以 Centernet 為基礎開發 AOI 輔助系統之研究

A Study of Centernet Based AOI Assistant System Development

蔡陳杰(Tsai Chen-Chieh)

指導教授 ： 黃文吉

國立臺灣師範大學/理學院/資訊工程學系/碩士(2021年)

https://doi.org/10.6345/NTNU202101299

摘要

自動光學檢測(AOI)為結合電腦視覺與自動化等多種技術的自動檢測方法，並且廣泛使用於產品製造的品質管理上，而元件檢測是自動光學檢測中的重要檢測項目之一。近年來，由於工業產業的變化，產品生產走向了少量多樣化，而在檢測上也改以邊緣運算的裝置運行，因此除了傳統元件檢測要求的準確率外，理想的元件檢測方法還必須要運算複雜度夠低與模型小才能在邊緣運算裝置上運行，而常見的元件檢測方法並不能完全達到這些要求。
本論文使用Centernet作為新建立的AOI元件檢測系統的核心演算法。其優點為應用廣泛以及容易簡化與縮小模型，讓模型足夠輕量在工廠上的邊緣運算裝置上運行，且在通用物件檢測有良好的檢測效果。而本論文完成之元件檢測系統能夠快速偵測出元件，以及將其系統應用於嵌入式系統上，以達到工業上減少成本的需求，也可以應用在客製化的元件檢測上。

關鍵字

自動光學檢測 ； 元件檢測 ； 深度學習 ； 邊緣計算

並列摘要

none

並列關鍵字

Centernet ； Automated optical inspection ； Component detection ； Deep learning ； Edge computing

參考文獻

[1] M. A. Mallaiyan Sathiaseelan, O. P. Paradis, S. Taheri, and N. Asadizanjani, "Why Is Deep Learning Challenging for Printed Circuit Board (PCB) Component Recognition and How Can We Address It?," Cryptography, vol. 5, no. 1, pp. 9, Mar. 2021.

[2] A. J. Crispin and V. Rankov, "Automated inspection of PCB components using a genetic algorithm template-matching approach," Int. J. Adv. Manuf. Technol., vol. 35, pp. 293-300, 2007.

[3] D. Li, C. Li, C. Chen, and Z. Zhao, "Semantic Segmentation of a Printed Circuit Board for Component Recognition Based on Depth Images," Sensors, vol. 20, no. 18, pp. 5318, Sep. 2020.

[4] C. Yang, "Machine Learning and Computer Vision for PCB Verification," Dissertation, 2020.

[5] S. Suzuki and K. Abe, "Topological structural analysis of digital binary images by border following," Comput. Vision Graphics Image Process., vol. 30, no. 1, pp. 32-46, 1985.