인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
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.
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
