Cílem práce je návrh systému detekce vad na osazených deskách plošných spojů s využitím konvolučních neuronových sítí. Navržený systém je komplexní množinou detekčních metod zaměřených na vady identifikované z historických obrazových dat, jejichž kombinací lze klasifikovat celé inspekční fotografie osazených desek plošných spojů. Detekční metody zahrnují ověřené architektury konvolučních neuronových sítí a výpočty parametrů pro dílčí klasifikace z jejich výstupů. Byl vytvořen software pro testování celého navrženého systému a trénování jednotlivých modelů.
Anotace v angličtině
This thesis aims to design a defect detection system for assembled printed circuit boards using convolutional neural networks. The proposed system is a complex set of detection methods that focus on defects identified from historical image data, the combination of which can be used to classify entire inspection photos of assembled printed circuit boards. The detection methods include verified convolutional neural network architectures and parameter calculations for partial classifications based on their outputs. Software was developed to test the entire
proposed system and to train individual models.
Klíčová slova
AOI, PCB, konvoluční neuronové sítě, vizuální inspekce, detekce vad
Cílem práce je návrh systému detekce vad na osazených deskách plošných spojů s využitím konvolučních neuronových sítí. Navržený systém je komplexní množinou detekčních metod zaměřených na vady identifikované z historických obrazových dat, jejichž kombinací lze klasifikovat celé inspekční fotografie osazených desek plošných spojů. Detekční metody zahrnují ověřené architektury konvolučních neuronových sítí a výpočty parametrů pro dílčí klasifikace z jejich výstupů. Byl vytvořen software pro testování celého navrženého systému a trénování jednotlivých modelů.
Anotace v angličtině
This thesis aims to design a defect detection system for assembled printed circuit boards using convolutional neural networks. The proposed system is a complex set of detection methods that focus on defects identified from historical image data, the combination of which can be used to classify entire inspection photos of assembled printed circuit boards. The detection methods include verified convolutional neural network architectures and parameter calculations for partial classifications based on their outputs. Software was developed to test the entire
proposed system and to train individual models.
Klíčová slova
AOI, PCB, konvoluční neuronové sítě, vizuální inspekce, detekce vad
Cílem práce je vývoj systému detekce vad na osazených deskách plošných spojů (PCB) pomocí umělých neuronových sítí. V rámci teoretické části práce se student zaměří na problematiku detekce vad na osazených PCB a význam automatizovaného řešení tohoto problému. Klíčovým bodem teoretické části bude rešerše architektur konvolučních neuronových sítí vhodných pro řešení detekce vad.
Praktická část bude zahrnovat identifikaci a roztřídění defektů z obrazových dat. Student navrhne vhodné metody detekce různých typů defektů s využitím konvolučních neuronových sítí a vytvoří software pro trénink a testování těchto modelů s využitím existujících platforem. Dále bude provedeno hodnocení vzniklých modelů na testovacích obrazových datech. Závěrem praktické části bude návrh metod pro dodatečné zpracování výsledků s cílem detekce a kategorizace vad.
Zásady pro vypracování
Cílem práce je vývoj systému detekce vad na osazených deskách plošných spojů (PCB) pomocí umělých neuronových sítí. V rámci teoretické části práce se student zaměří na problematiku detekce vad na osazených PCB a význam automatizovaného řešení tohoto problému. Klíčovým bodem teoretické části bude rešerše architektur konvolučních neuronových sítí vhodných pro řešení detekce vad.
Praktická část bude zahrnovat identifikaci a roztřídění defektů z obrazových dat. Student navrhne vhodné metody detekce různých typů defektů s využitím konvolučních neuronových sítí a vytvoří software pro trénink a testování těchto modelů s využitím existujících platforem. Dále bude provedeno hodnocení vzniklých modelů na testovacích obrazových datech. Závěrem praktické části bude návrh metod pro dodatečné zpracování výsledků s cílem detekce a kategorizace vad.
Seznam doporučené literatury
RUSS, John C. The image processing handbook. 6th ed. Boca Raton: CRC Press, c2011. ISBN 978-1-4398-4045-0
GONZALEZ, Rafael C. a Richard E. WOODS. Digital image processing. Fourth edition. New York: Pearson, [2018]. ISBN 978-013-3356-724.
Seznam doporučené literatury
RUSS, John C. The image processing handbook. 6th ed. Boca Raton: CRC Press, c2011. ISBN 978-1-4398-4045-0
GONZALEZ, Rafael C. a Richard E. WOODS. Digital image processing. Fourth edition. New York: Pearson, [2018]. ISBN 978-013-3356-724.
Přílohy volně vložené
-
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Diplomová práce se zabývá návrhem systému detekce vad na osazených deskách plošných spojů (PCB) s využitím konvolučních neuronových sítí. Cílem práce bylo vytvoření komplexního detekčního systému, který kombinuje různé metody zaměřené na identifikaci vad z historických obrazových dat a jejich klasifikaci. Hlavním přínosem práce je návrh a implementace detekčního systému, který dosahuje vysoké přesnosti při detekci a klasifikaci vad na PCB. Cíle diplomové práce byly splněny, práce je komplexní a obsahuje úplný popis navrženého řešení.
V souladu s čl. 4 odst. 1b) Stipendijního řádu Univerzity Pardubice komise navrhuje diplomovou práci na Studentskou cenu rektora II. stupně za vynikající úroveň diplomové práce.