FEMECI Capítulo Puebla 2026, nivel superior, modalidad Ingenierías
Una segunda mirada para cada soldadura
Estación de bajo costo que fotografía tarjetas electrónicas, marca las uniones through-hole sospechosas y deja que la persona decida. Está diseñada para procesar todo en una Raspberry Pi, sin internet, para que las imágenes de la planta no salgan del equipo.
El problema
En el ensamble de tarjetas electrónicas, la verificación de soldaduras through-hole todavía depende en buena parte de la vista del inspector.
La propuesta
No reemplaza al inspector: le señala dónde mirar. Cada decisión queda registrada.
- CapturarCámara de al menos 12 MP en un soporte fijo con luz difusa.
- AlinearLa foto se ajusta a una plantilla del diseño de tarjeta, aunque la tarjeta quede unos milímetros movida.
- RecortarCada unión se recorta según la plantilla, sin necesidad de un detector.
- ClasificarUna red convolucional pequeña (ONNX) sugiere la clase: aceptable, insuficiente, puente, sin soldar, exceso o fría.
- Decide la personaLa pantalla muestra solo las sospechosas, ordenadas; el operador confirma o corrige.
Cómo lo vamos a demostrar
Las metas se fijaron antes de medir y cada experimento quedó registrado antes de ejecutarse.
| Meta | Umbral | Experimento |
|---|---|---|
| Detectar los defectos (sensibilidad) | ≥ 0.90 | EXP-002 |
| Pocas falsas alarmas | ≤ 0.15 | EXP-002 |
| Ayudar al inspector frente a no usarlo | asistido ≥ no asistido | EXP-005 |
| Tiempo por tarjeta en la Raspberry Pi, sin red | mediana ≤ 5 s | EXP-003 |
| Robustez a luz y posición | caída ≤ 0.05 | EXP-004 |
Conjunto de datos propio: al menos 30 tarjetas con defectos sembrados a propósito, etiquetado a ciegas por dos personas y partido por tarjeta.
Primeros resultados con fotos reales
Mientras soldamos nuestras tarjetas, probamos el método con 372 uniones de prueba del conjunto público PCBSPDefect, con fotos reales de componentes through-hole (Tsang et al., 2023).
Línea base clásica 0.74
Red convolucional 0.94
Línea base clásica 0.68
Red convolucional 0.98
Línea base clásica 0.28
Red convolucional 0.12
Línea base clásica 0.33
Red convolucional 0.08
La red detectó la mayoría de los defectos y superó a la línea base en las dos particiones. Todavía no afirmamos que cumple la meta de falsas alarmas: el extremo alto del intervalo pasa de 0.15. Además, la cámara y las tarjetas son de otro grupo de investigación, así que la prueba definitiva será con nuestras tarjetas.
Ver los datos en tabla
| Partición | Modelo | Uniones de prueba | Sensibilidad (IC 95 %) | Falsas alarmas (IC 95 %) |
|---|---|---|---|---|
| Oficial | Línea base clásica | 372 (120 tarjetas) | 0.739 (0.679 a 0.794) | 0.282 (0.171 a 0.407) |
| Oficial | Red convolucional | 372 (120 tarjetas) | 0.941 (0.913 a 0.967) | 0.116 (0.030 a 0.216) |
| Por tarjeta | Línea base clásica | 120 (24 tarjetas) | 0.684 (0.514 a 0.826) | 0.333 (0.278 a 0.444) |
| Por tarjeta | Red convolucional | 120 (24 tarjetas) | 0.983 (0.959 a 1.000) | 0.083 (0.000 a 0.194) |
Intervalos por bootstrap agrupado por tarjeta. Archivo fuente EXP-006_2026-10-26.json, SHA-256 1803f771c9f69912b18c74772286cb5f08cfeda5be7d070c0403ab414ba30380.
El prototipo
Equipo
Raspberry Pi 5, cámara de al menos 12 MP, iluminación difusa y un soporte de altura fija. El prototipo de la mesa no lleva herramientas calientes ni alta tensión.
Programa
Python, OpenCV y ONNX Runtime. Datos crudos con huella SHA-256, partición por tarjeta con el conjunto de prueba congelado e intervalos de confianza en cada resultado.
La demostración en línea usa tarjetas sintéticas generadas por computadora; sirve para ver cómo se usa, no para medir el desempeño.
Estado del proyecto
- 26 octPrograma completo, demostración en línea y validación con fotos públicas (EXP-006).
- 30 octJornada estatal en el Centro de Vinculación de la UPAEP.
- 5 novVisita técnica a una planta de ensamble electrónico del estado.
- NovTarjetas propias, etiquetado y experimentos EXP-001 a EXP-003.
- DicRobustez y prueba con inspectores (EXP-004 y EXP-005).
Equipo
Fortino Romero Mantilla (líder del proyecto), Israel Jesús García Osorio y María José de la Rosa Hernández, estudiantes de la Universidad Tecnológica de Puebla. Asesor institucional: José Francisco Espinosa Garita.
El desarrollo contó con apoyo de herramientas de inteligencia artificial, declarado en el protocolo del proyecto.
Fuentes
- GÖPEL electronic. (s. f.). Optimal inspection of THT assemblies [Documento técnico].
- See, J. E. (2015). Visual inspection reliability for precision manufactured parts. Human Factors, 57(8), 1427–1442. https://doi.org/10.1177/0018720815602389
- Tsang, S.-H., Suo, Z., Chan, T. T.-L., Nguyen, H.-T., & Lun, D. P.-K. (2023). PCB soldering defect inspection using multitask learning under low data regimes. Advanced Intelligent Systems, 5, 2300364. https://doi.org/10.1002/aisy.202300364