Geri Dön

Baskılı devre kartları üzerindeki lehim hatalarının derin öğrenme tabanlı sınıflandırılması

Deep learning based classification of solder defects on printed circuit boards

PDF İndir

  1. Tez No: 685922
  2. Yazar: ALİ SEZER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYTAÇ ALTAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Zonguldak Bülent Ecevit Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Elektronik cihazların üretim süreçlerinde, yüzeye monte edilen elemanların baskılı devre kartlarına (BDK) montajı sürecinde oluşan lehim hatalarından kaynaklanan sorunlar nedeniyle üretim faaliyetleri aksamakta ve bu da üretim maliyetlerinde artışa neden olmaktadır. Krem lehim uygulamalarında elektronik kartlarda oluşabilecek kusurlar genellikle üretim sürecinin son aşamasında fark edilmektedir. Bu durum üretim verimliliğini düşürmekte ve kritik sistemlerin teslimat programında gecikmelere neden olmaktadır. Bu çalışmada baskılı devre kartları (BDK) üzerindeki krem lehim kusurlarını erken aşamada tespit etmek için görüntü işleme teknikleri kullanılarak optimizasyona dayalı bir derin öğrenme modeli önerilmiştir. Derin öğrenme yöntemlerinden biri olan evrişimli sinir ağı (ESA), bu çalışmaya özel hazırlanmış veri seti kullanılarak eğitilmiştir ve baskılı devre kartları (BDK) üzerindeki krem lehim uygulanmış ped bölgeleri, krem lehim hataları belirtilerek sınıflandırılmıştır. Çalışmada kullanılan toplam altı krem lehim sınıf türü, literatür de sıklıkla karşılaşılan doğru lehimleme, düzeltilemez lehimlem, eksik lehim, fazla lehim, kısa devre ve yabancı nesne örneklerinden oluşturulmuştur. Modelin geçerliliği 648 test verisinden oluşan veri seti üzerinden test edilmiştir. Ayrıca çalışmada, görüntü işleme ve optimizasyon yöntemlerinin model performansına etkisi incelenerek %96.40 başarım oranı elde edilmiştir. Önerilen model yardımı ile baskılı devre kartları (BDK) üzerindeki kusurlu krem lehim alanları tespit edilmiş ve bu bölgeler çerçeve içerisine alınarak görselleştirilmiştir.

Özet (Çeviri)

In the production processes of electronic devices, production activities are interrupted due to the problems caused by soldering defects during the assembly of surface-mounted elements on printed circuit boards (PCBs) and this leads to an increase in production costs. In cream solder applications, defects that may occur in electronic cards are usually noticed at the last stage of the production process. This situation reduces the efficiency of production and causes delays in the delivery schedule of critical systems. In this study, an optimization-based deep learning model is proposed by using image-processing techniques in order to detect cream solder defects on PCBs with high performance at an early stage. Convolutional neural network (CNN), one of the deep learning methods, , is trained using the data set obtained for this study and ped regions on PCB are classified. A total of six types of classes used in the study consist of uncorrectable soldering, missing soldering, excess soldering, short circuit, undefined object and correct soldering, which are frequently used in the literature. The validity of the model has been tested on the data set consisting of 648 test data. Also, in the study, the effect of image processing and optimization methods on model performance is examined and 96.40% success rate was achieved. With the help of the proposed model, defective cream solder areas on PCBs are detected and these regions are visualized by taking them into a frame.

Benzer Tezler

  1. Tez No

    847157

    Defect classification of electronic boards by deep learning

    Elektronik kartların derin öğrenme ile hata sınıflandırması

    DAMLA İLGEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TUĞBA ÖZACAR ÖZTÜRK

  2. Tez No

    662782

    X-ray analysis prediction of BGA components in PCBA production with neural networks

    Başlık çevirisi yok

    BAYRAM YURDAKURBAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA FURKAN KIRAÇ

  3. Tez No

    496342

    Baskılı devre kartı (BDK) üretiminde yaşam döngüsü değerlendirmesi

    Life cycle assessment of printed circuit board manufacturing

    ELİF ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. FATMA FATOŞ BABUNA

    ÖĞR. GÖR. NİLAY ELGİNÖZ KANAT

  4. Tez No

    682271

    Devre baskısı için 3 boyutlu yazıcı tasarımı

    Three dimensional printer design for printing circuit board design

    ALİ TOPRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ RIFAT BOYNUEĞRİ

  5. Tez No

    902859

    Non-destructive defect detection on PCB boards using a metamaterial-based antenna

    Metamalzeme tabanlı anten kullanarak baskı devre plakalarında hasarsız hata tespiti

    SULTAN SÜHEYLA BAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiAnkara Yıldırım Beyazıt Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ASAF BEHZAT ŞAHİN

Geri Dön