top

知識分享

應用卷積神經網路輔助鋰電池AOI X-Ray圖像識別分類

建立日期：2020/11/16
  • 作者： 高雄大學電機系/吳志宏、曾令燊
  • 出處： 2020 AOI論壇與展覽
  • 內容： 本篇為「2020 AOI論壇與展覽」論文集，摘要如下：

    近年來工業 4.0 與智慧製造技術越來越發達，於製造工廠生產線中使用自動光學檢測(Automated Optical Inspection, AOI)設備是基本的機械視覺影像偵測技術，藉由影像分析可掌控產品在生產線上的即時狀況及品質管制。

    在一般電池產業上工廠通常使用 XRay 檢查機偵測鋰電池所產生的圖像資料以供檢測人員判定缺陷與否等作業，造成人工判定的正確率不高且常須靠目視(速度不快) 來篩選其結果等缺點，故本研究提出深度學習(Deep Learning, DL)解決方案，設計並實作卷積神經網路(Convolutional Neural Networks, CNN)圖像辨識分類任務，執行資料擴增(Data Augmentation)來增加訓練圖像的數量，再分批輸入CNN 模型內(訓練、驗證)實現監督式學習(Supervised Learning)，經實驗結果顯示準確率達 99.5 %，進而推論深度學習 CNN 圖像辨識技術可有效輔助 AOI 檢測鋰電池缺陷的人工目視作業，縮短檢測時間增加生產效率及提升產品的生產品質。
  • 檔案下載：全文下載
  • 下載次數：57
回上頁