PCBA 智能檢測與自動化分類系統

這是一個基於 YOLOv12 物件偵測、輸送帶和六軸機械手臂的 PCBA (印刷電路板) 瑕疵檢測與自動化分類系統。本系統透過圖形化使用者介面 (GUI) 進行操作和監控，專為在 NVIDIA Jetson Orin Nano 平台上運行而設計。

✨ 主要功能

• 圖形化使用者介面 (GUI): 使用 PyQt5 建立，提供即時影像顯示、狀態監控、參數調整和日誌記錄功能。
• YOLOv12 物件偵測: 整合了基於 Ultralytics 框架的 YOLOv12 模型，用於即時瑕疵檢測。
• 輸送帶控制: 模組化設計，支援 GPIO 和序列 (Serial) 兩種控制方式。
• 六軸機械手臂控制: 支援透過 Jetson.GPIO 函式庫對 MG996R 等伺服馬達進行 PWM 控制，執行物件的夾取和分類放置。
• 模組化設計: 專案結構清晰，各功能模組（相機、推論、硬體控制）分離，易於維護和擴展。
• 異步處理: 自動化流程在獨立的 QThread 中運行，確保 GUI 在硬體運作時保持流暢響應。

📂 專案結構

.
├── weights/
│   └── best.pt           # 您的 YOLOv12 模型權重檔案應放在此處
├── gui_main.py           # ✅ 應用程式主進入點 (啟動此檔案)
├── ui.py                 # PyQt5 UI 介面佈局 (由 Qt Designer 生成或手動編寫)
├── yolo_inference.py     # YOLOv12 推論模組
├── camera_capture.py     # USB 相機影像擷取模組
├── conveyor_control.py   # 輸送帶控制模組
├── robot_arm_control.py  # 機械手臂控制模組
├── requirements.txt      # Python 相依套件列表
├── main.py               # (已棄用) 舊的啟動腳本，會自動導向 gui_main.py
└── README.md             # 本說明檔案

⚙️ 安裝與設定

1. 環境準備

建議使用 Python 虛擬環境。

# 建立虛擬環境
python3 -m venv .venv

# 啟動虛擬環境 (Linux / macOS)
source .venv/bin/activate

# 啟動虛擬環境 (Windows)
# .venv\Scripts\activate

2. 安裝相依套件

本專案的大部分相依套件可以透過 requirements.txt 安裝。

pip install -r requirements.txt

Jetson Orin Nano 特別注意事項:

• PyTorch: requirements.txt 中的 ultralytics 會嘗試安裝 PyTorch。然而，在 Jetson 平台上，您需要安裝與您的 JetPack 版本相容的特定 PyTorch whl 檔案。請參考 NVIDIA 官方論壇 來獲取正確的安裝指令。
• Jetson.GPIO: 這個函式庫通常隨 JetPack 一起安裝。如果未安裝，請執行以下指令：

  sudo -H pip install Jetson.GPIO
  sudo groupadd -f gpio
  sudo usermod -a -G gpio your_username

  安裝後可能需要重新啟動 Jetson。

3. 硬體與模型配置

這是最關鍵的一步。打開 gui_main.py 檔案，您會在檔案頂部找到一個全局配置區塊。

模型配置

1. 創建一個名為 weights 的資料夾。
2. 將您訓練好的 YOLOv12 模型權重檔案 (例如 best.pt) 複製到 weights 資料夾中。
3. 確認 YOLO_WEIGHTS_PATH 變數的路徑正確 (weights/best.pt)。

硬體配置

請根據您的實際硬體連接，修改以下參數：

• ARM_PWM_LIB_TYPE: 如果您在 Jetson 上運行，請設定為 "jetson_gpio"。如果想在沒有硬體的 PC 上進行測試，可以設定為 "custom" 以進入示意模式。
• ARM_JOINT_PINS: 輸入控制 6 個關節伺服馬達的 BCM 腳位號碼列表。
• ARM_GRIPPER_PIN: 輸入控制夾爪伺服馬達的 BCM 腳位號碼。
• CONVEYOR_CONTROL_TYPE: 根據您的輸送帶控制方式選擇 "gpio" 或 "serial"。
• CONVEYOR_GPIO_PINS: 如果使用 GPIO 控制，請在此處設定 forward, enable, sensor 等腳位的 BCM 編號。
• CONVEYOR_SERIAL_PORT: 如果使用序列控制 (例如透過 Arduino)，請設定正確的序列埠名稱 (例如 /dev/ttyUSB0 或 COM3)。

4. 機械手臂校準

在 robot_arm_control.py 中，有幾個必須手動校準的參數，以確保手臂正常運作並防止損壞：

• joint_limits: 每個關節的最小和最大活動角度。您需要手動測試每個關節的極限，並在此處填寫安全範圍。
• gripper_open_angle / gripper_closed_angle: 夾爪完全張開和閉合時的角度。
• predefined_positions: 機械手臂的預設姿態，例如 "home", "pickup", "zone1_drop" 等。您需要手動示教（移動手臂到指定位置，記錄下每個關節的角度）來獲得這些值。

🚀 如何運行

完成所有安裝和配置後，執行以下指令來啟動應用程式：

python gui_main.py

🔬 系統工作流程

1. 初始化: 系統啟動，初始化所有硬體模組（輸送帶、機械手臂）並載入 YOLO 模型。
2. 等待觸發: 系統進入待機狀態。在 AutomationWorker 線程中，您可以根據需求實現觸發邏輯（例如，等待光電感測器信號）。
3. 影像擷取: 收到觸發信號後，從 USB 相機擷取一張影像。
4. 影像前處理 (可選): 在進行推論前，系統會先對影像進行 Canny 邊緣偵測和高增幅濾波，以強化特徵。此功能可在 gui_main.py 中透過 PREPROCESSING_ENABLED 開關來啟用或停用。
5. YOLO 推論: 將原始或前處理後的影像送入 YOLOv12 模型進行推論，找出潛在的物件或瑕疵。
6. 決策:
   • 如果未偵測到物件，流程結束，等待下一次觸發。
   • 如果偵測到物件，根據信心度最高的物件標籤和 PRODUCT_TO_ZONE_MAP 的定義，確定目標分類區域。
7. 輸送帶移動: 啟動輸送帶，將產品運送到機械手臂的夾取點。透過感測器或定時來確認產品是否到達。
8. 機械手臂操作:
   • 輸送帶停止後，機械手臂執行預設的 pickup_object 序列動作。
   • 夾取成功後，手臂移動到目標分類區域，執行 place_object_in_zone 序列動作。
   • 完成放置後，手臂返回 home 位置。
9. 循環: 整個流程結束，系統更新 GUI 上的統計數據和日誌，並準備好處理下一個產品。

---

祝您使用愉快！ 如果遇到問題，請檢查硬體連接和 gui_main.py 中的配置是否正確。