[논문]전자부품의 표면 결함 검출을 위한 CNN 기법

최학영; 서기성

doi:10.5391/jkiis.2017.27.3.195

초록
AI-Helper

전자 부품의 결함 검사에서 미세한 크랙이나, 표면이 균일하지 않은 경우, 그리고 결함과 주변의 구분이 명확치 않은 조건에서는 검출자 기반의 접근이 성능의 한계를 보이고 있다. 딥러닝 기법이 물체 인식에 널리 적용되고 있으며. 결함 검출에 대해서도 점차 적용이 시도되고 있다. 일반적으로 딥러닝은 방대한 규모의 학습 데이터를 필요로 하나, 일부 산업 응용 문제에서는 데이터의 획득이 제한적일 수 있다. 검출 난이도가 높으면서 학습 데이터가 충분하지 않은 전자 부품의 표면 결함 검사에 대해서 딥러닝 접근법의 하나인 CNN을 적용하고 가능성을 검토한다. CNN 기법 외에 Otsu와 Gaussian blur 기법을 CNN에 결합하여 시도하였고, VOV 필터 기반의 데이터 재생성을 통해 데이터를 확충한 기법과 비교하였다. 이를 통해 검출 오류율을 5%까지 감소시킨 결과를 얻을 수 있었다.

Abstract ▼ AI-Helper

A detector based approach shows the degraded performance for defect inspection of electronic parts in particular condition such as a fine crack, non-uniformity, an indiscernible difference between the defects and its surroundings. Deep learning technique is widely used for object recognition and it'...

A detector based approach shows the degraded performance for defect inspection of electronic parts in particular condition such as a fine crack, non-uniformity, an indiscernible difference between the defects and its surroundings. Deep learning technique is widely used for object recognition and it's applications to detect defects have been gradually attempted. Deep learning requires huge scale of learning data, but an acquisition of data can be limited in some industrial application. The possibility of applying CNN (Convolution Neural Network), which is one of the deep learning approaches, for surface defect inspection is investigated for electronic parts whose detection difficulty is challenging and learning data is not sufficient. Integrating Otsu and Gaussian Blur method to CNN are experimented. VOV filter based data augmentation method is executed to supplement the insufficient data additionally. As a result, detection error rate is decreased to 5%.

주제어

참고문헌 (11)

Y. Park, and I. S. Kweon "Ambiguous Surface Defect Image Classification of AMOLED Displays in Smartphones," IEEE Trans. on Industrial Informatics, Vol. 12, No. 2, pp. 597-607, 2016

상세보기
D. Tsai and H. Tsai "Low contrast surface inspection of mura defects in liquid crystal displays using optical flow-based motion analysis," Machine Vision and Applications, Vol. 22, Issue 4, pp 629-649, 2011

상세보기
J-K. Park, N. Kwon, J-H. and D. Kang "Machine Learning-Based Imaging System for Surface Defect Inspection," International Journal of Precision Engineering and Manufacturing-Green Technology, Vol. 3, No. 3, pp. 303-310, 2016

상세보기
D. Chetverikova, A. Hanburyb, "Finding defects in texture using regularity and local orientation," Pattern Recognition Volume 35, Issue 10, pp. 2165-2180, 2002.

상세보기
Y. Yoon, S. Lee, C. Chung, S. Kim, "An effective defect inspection system for polarized film images using image segmentation and template matching techniques," Computers & Industrial Engineering, Volume 55, Issue 3, pp. 567-583, 2008.

상세보기
LeCun, Yann, et al. "Gradient based learning applied to document recognition," Proceedings of the IEEE, pp. 2278-2324, 1998
K. Fukushima, "Neocognitron: A Self-Organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position," Biological Cybernetics, Vol. 36, No. 4, pp. 193-202, 1980.

상세보기
ILSVRC - ImageNet Large Scale Visual Recognition Challenge
Y. K. Park, J. G. Park, H. I. On and D. J. Kang "Convolutional Neural Network-based System for Vehicle Front-Side Detection," Journal of Institute of Control, Robotics and Systems Vol. 21, No. 11, pp. 1008-1016, 2015.

원문보기 상세보기
M. Shin, J. Lee, "CNN Based Lithography Hotspot Detection," International Journal of Fuzzy Logic and Intelligent Systems, Vol. 16, No. 3, pp. 208-215, 2016

원문보기 상세보기
R. Girshick, J. Donahue, T. Darrell, J. Malik, "Region-Based Convolutional Networks for Accurate Object Detection and Segmentation," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 38, No. 1. pp.142-158. 2016

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

전자부품의 표면 결함 검출을 위한 CNN 기법
CNN Based Detection of Surface Defects for Electronic Parts 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

전자부품의 표면 결함 검출을 위한 CNN 기법 CNN Based Detection of Surface Defects for Electronic Parts 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

서기성 (57)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

전자부품의 표면 결함 검출을 위한 CNN 기법
CNN Based Detection of Surface Defects for Electronic Parts 원문보기

초록
AI-Helper