지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박태형
- 발행연도
- 2014
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
This paper proposes a SMD recognition method for auto-teaching system of PCB(Printed circuit board) assembly inspection machines. On a PCB, there are thousands of components to be inspected. It is necessary to recognize the SMD type automatically for the auto-teaching system.
The SMDs can be classified in the lead type and the chip type. The lead type SMDs can be identified with the number of lead region and its position. The proposed method uses the subtraction of image from the horizontal lighting and image from vertical lighting. Then, the lead region can be extracted by binarization of the subtraction image.
The chip type SMDs can be identified with the color data of packages. The image with vertical lighting is transformed to HSI color model. And the binarized histograms are extracted for H and S space. The neural network is applied to recognize the chip types. The experimental results are presented to verify the usefulness of the proposed method .
The SMDs can be classified in the lead type and the chip type. The lead type SMDs can be identified with the number of lead region and its position. The proposed method uses the subtraction of image from the horizontal lighting and image from vertical lighting. Then, the lead region can be extracted by binarization of the subtraction image.
The chip type SMDs can be identified with the color data of packages. The image with vertical lighting is transformed to HSI color model. And the binarized histograms are extracted for H and S space. The neural network is applied to recognize the chip types. The experimental results are presented to verify the usefulness of the proposed method .
목차
Ⅰ. 서 론 11.1 연구배경 11.2 기존 영상 인식 연구 21.3 기존 부품 패키지 인식 연구 61.4 연구목적 91.5 논문구성 10Ⅱ. 시스템 구성 112.1 SMT 자동 검사기의 자동 티칭 112.2 SMD 종류 152.3 SMD 인식 시스템 18Ⅲ. SMD 패키지 자동 인식 213.1 리드 개수에 의한 부품 인식 213.1.1 리드 인식의 입력 영상 213.1.2 리드 영역 인식 243.2 색상에 의한 부품 인식 263.2.1 기존 색상 인식 연구 263.2.2 신경회로망 모델 283.2.3 신경회로망을 이용한 부품 인식 303.2.3.1 색상정보를 이용한 학습 알고리즘 333.2.3.2 HSI 컬러모델의 히스토그램 34Ⅳ. 실험 결과 364.1 실험환경 364.2 입력데이터에 따른 인식 결과 384.2.1 H 성분 학습 결과 비교 384.2.2 H와 S 성분 학습 결과비교 404.3 신경회로망 모델의 학습 소요 시간 42Ⅴ. 결 론 43참고문헌 또는 인용문헌 44
최근 본 자료
댓글(0)
0