學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
3 results
Search Results
Item 應用對比式演算法則於印刷電路板的自動元件檢測方法之研究(2023) 鍾暿峒; Chung, Si-Tung在現今工業的生產製程中，檢測產品上的瑕疵常會利用到自動光學檢測，透過將攝影裝置架設在產線上進行檢測。而印刷電路板做為電子工業製品的大宗，檢測上方的細小元件的數量和位置是一大難題。由於電子元件種類繁多，為了自動化檢測元件，建立並訓練類神經網路模型被視為一種解決方法。因為模型可以從大量的樣本中學習到特徵而且具備很高的辨識準確度，而其計算過程可以透過GPU的並行處理能力得到很快的推論速度。良好的模型架構可以讓模型適應不同的元件種類，同時對於增減元件可以具有更高的可擴展性來應對需求的變化。然而，現有的物件檢測模型對於小目標的檢測還無法達到高準確度，而工廠產線上的環境光源變化也增加了模型辨識元件的困難度。因此，對於現有的自動元件檢測方法，本論文以對比式理論為基礎，提出了一套使用在類神經網路模型的訓練方法。經過此方法訓練的模型可以在不同環境光線的影響下，依然能正確檢測出印刷電路板上的電子元件。由於工廠的產線不會只生產同一種產品，元件檢測方法應該要能夠應對不同的需求。但是，若元件的種類增加，會降低現有方法辨識的準確度。因此，本論文提出具有高度彈性的模型架構，可以根據不同的元件種類調整，且能檢測多種元件，也具有高準確度。實際情況下，待檢測的印刷電路板並非固定在產線上。若要做到Real-time檢測，需要邊緣運算裝置與攝影裝置搭配使用。而邊緣運算裝置的硬體資源有限，具備高準確度的模型往往有很大的計算量和總參數量。因此，本論文的模型架構會在增加少量參數的同時維持辨識的準確度，並能夠在邊緣運算裝置上正常運行。Item 基於熱點圖標記法則發展元件佈局檢測系統應用於PCB之研究(2022) 古佳儫; Koo, Jia-HaoPrinted Circuit Board(PCB)是電子元件的支撐體，上面存在許多元件，且每個元件都非常重要，因此工廠在生產PCB的過程中，品質管理也是一大考驗。元件佈局檢測是自動光學檢測(Automated Optical Inspection)中重要的檢測項目之一，透過元件佈局檢測能夠快速掌握整個PCB所有目標元件的座標位置，從這些座標中可以統計出目標元件數量以及位置是否正確，對於PCB的品質管理有極大的幫助。本論文以CenterNet神經網路架構為基礎，開發一套元件佈局檢測系統，在 PCB的元件佈局檢測中，提出熱點圖(Heatmap)標記法則，使得各類元件在佈局檢測上都能有不錯的準確度，在多種類元件佈局檢測中，提出獨立特徵擷取層(Frontend)的架構，使模型具備彈性，不需要重新訓練，並且根據熱點圖標記法則，對於相同類型的熱點可以將特徵擷取層共享，來減少模型參數。本論文使用的神經網路架構，簡化了CenterNet原本的模型，並對訓練好的模型進行優化，使其能在邊緣裝置上實現即時檢測，並維持不錯的準確度，使其能夠更方便應用於工廠的檢測。Item 以 Centernet 為基礎開發 AOI 輔助系統之研究(2021) 蔡陳杰; Tsai, Chen-Chieh自動光學檢測(AOI)為結合電腦視覺與自動化等多種技術的自動檢測方法，並且廣泛使用於產品製造的品質管理上，而元件檢測是自動光學檢測中的重要檢測項目之一。近年來，由於工業產業的變化，產品生產走向了少量多樣化，而在檢測上也改以邊緣運算的裝置運行，因此除了傳統元件檢測要求的準確率外，理想的元件檢測方法還必須要運算複雜度夠低與模型小才能在邊緣運算裝置上運行，而常見的元件檢測方法並不能完全達到這些要求。本論文使用Centernet作為新建立的AOI元件檢測系統的核心演算法。其優點為應用廣泛以及容易簡化與縮小模型，讓模型足夠輕量在工廠上的邊緣運算裝置上運行，且在通用物件檢測有良好的檢測效果。而本論文完成之元件檢測系統能夠快速偵測出元件，以及將其系統應用於嵌入式系統上，以達到工業上減少成本的需求，也可以應用在客製化的元件檢測上。