聯盟會員登入
公司會員
公司統編: -
密碼:
登入修改會員資料
加入會員
聯盟會員登入
公司會員
護照號碼:
密碼:
登入修改會員資料
加入會員
聯盟會員登入
公司會員
身分證字號:
密碼:
登入修改會員資料
加入會員
聯盟組織
最新會訊
技術討論
技術專欄
推薦書單
簡報講義
 
 
  AOIEA 自動光學檢測設備聯盟 技術論壇
友善列印 go
 
 
關於AOIEA
活動看板
產經情報
知識分享
技術能量大觀
廠商名錄
伯樂良駒
需求快遞
電子報專區
AOI網站連結
聯絡秘書處
     



瀏覽次數 : 121961822次
 
首頁 >> 知識分享 >> 技術專欄
日期:2017/11/30
標題:基於深度卷積神經網路之印刷電路板影像瑕疵分類【2017 AOI創新獎佳作】
線上投稿
作者:   工研院電光所-賴威豪、曾紹崟
文章出處:   2017 AOI論壇與展覽
關鍵字:   印刷電路板、瑕疵分類、深度學習、卷積神經網路
內容:   現今印刷電路板產業蓬勃發展,生產逐漸精密化且佈線密度也愈趨愈複雜,為了提升印刷電路板製程的品質必須要進行有效率的檢測。傳統是以人工目視檢測印刷電路板上的瑕疵,不僅耗時且誤判率也可能隨人的精神狀態而起伏,再加上以人目視檢測的誤判率也因電路板密度提升有逐年上升的趨勢,因此廠商開始引入自動光學檢測系統來輔助人員作業。然而現今以影像辨識為主的自動光學檢測系統為了達到接近百分之百檢出率,往往會造成高誤判率,使得被機器挑出的候選影像大多是假缺陷,因此本研究嘗試應用以卷積神經網路的方法加強電路板瑕疵分辨任務,目的是降低自動光學系統造成的高誤判率現況。我們希望能藉卷積神經網路對圖像分類領域所帶來突破性的研究成果也一併套用至自動光學檢測技術領域上,此篇論文應用了幾種較為著名的卷積網路架構,像是LeNet、AlexNet、VGG、GoogLeNet、ResNet等等,將自動光學檢測系統挑選出來的印刷電路板影像作為訓練資料集,並且在分類真缺陷和假缺陷的任務中獲得了97.12%的準確率,亦證明卷積神經網路是可以被應用在印刷電路板瑕疵分類上。
參考網址:  
檔案下載:  
全文下載 下載次數:82次

回上頁

 
Copyright © 2007 自動光學檢測設備聯盟
聯絡人:沈元斐電話:(03)573-2225傳真:(03)572-0621地址:300新竹市光復路二段321號3館204室工研院量測中心/AOIEA 秘書處