A Novel Hybrid Optical Imaging Sensor for Early Stage Short-Circuit Fault Diagnosis in Printed Circuit Boards
Notice bibliographique
Résumé
The communication between the lines and contacts on the printed circuit boards (PCBs) is provided by the applied current flow.Due to thermal stress occurring in PCBs exposed to high currents, short-circuit faults (SCF) occur in PCB paths.During a quality PCB inspection before mass production, the initial occurrence time (IOT) of faults should be determined to intervene them at the earliest stage.PCBs are technological wastes that are difficult to recycle due to the diversity of material components and their difficulty of separation.By detecting the IOT of SCF at an early stage, the PCBs production can become recyclable without scrapping.Thus, the amount of PCB waste due to faulty production will be reduced.This paper proposes to diagnose the IOT of SCF that occur when currents (i.e., 8, 11.5, 13.5 Ampere) are applied to PCB paths.This process is performed using a hybrid optical imaging sensor (HOIS) in which lateral shearing digital holographic microscopy (LSDHM) is adapted to microscopic fringe projection profilometry (MFPP).In fault detection with MFPP, which is a surface detection method, the required illumination is provided by LSDHM.In thermal-based SCF diagnosis, a minimum of 36 seconds is required to reach the desired temperature (thermal saturation) for imaging while in optical inspection methods; additional time is required for the polarization process.In conventional methods, faults detection can be performed after only a visible PCB damage is occurred.In contrast, we detect the IOT of SCF in a short time of 1.1 seconds, eliminating the requirement of thermal saturation or polarization.Thanks to the HOIS, since faults are detected at an early stage, damage to the entire PCB will be prevented by repairing the faulty area before mass production.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».