Grant: CCI Applied Research and Development Grants
Cégep de Trois-Rivières
$75,000.00
Apprentissage machine pour l’inspection des cartes de circuit imprimé basé sur des données synthétiques
EF 2024-25
Résumé
Innovox Microcircuit Inc. est une entreprise canadienne spécialisée dans l'industrie des produits électroniques. Dans le cadre d'un projet de recherche de 24 mois, l’objectif vise à développer une preuve de concept de l'apprentissage machine générative appliquée à l'inspection des défauts d'assemblage électronique sur PCB, en intégrant les avancées récentes en matière d'intelligence artificielle et de réalité augmentée appliquées à la vision numérique.
Le défi de cette recherche réside dans l'entraînement de nombreux paramètres, ce qui est difficile à réaliser par l'apprentissage machine en raison de la nécessité d'une base de données comprenant environ 10^5 images annotées. Ainsi, l'innovation majeure de ce projet réside d’une part dans le développement d'un algorithme à réseaux de neurones adapté pour obtenir un compromis optimal entre rapidité et précision dans l'identification des défauts d'assemblage électronique. D’autre part, sur le développement d’un processus génératif de création d’une base de données d'entraînement synthétique, permettant un suivi automatisé de la conformité IPC-A-610 des PCB en fabrication électronique. Ce processus génératif implique la génération de données d'entraînement à partir d'outils de simulation numérique plutôt que d'annotations manuelles de données réelles.
Ce projet est un incontournable pour Innovox, lui permettant de se démarquer de la concurrence grâce à une solution de pointe dans le domaine de l'Industrie 4.0 appliquée à la fabrication électronique. Il vise à améliorer la productivité et la qualité des lignes de production de produits électroniques d’Innovox, face à la concurrence croissante des grands fabricants asiatiques et américains. De plus, ce nouveau procédé de contrôle qualité innovant pourrait être déployé dans un délai de quatre ans, tant comme une amélioration de processus interne que comme nouveau service commercialisable.
Programme
CCI Applied Research and Development Grants
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
CCARD-2024-00096
Name nom
Ndoye, Majid
Department département
Centre Collégial de Transfert Technologique en télécommunications (C2T3) - Cégep de Trois-Rivières
Organization id
17333
Institution établissement
Cégep de Trois-Rivières
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2024
Competition year année de concours
2024
Award amount
75000
Program id
CCARD
Program name en
CCI Applied Research and Development Grants
Program name fr
ICC Subventions de recherche et développement appliquée
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
Committee code
nan
Area of application code
9999
Area of application group en
Not available
Area of application group fr
Non disponible
Area of application en
Not available
Area of application fr
Non disponible
Research subject code
9999
Research subject group en
Not available
Research subject group fr
Non disponible
Research subject en
Not available
Research subject fr
Non disponible
Field of research list codes
RDF1020104
Field of research list names en
Machine learning
Field of research list names fr
Apprentissage machine
Socioeconomic objective list codes
RDS10406
Socioeconomic objective list names en
Communication technologies, systems and services
Socioeconomic objective list names fr
Technologies, systèmes et services de communication
Application title
Apprentissage machine pour l’inspection des cartes de circuit imprimé basé sur des données synthétiques
Keywords
Télécommunication; Sans-Fil; Intelligence artificielle; Apprentissage Machine; Micrologiciel; PCB; Électronique
Application summary
Innovox Microcircuit Inc. est une entreprise canadienne spécialisée dans l'industrie des produits électroniques. Dans le cadre d'un projet de recherche de 24 mois, l’objectif vise à développer une preuve de concept de l'apprentissage machine générative appliquée à l'inspection des défauts d'assemblage électronique sur PCB, en intégrant les avancées récentes en matière d'intelligence artificielle et de réalité augmentée appliquées à la vision numérique.
Le défi de cette recherche réside dans l'entraînement de nombreux paramètres, ce qui est difficile à réaliser par l'apprentissage machine en raison de la nécessité d'une base de données comprenant environ 10^5 images annotées. Ainsi, l'innovation majeure de ce projet réside d’une part dans le développement d'un algorithme à réseaux de neurones adapté pour obtenir un compromis optimal entre rapidité et précision dans l'identification des défauts d'assemblage électronique. D’autre part, sur le développement d’un processus génératif de création d’une base de données d'entraînement synthétique, permettant un suivi automatisé de la conformité IPC-A-610 des PCB en fabrication électronique. Ce processus génératif implique la génération de données d'entraînement à partir d'outils de simulation numérique plutôt que d'annotations manuelles de données réelles.
Ce projet est un incontournable pour Innovox, lui permettant de se démarquer de la concurrence grâce à une solution de pointe dans le domaine de l'Industrie 4.0 appliquée à la fabrication électronique. Il vise à améliorer la productivité et la qualité des lignes de production de produits électroniques d’Innovox, face à la concurrence croissante des grands fabricants asiatiques et américains. De plus, ce nouveau procédé de contrôle qualité innovant pourrait être déployé dans un délai de quatre ans, tant comme une amélioration de processus interne que comme nouveau service commercialisable.