특징 추출 영역의 최적화에 의한 땜납 결함 분류 방법 :Solder Joint Defect Classification Method by Optimization of Feature Extraction Regions

송지덕

추천

검색

자료유형: 학위논문

저자정보: 송지덕 (충북대학교, 충북대학교 대학원)

지도교수: 박태형

발행연도: 2018

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2018

특징 추출 영역의 최적화에 의한 땜납 결함 분류 방법

송지덕 전기·전자·정보·컴퓨터학부 2018.01 학위논문

2017

컬러 특징과 영역 구분에 기반한 땜납 불량 분류 방법

송지덕 , 박태형 제어로봇시스템학회 국내학술대회 논문집 2017.05 학술대회자료

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 the solder joint defect classification method for automatic optical inspection (AOI) machines in printed circuit boards (PCBs) manufacturing system. The images for solder joint defect classification are obtained from hemispherical RGB illumination system. Then, in the feature extraction regions stage, use the Genetic Algorithm (GA) to set the optimal feature extraction regions for defect type classification. To classify the solder joint defect type, first, extract various color features from the determined feature extraction regions. Then using the Support Vector Machine (SVM), which is one of the machine learning, to classify the defect type. To evaluate the performance of the proposed method, ten types of solder joint defects were inspected. The experimental results have verified the effectiveness of this method in terms of recognition rate.

#Automated Optical Inspection #Classification #Feature Extraction #Genetic Algorithm #Optimization #Printed Circuit Board #Solder Joint #Support Vector Machine

I. 서 론 1
1.1. 연구 배경 1
1.2. 땜납 결함 유형 3
1.3. PCB 자동 광학 검사기 5
1.4. RGB 조명계 7
1.5. 특징 추출 영역 10
1.6. 기존 결함 유형 분류 연구 12
1.7. 연구 목적 16
1.8. 논문 구성 18
II. 시스템 구성 20
III. 영역 최적화 단계 23
3.1. 유전자 알고리즘 23
3.2. 초기 개체군 생성 25
3.3. 적합도 계산 27
3.4. 유전자 연산 31
3.4.1 선택 31
3.4.2 교배 33
3.4.3 돌연변이 34
IV. 결함 유형 판별 단계 35
4.1. 입력 영상 35
4.2. 특징 추출 영역 선택 36
4.3. 특징 추출 37
4.4. 서포트 벡터 머신 40
4.4.1 SVM 40
4.4.1 커널 함수 43
V. 실험 결과 44
5.1. 실험 환경 44
5.2. 영역 최적화 결과 48
5.3. 기계학습 알고리즘 비교 51
5.4. 결함 유형 분류 결과 52
VI. 결론 52
참고 문헌 55

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)