메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학위논문
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보

(충북대학교, 충북대학교 일반대학원)

표지

이용 6

검색

    초록·키워드

    The inspection machine in SMT (surface mount technology) line detects the assembly defects such as missing, misalignment, loosing, or tombstone. We propose a new method to classify the defect types of chip components by processing the image of PCB. Two original images are obtained from horizontal lighting and vertical lighting. The image of the component is divided into two soldering regions and one packaging region. The features are extracted by appling the PCA (principle component analysis) to each region. The MLP (multilayer perceptron) and SVM (support vector machine) are then used to classify the defect types by learning. The experimental results are presented to show the usefulness of the proposed method.

    목차

    1. Ⅰ. 서 론 1
      1.1 연구배경 1
      1.2 SMT 라인 자동검사기 2
      1.3 부품 불량 유형 5
      1.4 기존 불량 판별 연구 7
      1.5 연구 목적 12
      1.6 논문 구성 13
      Ⅱ. 시스템 구성 10
      2.1 시스템 구성 14
      2.2 영상 획득 16
      2.3 영역 분리 19
      Ⅲ. 특징 추출 및 학습 21
      3.1 PCA 24
      3.2 MLP 26
      3.3 SVM 28
      3.4 특징 추출 및 학습 법 30
      3.4.1 PCA 특징 추출 30
      3.4.2 신경회로망 설계 33
      3.4.3 SVM 설계 30
      Ⅳ. 실험 결과 35
      4.1 실험환경 35
      4.2 전체 영상 실험 결과 37
      4.3 부분 영상 실험 결과 40
      4.4 종합비교 43
      Ⅴ. 결 론 45
      참고문헌 또는 인용문헌 46

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      260917_DBpiaAI뷰어2
      260604_KRpiaAI