직렬형 컨볼루션 신경망에 의한 전자 부품 조립 불량 분류 방법

Q: 이 논문에서 정의한 직렬형 CNN이란 무엇인가?

여러 개의 CNN 분류 네트워크를 직렬로 연결하여 불량을 분류하는 구조다. 첫 번째 네트워크에서 정상, 위치 불량, 기타 불량으로 대분류를 수행한 뒤, 분류된 결과에 따라 후속 네트워크에서 세부적인 소분류 과정을 거쳐 불량 유형을 최종적으로 결정하는 방식이다.

Q: 전자 부품 불량 분류에서 직렬형 CNN 구조가 갖는 효과는 무엇인가?

연구 결과, 단일 네트워크 방식보다 높은 분류 정확도를 보였다. 특히 대분류 후 소분류로 이어지는 단계적 구조를 통해 위치 불량과 기타 불량의 구분 능력이 향상되었으며, 데이터 증가 기법을 병행하여 학습 데이터 불균형 문제를 효과적으로 완화하였다.

류종현; 박태형

학술대회자료

저자정보: 류종현 (충북대학교) 박태형 (충북대학교)

저널정보: 대한전기학회 정보 및 제어 논문집 대한전기학회 CICS´ 18 정보 및 제어 학술대회

오류 신고하기

피인용 0

검색

초록·키워드

본 논문은 자동 광학 검사 장비(AOI, Automatic Optical Inspection)으로부터 촬영한 전자 부품 이미지를 사용하여 전자 부품의 불량을 분류하는 연구에 관한 것이다. 인쇄 회로 기판(PCB, Printed Circuit Board)에 ... 전체 초록 보기

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2019-560-000084253

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료