Baskı devre kartlarında lehim hatası denetimi
Solder joint inspection on printed circuit boards
- Tez No: 846282
- Danışmanlar: DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektronik baskı devre kartı (BDK) üretiminde yüzey montaj elemanlarının (YME) BDK'ya yerleştirilmesi sırasında oluşan hataların büyük kısmı lehim hatalarından kaynaklanır. Lehimlerin boyutlarının küçük olması ve farklı şekiller alabilmeleri sebebiyle denetimleri zordur. Bu tez kapsamında lehim denetimini farklı koşullarda yapabilmek için iki farklı yöntem önerilir: Gözetimsiz derin üretken modeller ile anomali tespiti ve entropi düzenlileştirmesi tabanlı ince taneli gözetimli sınıflandırma. İlk olarak, lehim denetimi sınırlandırılmamış bir bağlamda yani hatasız referans kart veya özel bir aydınlatma olmadan hem entegre hem de entegre olmayan devre elemanları denetimi için beta-Değişimsel Özkodlayıcı (beta-VAE) mimarisi tasarlanmıştır. Önerilen modelin, verinin daha ayrıştırılabilir çözülmüş bir temsilini öğrendiği, niteliklerin bağımsızlığını arttırdığı gösterilmiştir. Anomaliyi karakterize etmede kullanılan aktivasyon ve gradyan tabanlı temsiller karşılaştırılmıştır. Farklı beta değerlerinin daha ayrıştırılabilir temsil öğrenimine ve model başarımına olan etkisi araştırılmıştır. Beta-VAE ile anomali lehimlerin model eğitiminde yalnızca hatasız lehimler kullanarak yüksek başarı oranı ile sınıflandırılabileceği gösterilmiştir. Lehim denetimi için önerilen bir diğer yaklaşım ise ince taneli sınıflandırmadır. Hatalı ve hatasız lehim nitelikleri birbirine benzer olduğundan lehim denetiminin ince taneli sınıflandırma problemi olduğu gösterilmiştir. Lehim denetiminin ince taneli sınıflandırmasında entropiyi düzenlileştirici yöntemler karşılaştırılmış ve önerilen çarpık Jensen-Shannon ıraksamasının (JSD), farklı mimarilerde diğer yöntemlerden daha başarılı olduğu gösterilmiştir. Ayrıca, çarpık JSD ile entropi düzenlileştirilmesinin lehimler üzerinde daha ayrıştırıcı bölgelerden çıkarım yapılmasını sağladığı gösterilmiştir. Gözetimsiz derin üretken modeller, model eğitimi sırasında nadir bulunan hatalı lehim örneklerine ihtiyaç duymazken gözetimli evrişimsel ağlar kadar yüksek başarı oranı elde edemezler. Dolayısıyla önerilen gözetimli ince taneli sınıflandırma ile gözetimsiz derin üretken model tabanlı yöntemler arasında bir ödünleşim vardır.
Özet (Çeviri)
In the assembly process of printed circuit boards (PCBs), most of the errors are caused by solder joints in surface mount devices (SMDs). We propose using beta-Variational Autoencoder (beta-VAE) that learns from normal solder joints and disentangles factor of variations in data for anomaly detection of solder joints. Latterly, skewed Jensen-Shannon divergence (JSD) is proposed to maximize entropy of the probability distribution over data to classify fine-grained solder joints. In this thesis, two different methods are proposed to carry out solder inspection under different conditions: anomaly detection with an unsupervised deep generative model and fine-grained image classification with entropy regularization. At first, in order to solve the optical inspection problem in unrestricted environments with no special lighting and without the existence of error-free reference boards, we propose a new beta-VAE architecture for anomaly detection that can work on both integrated circuit (IC) and non-IC components. We show that the proposed model learns disentangled representation of data, leading to more independent features and improved latent space representations. We compare the activation and gradient-based representations that are used to characterize anomalies and observe the effect of different beta parameters on accuracy and untwining the feature representations in beta-VAE. Finally, we show that anomalies on solder joints can be detected with high accuracy via a model trained directly on normal samples without designated hardware or feature engineering. The next proposed method for solder joint inspection is fine-grained image classification. Entropy-regularization based methods are compared in fine-grained classification of solder joints and it is shown that the proposed skewed JSD outperforms others on different model architectures. Besides, regularizing entropy with skewed JSD enables the model to focus on more class discriminative regions. While unsupervised deep generative models do not require defective solder joints that are rarely found, they can not achieve as high accuracy as the supervised fine-grained methods. Consequently, there is a trade-off between the proposed methods.
Benzer Tezler
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN
- İsmayıl Hakkı Baltacıoğlu'nun kültür ve eğitim kavramı üzerine bir inceleme
An Examination of the concepts of culture and education of Ismayıl Hakkı Baltacıoğlu
ABDULLAH DİKİCİ
Doktora
Türkçe
1986
Eğitim ve ÖğretimUludağ ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SUAT ANAR
- Izgara ve altlık üstünde barındırılan ile de france X kıvırcık (Fl) ve merinos kuzularının entansif besideki performansları
Başlık çevirisi yok
ÜMRAN ŞAHAN
Yüksek Lisans
Türkçe
1987
Veteriner HekimliğiUludağ ÜniversitesiZootekni Ana Bilim Dalı
PROF. DR. ERDOĞAN TUNCEL