知識分享

機器學習在缺陷類型識別中的應用

建立日期:2019/10/31
  • 作者: 中華大學機械工程系/邱奕契
  • 出處: 2019 AOI論壇與展覽
  • 內容: 缺陷識別(defect identification)是確認缺陷的類型,缺陷亦稱瑕疵(flaw),因此缺陷類型的識別亦稱為瑕疵分類。缺陷識別的主要目標是在線辨識缺陷的類型,以利缺陷源頭的確認並採取相應措施。鑒於機器學習的成功應用與快速發展,本研究分別使用多層感知機(MLP)、逆傳遞神經(BPN)網路、卷積神經網路(CNN)及遷移學習(transfer learning)法,針對15種不同類型的缺陷進行分類並比較其優缺點。研究結果顯示,這四種方法的驗證精確度(validation accuracy)都超過92%,說明了上述這4種分類法在預測缺陷類型上的可行性。CNN讓投入電腦視覺領域的門檻降低了,讓傳統樣本識別、物件偵測及瑕疵分類等工作變容易了。值得一提的是,驗證精確度固然重要,需要花多少時間訓練以及預測也很重要。相較於CNN,MLP及BPN所需訓練的參數較少,因此在辨識速度上有其優勢。
  • 檔案下載:全文下載
  • 下載次數:17