• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.325-326
• /
• 2018

본 논문에서는 PCB 공정상의 육안검사를 통한 불량 분류 방식에서 CNN을 이용한 PCB 불량 분류 방식을 제안한다. 이 방식은 육안검사의 문제점인 작업자의 숙련도에 따른 검사 효율을 자동화 검사 시스템에 의해 해결하며, 불량 위치와 종류를 결과 이미지에 표시한다. 또한 이미지 분류 결과를 모니터링할 수 있도록 시리얼 통신을 통하여 Darknet 프레임워크와 LCD를 연동하였다. 적은 량의 데이터 셋으로도 좋은 결과를 냈으며, 다양한 데이터 셋을 이용해 훈련할 시 전반적인 PCB 불량의 분류가 가능할 것으로 예상된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.327-328
• /
• 2020

본 논문에서는 저전력 저비용 임베디드 환경에서 PCB 검사 기법을 제안한다. 특히, IC 미삽에 대한 검출 알고리즘을 제안하고 실험한다. 고사양의 컴퓨팅 시스템에서는 CNN과 같은 딥러닝 뉴럴 네트워크를 사용하여 특별한 알고리즘을 고려하지 않아도 대규모의 데이터를 입력함으로써 모델을 완성하고 이를 통해 PCB 검사를 수행할 수 있다. 그러나 데이터의 양이 충분하지 않거나 충분한 전력과 비용을 투입하지 못하는 임베디드 환경에서는 각 부품에 따른 컴퓨터 비전 알고리즘이 필요하다. IC의 경우 타부품에 비하여 형태가 직사각으로 정형화 되있으며 색상도 균일한 특징을 가지고 있기에 미삽에 대한 검출이 가능하다. 베어보드(Bare Board)의 색상과 IC 부품의 색상이 확연히 다를 경우에는 RGB 픽셀을 카운트 하는 히스토그램 카운팅 알고리즘만으로 검출이 가능하다. 베어보드의 색삭과 IC의 색상이 유사할 경우에는 베어보드의 핀 혹은 홀의 형태를 감지하여 검출이 가능하다. 본 논문에서는 베어보드의 색상와 IC의 색상이 같을 경우에 다를 경우를 나누어 미삽 검사를 수행하고 그 정확도를 확인한다.

• International Journal of Control, Automation, and Systems
• /
• 제4권1호
• /
• pp.96-104
• /
• 2006

We propose a path planning method to improve the productivity of AOI (automated optical inspection) machines in PCB (printed circuit board) assembly lines. The path-planning problem is the optimization problem of finding inspection clusters and the visiting sequence of cameras to minimize the overall working time. A unified method is newly proposed to determine the inspection clusters and visiting sequence simultaneously. We apply a hybrid genetic algorithm to solve the highly complicated optimization problem. Comparative simulation results are presented to verify the usefulness of the proposed method.

• 반도체디스플레이기술학회지
• /
• 제16권3호
• /
• pp.53-58
• /
• 2017

Recently, advance in technology have increased the importance of visual inspection in semiconductor inspection areas. In PCB visual inspection, accurate line estimation is critical to the accuracy of the entire process, since it is utilized in preprocessing steps such as calibration and alignment. We propose a line estimation method that is differently weighted for the line candidates using a histogram of gradient information, when the position of the initial approximate corner points is known. Using the obtained line equation of the outline, corner points can be calculated accurately. The proposed method is compared with the existing method in terms of the accuracy of the detected corner points. The proposed method accurately detects corner points even when the existing method fails. For high-resolution frames of 3.5mega-pixels, the proposed method is performed in 89.01ms.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.109.2-109
• /
• 2001

In the PCB assembly lines, as components become more complex and smaller, the conventional inspection method using traditional ICT and function test show their limitations in application. The automatic optical inspection(AOI) gradually becomes the alternative in the PCB assembly line. In Particular, the PCB inspection machines need more reliable and flexible object recognition algorithms for high inspection accuracy. The conventional AOI machines use the algorithmic approaches such as template matching, Fourier analysis, edge analysis, geometric feature recognition or optical character recognition (OCR), which mostly require much of teaching time and expertise of human operators. To solve this problem, in this paper, a statistical learning based part recognition method is proposed. The performance of the ...

