인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
회로 기판(PCB)은 전자 부품의 기본 기판 역할을 하며 전자 산업에서 상당한 중요성을 가지고 있다. 더 가볍고 컴팩트한 전자 제품을 지향하는 추세에 따라 PCB 제조도 고밀도화 및 소형화로 나아가고 있으며, YOLO 모델을 기반으로 한 PCB 표면 결함 감지는 점점 더 어려운 연구 문제가 되고 있다. 인공 지능이 빠르게 발전함에 따라 자동 결함 감지를 위해 컨볼루션 신경망(CNN)을 활용하는 것은 PCB 표면 결함 감지를 위한 유망한 솔루션을 제공한다. 본 논문에서는 공유된 공개 데이터 세트에서 PCB 표면 결함 이미지를 훈련하고 테스트하기 위해 YOLOv8 및 YOLOv9 모델을 적용하여 이러한 모델의 PCB 표면 결함 감지 성능을 비교한다. 실험 결과에 따르면 공개 PCB 결함 데이터 세트에서 YOLOv9는 96.1%의 MAP50을 달성하여 YOLOv8과 같은 다른 주류 물체감지 알고리즘을 능가하는 것으로 나타났다. 26.2 GFLOP와 7.07×10⁶ 매개변수의 계산 부하를 입증하여 YOLOv9가 PCB 표면 결함 감지에 특히 유리해졌다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092757562
