Evrişimsel sinir ağları ile delikli bileşenlerde lehim kalitesinin sınıflandırılması
Classification of solder quality in through hole devices with convolutional neural networks
- Tez No: 793449
- Danışmanlar: PROF. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Mühendisliği Bilim Dalı
- Sayfa Sayısı: 46
Özet
Elektronik kart üretiminde delikli bileşenlerin lehimlerinin kontrolü çok önemlidir. İnsan gözünün yanı sıra otomatik optik kontrol cihazları da lehim kontrolünde kullanılmaktadır. İnsan gözü ile kontrolde yorgunluk ve tekrar gibi nedenlerle dikkatten kaçan hatalar olabilmektedir. Otomatik optik kontrol cihazları ise oldukça maliyetlidir. Bu çalışmada delikli bileşenlerin lehim kontrollerini az maliyet ve yüksek doğruluk ile tespit edecek test sisteminin oluşturulması hedeflenmiştir. Öncelikle lehim görüntülerinin elde edileceği görüntüleme sistemi tasarlanmıştır. Görüntüleme sistemi aydınlatma, kameradan ve hareketli sistemden oluşmaktadır. Aydınlatma için mevcut otomatik optik kontrol sistemlerinde kullanılan aydınlatma türleri araştırılmıştır ve lehim yüzeyini en iyi şekilde görüntüleyebilmek için altıgen yapıda her bölmede 3 farklı renkte ve açıda aydınlatma yapan bir sistem tasarlanmıştır. Odak uzaklığı 25mm olan bir lens ve 1.3MP Renkli Endüstriyel Bilgisayarlı Görü Kamera beraber kullanılmıştır. Sensör boyutu 1/3 olan bir kamera kullanılmıştır. Hareketli sistem iki eksende hareket edecek şekilde tasarlanmıştır. X ve Y ekseninde devre kartı hareket ettirilerek tüm kartın görüntüsü alınmıştır. Sistemin görüntü alma süresi ~21 cm2/s'dir. Tasarlanan görüntüleme sistemi ile 7320 adet delikli bileşene ait lehim görüntüsü elde edilmiştir. Elde edilen lehim görüntüleri hatasız, yetersiz lehim ve lehimsiz olamak üzere 3 farklı sınıfta etiketlenmiştir. Delikli bileşenlerin lehim kontrolünde sınıflandırılma için derin öğrenme yöntemleri kullanılmıştır. Kullanılan yöntemler Inception-ResNet, ResNet ve Inception-v4 tabanlı ağlardır. Bu üç farklı yöntem için 5 farklı veri seti oluşturulmuştur. Oluşturulan veri setleri; veri sayısı sabit tutulup görüntüler değiştirilmeden, veri sayısı sabit tutulup görüntülere ön işlem uygulanarak ve veri artırma yöntemleri kullanılarak veri sayısı 7 kat artırılarak eğitim gerçekleştirilmiştir. Bu şekilde 45 farklı model oluşturulmuştur. En başarılı derin öğrenme algoritması veri artırma yöntemleri kullanılmadan eğitilen ResNet modeli olmuştur. Modelin doğruluk oranı %98.94 ve gerçek pozitif oranı %99.63'tür. Gelecekteki çalışmalarda veri sayısının artırılması ve derin öğrenme algoritmalarında hiper-parametre optimizasyonu ile modellerin başarısı artırılabilir.
Özet (Çeviri)
It is important to control the soldering of the through hole devices in electronic board production. The human eye and automatic optical control devices are used in soldering control. The human eye, there may be errors that go unnoticed due to fatigue and repetition. The cost of automatic optical control devices is high. In this study, it is aimed to create a test system that will detect solder controls of perforated components with low cost and high accuracy. Firstly, an imaging system designed of lighting, camera and moving system was obtained for solder images. The lighting types used in automatic optical control systems were investigated and a hexagonal lighting was designed to illuminate each compartment in 3 different colors and angles in order to show the solder surface in the best way. A lens with a focal length of 25 mm and a 1.3 MP computer vision camera are used together. The movable system is designed to move in two axes. The image acquisition time of the system is ~21 cm2/s. With the designed imaging system, solder images of 7320 through hole devices were obtained. The solder images obtained are labeled in 3 different classes as defect free, insufficient solder and solderless. Inception-ResNet, ResNet and Inception-v4 based networks are used for the classification of through hole devices in solder control. Five different data sets were created for these three different methods. In total, 45 different models were created. The most successful deep learning algorithm was the ResNet model, which was trained without using data augmentation methods. The accuracy rate of the model is 98.94% and the true positive rate is 99.63%. In future studies, the success of the models can be increased by increasing the number of data and hyper-parameter optimization in deep learning algorithms.
Benzer Tezler
- Evrişimsel sinir ağları ile toraks BT görüntülerinden akciğer kanseri tespiti
Detection of lung cancer on thorax CT images with convolutional neural networks
AYMEN SALMAN DAWOOD EZZAT
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAHİME CEYLAN
- Evrişimsel sinir ağları ile ortam tarifleme
Environment description with convolutional neural networks
ANIL ÇETİNSOY
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Evrişimsel sinir ağları ile meme kanseri moleküler alt tip sınıflandırması
Classification of breast cancer molecular subtypes using convolutional neural networks
KADİR ÇIRAY
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
- Evrışımsel sınır ağları ıle meme kanserı hıstopatolojık görüntülerının sınıflandırılması
Classification of breast cancer histopathological images with convolutional neural networks
KEVIN KIAMBE ASSA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET BABALIK
- Evrişimsel sinir ağları ile kelebek türlerinin tespiti
Detection of butterfly species with convolutional neural networks
MUSTAFA SERHAT ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN HAKLI