada enam jenis cacat PCB yaitu a) sirkuit terbuka, b) jalur pendek, c) gigitan tikus, d) spur, e) lubang jarum, f) bola solder. Pada Penelitian
sebelumnya yang dilakukan oleh Bing Hu, Jianhui Wang (2020) dengan judul “Detection of PCB Surface Defects with Improved Faster –RCNN and Feature Pyramid Network”. Hypermarameter yang akan digunakan dalam uji coba antara lain: a) Learning rate b) Training Step c) Scale Factor. Kinerja metode YOLO pada penelitian ini diperlukan nilai threshold dan epoch untuk menghasilkan nilai akurasi klasifikasi objek kesesuaian deteksi kotak pembatas. Penulis telah berhasil membangun proses deteksi jalur terputus pada PCB dengan metode YOLOv5 yang menggunakan model dan pre-trained weight YOLO. Berdasarkan pengujian yang dilakukan menghasilkan nilai akurasi klasifikasi yang paling tinggi yaitu sebesar 80,7%. Rata-rata deteksi kotak pembatas sebesar 80.0% dan kecepatan klasifikasi deteksi jalur terputus 1,89 it/s dengan nilai threshold 0.267 dan 0,283

Published
2022-01-21