메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Ling-Yi Li (배재대학교) Sun-Young Bae (배재대학교) Yun-Hyeok Kim (배재대학교) Hoe-Kyung Jung (배재대학교)
저널정보
한국콘텐츠학회 한국콘텐츠학회논문지 한국콘텐츠학회논문지 제25권 제3호
발행연도
2025.3
수록면
40 - 49 (10page)
DOI
10.5392/JKCA.2025.25.03.040

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
회로 기판(PCB)은 전자 부품의 기본 기판 역할을 하며 전자 산업에서 상당한 중요성을 가지고 있다. 더 가볍고 컴팩트한 전자 제품을 지향하는 추세에 따라 PCB 제조도 고밀도화 및 소형화로 나아가고 있으며, YOLO 모델을 기반으로 한 PCB 표면 결함 감지는 점점 더 어려운 연구 문제가 되고 있다. 인공 지능이 빠르게 발전함에 따라 자동 결함 감지를 위해 컨볼루션 신경망(CNN)을 활용하는 것은 PCB 표면 결함 감지를 위한 유망한 솔루션을 제공한다. 본 논문에서는 공유된 공개 데이터 세트에서 PCB 표면 결함 이미지를 훈련하고 테스트하기 위해 YOLOv8 및 YOLOv9 모델을 적용하여 이러한 모델의 PCB 표면 결함 감지 성능을 비교한다. 실험 결과에 따르면 공개 PCB 결함 데이터 세트에서 YOLOv9는 96.1%의 MAP50을 달성하여 YOLOv8과 같은 다른 주류 물체감지 알고리즘을 능가하는 것으로 나타났다. 26.2 GFLOP와 7.07×10⁶ 매개변수의 계산 부하를 입증하여 YOLOv9가 PCB 표면 결함 감지에 특히 유리해졌다.
#딥 러닝 #컨볼루션 신경망 #YOLOv9s 모델 #표면 결함 감지 #Deep Learning #Convolutional Neural Network #YOLOv9s Model #PCB #Surface Defect Detection

목차

요약
Abstract
I. Introduction
II. YOLOv9 Model
III. Classes of PCB Surface Defects and Data
IV. Research Content and Algorithms
V. Experimental Results and Analysis
VI. Conclusions and Limitations
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0