• 마이크로전자및패키징학회지
• /
• 제22권1호
• /
• pp.15-19
• /
• 2015

본 연구에서는 OSP (organic solderability preservative) 표면처리된 PCB (printed circuit board) Cu 볼 패드의 변색을 검사하는 측정 시스템을 제안하였다. PCB 표면처리 중에서 OSP는 친환경적, 낮은 생산 비용 등의 장점으로 널리 이용되고 있으나 온도공정에 따른 변색이 발생하는 문제점이 있어서 접합 신뢰성 불량의 한 원인이 되고 있다. 이러한 변색 불량을 장치 비의존적 CIELAB 색좌표를 도입하여 분석하였다. 먼저, PCB 샘플을 검사하기 위해 적합한 측정 시스템을 표준 조명과 CCD 카메라를 이용하여 제작하고, 랩뷰 (labview) 프로그램을 이용하여 Cu 볼 패드의 변색을 검사하기 위한 이미지를 얻는 알고리즘을 제작하였다. 전체 PCB 이미지에서 이진화 (binarization) 및 외곽영역 추적 (edge detection) 영상처리 과정을 통하여 Cu 볼 패드만의 이미지를 획득하고, 장치 의존적인 RGB 색좌표에서 $3{\times}3$ 변환 행렬을 이용하여 CIELAB 색좌표로 변환하는 과정을 거친다. 본 측정 시스템을 이용하여 변색이 발생한 PCB 샘플을 분석한 결과 Cu 볼 패드 만의 이미지를 대상으로 분석하면 연산에 소요되는 시간이 감소하고 측정 시스템의 오인식률을 감소 시킬 수 있음을 실험적으로 증명하였다. 또한 CIELAB 색좌표 중 $L^*$ (밝음-어두움의 정도), $b^*$ (노랑-파랑의 정도)의 두 가지 기준의 조합이 Cu 볼 패드의 변색 검사에 적합한 색좌표로 분석되었다.

• 한국멀티미디어학회논문지
• /
• 제24권7호
• /
• pp.868-879
• /
• 2021

PCB (Printed Circuit Board) inspection using a deep learning model requires a large amount of data and storage. When the amount of stored data increases, problems such as learning time and insufficient storage space occur. In this study, the existing object detection model is changed to a continual learning model to enable the recognition and classification of PCB components that are constantly increasing. By changing the structure of the object detection model to a knowledge distillation model, we propose a method that allows knowledge distillation of information on existing classified parts while simultaneously learning information on new components. In classification scenario, the transfer learning model result is 75.9%, and the continual learning model proposed in this study shows 90.7%.

• 전자공학회논문지SC
• /
• 제46권2호
• /
• pp.22-27
• /
• 2009

본 논문에서는 LCD 구동 모듈 PCB의 기능 검사를 위한 자동 검사 시스템인 EVT (Emulated Vision Tester)를 제안하고 구현하였다. 기존의 대표적인 자동검사 방법으로는 전기적 검사나 영상기반 검사방식이 있으나 전기적 검사만으로는 Timing이 주요한 변수가 되는 LCD 장비에서는 검출할 수 없는 구동불량이 존재하며 영상기반 검사는 영상획득에 일관성이 결여되거나 Gray Scale의 구분이 불명확하여 검출결과의 재현성이 떨어진다. EVT 시스템은 Pattern Generator에서 인가된 입력 패턴 신호와 구동 모듈을 통한 후 출력되는 디지털 신호를 직접 비교하여 패턴을 검사하고 아날로그 신호 (전압, 저항, 파형)의 이상 여부도 신속 정확하게 검사할 수 있는 하드웨어적인 자동 검사 방법이다. 제안된 EVT 검사기는 높은 검출 신뢰도와 빠른 처리 속도 그리고 간결한 시스템 구성으로 원가 절감 및 전공정 검사 자동화의 실현을 가능케 하는 등 많은 장점을 가진다.

• 한국콘텐츠학회논문지
• /
• 제6권6호
• /
• pp.1-8
• /
• 2006

본 연구에서는 인쇄회로기판을 위한 자동 광학 검사시스템에서 핵심적인 기능인 보정 데이타 산출을 위한 기하학적 특징 기반 방법을 제안하였다. 현재 적용되고 있는 자동 광학 검사 시스템에서는 보정데이타 산출을 위해 작업자가 직접 수작업으로 모델을 설정하고 있고, 검사영상에 기하학적인 변화가 있는 경우 비검사영역이 생기는 등 문제가 발생되고 있다. 이는 검사 작업의 신뢰성에 영향을 미치게 됨은 물론 검사 처리 시간을 지연시키는 요인이 된다. 제안된 방법은 주어진 PCB 영상으로부터 기하학적인 모양이 적합한 모델을 자동으로 선정할 수 있고, 기하학적인 모델 매칭 기법을 통해 신뢰성 있는 보정데이타를 산출할 수 있다. 제안된 방법의 사용으로 검사 시스템을 보다 편리하게 사용할 수 있고, 수작업에 의한 모델설정으로 발생되는 불필요한 시간을 절약할 수 있다. 또한, 기하학적인 변화량에 관계없이 보정데이타 산출이 가능하고, 잘못된 모델 선정 등 부정확한 보정데이터의 사용시 발생되는 문제점을 해결할 수 있는 장점을 갖는다.

• Journal of Multimedia Information System
• /
• 제8권4호
• /
• pp.211-220
• /
• 2021

The process of inspecting SMDs on the PCB boards improves the product quality, performance and reduces frequent issues in this field. However, undesirable scenarios such as assembly failure and device breakdown can occur sometime during the assembly process and result in costly losses and time-consuming. The detection of these components with a model based on deep learning may be effective to reduce some errors during the inspection in the manufacturing process. In this paper, YOLO models were used due to their high speed and good accuracy in classification and target detection. A SMD detection and classification method using YOLO networks based on robust data preprocessing and augmentation techniques to deal with various types of variation such as illumination and geometric changes is proposed. For 9 different components of data provided from a PCB manufacturer company, the experiment results show that YOLOv4 is better with fast detection and classification than YOLOv3.