Defect classification of electronic boards by deep learning
Elektronik kartların derin öğrenme ile hata sınıflandırması
- Tez No: 847157
- Danışmanlar: PROF. DR. TUĞBA ÖZACAR ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- 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
2021
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTAÇ ALTAN
- 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
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- 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
2024
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATİLA YILMAZ
- 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
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK