Geri Dön

Defect classification of electronic boards by deep learning

Elektronik kartların derin öğrenme ile hata sınıflandırması

  1. Tez No: 847157
  2. Yazar: DAMLA İLGEN
  3. Danışmanlar: PROF. DR. TUĞBA ÖZACAR ÖZTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Manisa Celal Bayar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 58

Özet

Bu tez kapsamında, baskılı devre kartlarındaki üretim hatalarının derin öğrenme ile tespitine yönelik olarak bir çalışma gerçekleştirilmiştir. Literatürde bu konudaki çalışmalar genellikle eksik bileşen ve lehim kusurlarına bağlı hatalara yoğunlaşmıştır. Bu tezde, Vestel Beyaz Eşya Sanayi örneği üzerinden yola çıkarak bir durum değerlendirmesi yapılmış ve eksik bileşen ve lehim hatalarına ek olarak literatürde göreceli olarak az çalışılmış¸ ters polarite ve yanlış¸ hizalama hatalarının tespitine yönelik olarak da çalışılmıştır. Bu bağlamda, Vestel'e ait çeşitli üretim bantlarından elde edilmiş¸ hatalı ve hatasız PCB'lere ait toplamda 783 görüntü elde edilmiştir. Bu görüntülerin sayısı çeşitli veri artırımı teknikleriyle 1407'ye çıkarılmıştır. Daha sonrasında, derin öğrenmeyle nesne tespiti için bir YOLOv5 modeli oluşturulmuştur. Model başarımı kesinlik, duyarlılık, ortalama kesinlik değerlerinin ortalaması ve birleşim üzerinde kesişim metrikleri üzerinden değerlendirilmiş¸ ve kesinlik için 0,694-0,912 arası, duyarlılık için 0,857-0,877 arası, mAP için 0,865-0,931 arası, IoU için 0,735-0,786 arası başarım performanslarına ulaşılmıştır.

Özet (Çeviri)

Within the scope of this thesis, a study was carried out to detect production defects in printed circuit boards using deep learning. Studies on this subject in the literature generally focus on defects due to missing components and soldering errors. In this thesis, a situation assessment was made based on the case of Vestel Beyaz Eşya Sanayi, and in addition to missing components and soldering errors, a study was also carried out to detect reverse polarity and misalignment defects, which are relatively less studied in the literature. In this context, a total of 783 images of defective and defect-free PCBs obtained from various production lines of Vestel. The number of these images was increased to 1407 using various data augmentation techniques. Afterwards, a YOLOv5 model was builded for object detection with deep learning. Model performance was evaluated through precision, sensitivity, mean average precision and intersection over union metrics and the following performances are achieved: precison [0.694-0.912], recall [0.857-0.877], mean average precision [0.865-0.931] and intersection over union [0.735-0.786].

Benzer Tezler

  1. BGA malzemelerin x-ışını görüntülerindeki lehim hatalarının derin sinir ağı kullanarak tespiti

    Detection of BGA solder defects from x-ray images using deep neural network

    CEREN TÜRER AKDENİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜMRAY ÖLMEZ

  2. Baskılı devre kartları üzerindeki lehim hatalarının derin öğrenme tabanlı sınıflandırılması

    Deep learning based classification of solder defects on printed circuit boards

    ALİ SEZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYTAÇ ALTAN

  3. Evrişimsel sinir ağları ile delikli bileşenlerde lehim kalitesinin sınıflandırılması

    Classification of solder quality in through hole devices with convolutional neural networks

    NESLİHAN SARIGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  4. Otomatik optik inceleme cihazlarının tasarımı ve Baskı Devre Kart kusurlarının sınıflandırılması

    Design of automated optical inspection device and classification of Printed Circuit Board defects

    MUSTAFA ERYILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATİLA YILMAZ

  5. Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi

    Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids

    ALPER YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK