1. Trang chủ
  2. » Luận Văn - Báo Cáo

Xây dựng mô hình phát hiện lỗi board mạch in dùng xử lý ảnh

58 1 0
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 58
Dung lượng 2,88 MB

Nội dung

z ỦY BAN NHÂN DÂN TP HỒ CHÍ MINH TRƯỜNG CAO ĐẲNG CÔNG NGHỆ THỦ ĐỨC NGHIÊN CỨU KHOA HỌC NĂM HỌC 2018 -2019 Tên đề tài: XÂY DỰNG MÔ HÌNH PHÁT HIỆN LỖI BOARD MẠCH IN DÙNG XỬ LÝ ẢNH Mã số: Đồng chủ nhiệm đề tài: Huỳnh Văn Tuấn Trần Quốc Trung Tp Hồ Chí Minh, ngày … tháng … năm 2019 CN-BM11-QT1-QA1 MỤC LỤC - o0o MỤC LỤC DANH MỤC CHỮ VIẾT TẮT DANH MỤC BIỂU BẢNG SỐ LIỆU DANH MỤC HÌNH ẢNH Phần 1: Mở đầu: PHẦN MỞ ĐẦU Lý chọn đề tài: Mục đích nghiên cứu: 10 Đối tượng khách thể nghiên cứu: 10 Giả thuyết nghiên cứu: .10 Nhiệm vụ nghiên cứu: .10 Phương pháp nghiên cứu: 11 Phạm vi ảnh hưởng: 11 Phần 2: Nội dung: 12 CHƯƠNG 1: CƠ SỞ LÝ LUẬN 12 1.1 Cơ sở khoa học thực tiễn: 12 1.2 Tổng quan trình sản xuất bảng mạch in điện tử (SMT) tự động: 15 1.3 Các lỗi thường xảy trình sản xuất bo mạch SMT: .21 1.4 Các phương pháp kiểm tra chất lượng bo mạch SMT: 23 1.5 Tình hình nghiên cứu ngồi nước: 25 CHƯƠNG 2: THỰC TRẠNG VÀ GIẢI PHÁP CỦA VẤN ĐỀ NGHIÊN CỨU 32 2.1 Tổng quan lý thuyết nhận dạng sử dụng đề tài: 32 2.2 Phương pháp thực đề tài: .32 2.3 Trích đặc trưng: 33 2.4 Xây dựng mạng nơron nhận dạng lỗi: 35 2.5 Xây dựng mơ hình nhận dạng phân loại bo mạch điện tử SMT: .38 2.6 Sơ đồ khối: 39 CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU 42 CN-BM11-QT1-QA1 3.1 Quá trình huấn luyện ảnh liệu mẫu: 42 3.2 Quá trình học mẫu: .45 3.3 Quá trình huấn luyện: 46 3.4 Kết kiểm tra: 47 3.5 Tiến trình hoạt động hệ thống kiểm tra: 48 3.6 Một số kết sau thay đổi thống số mạng 52 Phần 3: Kết luận: 56 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN .56 TÀI LIỆU THAM KHẢO .57 CN-BM11-QT1-QA1 DANH MỤC CHỮ VIẾT TẮT - o0o PCB PCBs IC SMT : : : : Printed Circuit Board Printed Circuits Boards integrated circuit Surface Mounted Technology SMD : Surface Mount Devices AOI : Automated Optical Inspection: SPI : Solder Paste Inspection AXI : Automated X-ray Ispection: ICT : In Circuit Test FCT : Functional Testing NCKH: Nghiên cứu khoa học CN-BM11-QT1-QA1 DANH MỤC BIỂU BẢNG SỐ LIỆU - o0o Bảng 1: Kết trích đặc trưng tập ảnh mẫu 46 CN-BM11-QT1-QA1 DANH MỤC HÌNH ẢNH - o0o Hình 1: Minh họa số loại webcam 12 Hình 2: Công nhân lắp ráp điện tử đối mặt với nỗi lo sức khỏe 12 Hình 3: Máy lấy đặt linh kiện vào vị trí bo mạch điện tử (pick and place) 13 Hình 4: Các giai đoạn chế tạo bảng mạch điện tử thủ cơng 14 Hình 5: Hệ thống AOI thực tế 14 Hình 6: Sơ đồ khối trình sản xuất bảng mạch in điện tử tự động 15 Hình 7: Một loại máy quét thiếc SMP200 SAMSUNG .16 Hình 8: Một loại mặt nạ hàn SMT 16 Hình 9: Quét vệt kem hàn 16 Hình 10: Cho chổi quét di chuyển 17 Hình 11: Sản phẩm không đạt yêu cầu 17 Hình 12: Bo mạch sau quét kem hàn 18 Hình 13: Máy gắp đặt linh kiện PLACEALL R610L 18 Hình 14: Đầu hút linh kiện 19 Hình 15: Một loại máy gia nhiệt làm mát 19 Hình 16: Máy Advanced Optical Inspection (AOI) Vitrox V510i 20 Hình 17: Minh hoạ dây chuyền sản xuất bo mạch linh kiện điện tử dán SMT tự động 20 Hình 18: Vết hàn chuẩn vết hàn bị ngắn mạch 21 Hình 19: vết hàn chuẩn vết hàn bị ngắn mạch .21 Hình 20: Vết hàn chuẩn, vết hàn thiếu chì vết hàn nhiều chì 21 Hình 21: Ảnh IC lắp chuẩn .22 Hình 22: Ảnh IC lắp ngược .22 Hình 23: Ảnh đầy đủ linh kiện 22 Hình 24: Ảnh thiếu linh kiện 22 Hình 25: Dịch vị trí linh kiện 22 Hình 26: Linh kiện bị xoay góc 22 Hình 27: Mối hàn bị rạn nứt 23 Hình 28: Đường cong fillet phải đạt chuẩn .23 Hình 29: Kiểm kem hàn PCB 24 Hình 30: Kiểm tra tia xuyên thấu (tia X) 24 CN-BM11-QT1-QA1 Hình 31: Kiểm tra quang học tự động AOI .25 Hình 32: Cấu trúc tổng quát hệ thống nhận dạng mặt .26 Hình 33: Lưu đồ thuật tốn nhận dạng khn mặt 26 Hình 34: Sơ đồ hệ thống nhận dạng 27 Hình 35: Quy trình tổng quát thuật toán phát nhận dạng 28 Hình 36: Các bước xử lý trích xuất mối hàn 29 Hình 37: Kết kiểm tra linh kiện 30 Hình 38: Kết phát linh kiện K Sundaraj 30 Hình 39: Kết phát linh kiện Xibing Li and Jianjia Wang .31 Hình 40: Mơ hình mạng nơron 36 Hình 41: Nguồn sáng Led sử dụng hệ thống 38 Hình 42: Hệ thống sử dụng .39 Hình 43: Sơ đồ khối trình kiểm tra 40 Hình 44: Mở phần mềm phát lỗi bảng mạch in điện tử 42 Hình 45: Mở giao tiếp cổng com .43 Hình 46: Di chuyển webcam 43 Hình 47: Chọn độ sáng phù hợp 43 Hình 48: Chọn kích thước khung ảnh cần chụp .43 Hình 49: Khởi động webcam 43 Hình 50: Quan sát ảnh trước chụp .44 Hình 51: Chụp ảnh 44 Hình 52: Kết ảnh chụp 45 Hình 53: Chọn không chọn lưu ảnh 45 Hình 54: Tạo liệu cho tập ảnh mẫu 45 Hình 55: Mơ hình, thuật tốn q trính huấn 47 Hình 57: Đặc tuyến sai số bình phương trung bình 47 Hình 58: Tiến trình thực kiểm tra 47 Hình 59: Kết kiểm tra mẫu b1.jpg 48 Hình 60: Kết kiểm tra mẫu b10.jpg 48 Hình 61: Kết kiểm tra mẫu b14.jpg 48 Hình 62: Chọn tập sở liệu cho ứng dụng .50 Hình 63: Chọn nguồn sáng kích thước vùng cần quan sát 50 Hình 64: Điều khiển trục di chuyển camera 50 CN-BM11-QT1-QA1 Hình 65: Chọn chụp ảnh 50 Hình 66: Ảnh đặc trưng trích chọn 51 Hình 67: Mơ hình, thuật tốn q trính huấn luyện 53 Hình 68: Đặc tuyến sai số bình phương trung bình 53 Hình 69: Hệ số học  = 0,1, Epochs = 9000, MSE = 0,00002 12 nơron lớp ẩn 54 Hình 70: Hệ số học  = 0,3, Epochs = 9000, MSE = 0,00002 12 nơron lớp ẩn 55 Hình 71: Hệ số học  = 0.5, Epochs = 9000, MSE = 0,00002 nơron lớp ẩn 55 CN-BM11-QT1-QA1 Phần 1: Mở đầu: PHẦN MỞ ĐẦU Lý chọn đề tài: *Tính thời đề tài: Nhận dạng phân loại chất lượng bo mạch điện tử tốn khó lớp tốn nhận dạng thu hút nhiều quan tâm nghiên cứu nhà khoa học Đặc biệt vài năm gần đây, phát triển mạnh mẽ ngành công nghiệp sản xuất bo mạch tự động Từ đó, thiết bị dùng nhận dạng phân loại chất lượng bo mạch điện tử tự động vô cần thiết, ứng dụng nhận dạng bo mạch có nhiều ý nghĩa thực tiễn Cũng nhiều tốn nhận dạng khác, độ xác hệ thống tiếp tục cần phải cải thiện nhằm vươn tới khả nhận dạng giống người Tuy nhiên, với toán nhận dạng chất lượng bo mạch điện tử vấn đề trở nên phức tạp nhiều so với toán nhận dạng chất lượng gạo, ngủ cốc, chữ viết số sản phẩm khác, vấn đề sau đây: +Với bảng mạch điện tử có nhiều lỗi xảy ra, từ đơn giản dễ nhận dạng (như khuyết linh kiện, khuyết chì hàn, ngắn mạch ); đến lỗi phức tạp khó nhận dạng (như vết hàn không đạt chuẩn, vết hàn rạn nứt, linh kiện không phù hợp…) +Với loại bảng mạch điện tử khác nhau, có tiêu chuẩn kỹ thuật, kích thước khác +Một số yếu tố ảnh hưởng khách quan khác mơi trường, ánh sáng… * Tính cấp thiết đáp ứng nhu cầu phát triển kinh tế - xã hội, nâng cao chất lượng đào tạo Các nước giới đầu tư tiền chất xám cho việc nghiên cứu sáng chế board mạch điện tử tự động liên tục từ năm 1976 đến Tuy nhiên, việc sản xuất bo mạch điện tử tự động thường có nhiều lỗi kỹ thuật, dây chuyền sản xuất hàng loạt Và Việt Nam, có đề tài ngun cứu giải pháp kiểm tra chất lượng hàn chì bo mạch điện tử Xuất phát từ nhu cầu thực tế tính cấp thiết đề tài Việt Nam, nên nhóm tác giả định nghiên cứu thực đề tài Trên sở lý CN-BM11-QT1-QA1 thuyết xử lý ảnh điều khiển thơng minh, nhóm tác giả áp dụng điều khiển cho hệ thống tự động kiểm tra lỗi phân loại bo mạch điện tử, dựa số tiêu chuẩn chất lượng cho trước Hiện nay, hệ thống tự động nghiên cứu ứng dụng rộng rãi hầu hết lĩnh vực Nhưng hệ thống xuất Việt Nam vài năm gần dạng nhập nguyên khối, chưa nghiên cứu ứng dụng làm mô hình giảng dạy theo hướng tiếp cận thực tế… Xuất phát từ thực tiễn ấy, đề tài nghiên cứu nhằm ứng dụng hệ thống tự động hóa phục vụ công tác giảng dạy phong phú hơn, cung cấp cho sinh viên trường Cao Đẳng Công Nghệ Thủ Đức tiếp cận với công nghệ đại này, qua sinh viên có nhìn trực quan, nắm rõ nguyên lý hoạt động hệ thống để áp dụng vào thực tiễn sống sau trường Mục đích nghiên cứu: - Mục tiêu đề tài nghiên cứu sở lý thuyết xây dựng mơ hình thực nghiệm nhận dạng lỗi board mạch in dùng xử lý ảnh Đối tượng khách thể nghiên cứu: Tác giả tiến hành nghiên cứu nguyên lý giải thuật điều khiển hệ thống nhận dạng lỗi board mạch in, thi cơng mơ hình, viết tài liệu hướng dẫn sử dụng mơ hình Giả thuyết nghiên cứu: Kiểm tra phát lỗi board mạch in sau cắm để xác nhận chất lượng xác định mạch điện cấp điện hay khơng yêu cầu cụ thể cần thiết Kiểm tra quang học tự động tình trạng thực tế chất lượng bảng mạch điện tử Kiểm tra chất lượng bên mối hàn, tình trạng cắm, đọc giá trị, đọc nhãn đọc mã vạch Nhiệm vụ nghiên cứu: Nghiên cứu phương pháp trích đặc trưng ảnh dựa vào thành phần có bảng mạch in điện tử Nghiên cứu xây dựng sở liệu cho mạng nơron lan truyền thẳng nhằm ứng dụng cho trình nhận dạng mẫu Thực mơ kết phần mềm Matlab CN-BM11-QT1-QA1 10 Cửa sồ giao diện phần mềm hệ thống nhận dạng phân loại bo mạch điện tử SMT Hin ̀ h 50: Quan sát ảnh trước chụp Hình 51: Chụp ảnh CN-BM11-QT1-QA1 44 Hin ̀ h 52: Kết ảnh chụp Hin ̀ h 53: Chọn không chọn lưu ảnh 3.2 Quá trình học mẫu: Các ảnh mẫu sau thu thập trích đặc trưng tạo thành tập liệu mẫu để đưa qua mạng học huấn luyện, cho việc kiểm tra sau Hin ̀ h 54: Tạo liệu cho tập ảnh mẫu Dữ liệu trích từ tập ảnh huấn luyện sau: CN-BM11-QT1-QA1 45 Bảng 1: Kết trích đặc trưng tập ảnh mẫu 3.3 Quá trình huấn luyện: Từ tập ảnh mẫu chọn, đặc trưng trích để tạo thành tập sở liệu mẫu với vector ngõ vào ngõ mong muốn tương ứng Quá trình huấn luyện điều chỉnh trọng số liên kết nơron mạng đến đạt kết huấn luyện mong muốn Thực nghiệm huấn luyện mạng với 12 nơron lớp ngõ vào, 12 nơron lớp ẩn, nơron lớp ngõ Hệ số học  = 0,5 Mục tiêu huấn luyện MSE = 0,00002 (2.10-5) Chu kỳ huấn luyện (Epochs) = 9000 Thuật toán huấn luyện: Gradient descent CN-BM11-QT1-QA1 46 Hin ̀ h 55: Mơ hình, thuật tốn q trính huấn Hin ̀ h 56: Đặc tuyến sai số bình phương trung bình 3.4 Kết kiểm tra: Nếu ngõ O1 cho kết ngõ O2 cho kết cho kết tốt Nếu ngõ O1 cho kết ngõ O2 cho kết cho kết lỗi Ảnh đầu vào Ảnh xám Trích đặc trưng P(a,p,c,h,w,l,b,i,v,s,d,u) Mạng nơron Tốt Lỗi Kết luận Hình 57: Tiến trình thực kiểm tra Kết thử nghiệm với ảnh tập mẫu, mạng phân loại xác 100% CN-BM11-QT1-QA1 47 Hình 58: Kết kiểm tra mẫu b1.jpg Hin ̀ h 59: Kết kiểm tra mẫu b10.jpg Kết thử nghiệm ảnh tập mẫu, số ảnh không phân loại sau mẫu học huấn luyện lại mạng, kết mạng phân loại xác Hình 60: Kết kiểm tra mẫu b14.jpg 3.5 Tiến trình hoạt động hệ thống kiểm tra: Hệ thống hoạt động dựa sở liệu chứa ảnh mẫu (ảnh chứa đầy đủ thành phần linh kiện ảnh bị khuyết điểm) Người vận hành lưu trữ ảnh mẫu CN-BM11-QT1-QA1 48 cách chụp ảnh dựa bảng mạch mẫu, sau ảnh tập ảnh mẫu trích đặc trưng huấn luyện mạng nơron lan truyền thẳng Dựa vào mạng nơron kết cuối đưa ra, bảng mạch cần kiểm tra có giống bảng mạch lưu trữ sơ liệu hay khơng Q trình huấn luyện mạng nơron Mạng nơron huấn luyện lại lần có ảnh mẫu (chẳng hạn ảnh có thêm linh kiện có khuyết điểm mới) thêm vào sở liệu Tập huấn luyện tạo cách lấy ảnh tốt ảnh lỗi từ sở liệu kết hợp chúng để có tập ảnh với tất lỗi để nhận dạng Các ảnh tập mẫu sau trích đặc trưng cách sử dụng biểu thức Việc trích đặc trưng có ý nghĩa quan trọng ảnh hưởng trực tiếp tới kết nhận dạng hệ thống Nó sử dụng làm đầu vào cho mạng nơron Mạng nơron dựa vào tập huấn luyện để nhận dạng lỗi bảng mạch cần kiểm tra Tiến trình kiểm tra: học ảnh mẫu, huấn luyện kiểm tra Học ảnh mẫu huấn luyện:  Chọn Reset X-Y trả hệ trục tọa độ gốc  Cố định bảng mạch giá đỡ  Xác định vị trí cần quan tâm: - Chọn kích thước vùng cần quan tâm - Nhấn nút Up , Down , Left , Right   Xác định tọa độ: nhấn nút Sample  Chọn Sample di chuyển camera tới vị trí lấy mẫu  Chọn biểu tưởng Snapshot để chụp ảnh mẫu  Chọn File\Save để lưu lại ảnh (lưu tất ảnh mẫu vào thư mục) để thuận tiện cho q trình đọc file trích đặc trưng  Quá trình chụp ảnh mẫu nên lập lại nhiều lần để có nhiều ảnh mẫu cho sở liệu  Xác định ngõ mong muốn, chọn Learning để học mẫu  Thiết lập thông số cần thiết, chọn Training để huấn luyện mạng Thu nhận ảnh kiểm tra:  Chọn Reset X-Y trả hệ trục tọa độ gốc  Cố định bảng mạch giá đỡ CN-BM11-QT1-QA1 49  Chọn biểu tượng Test để hệ thống bắt đầu kiểm tra thông báo kết Các bước thực trình kiểm tra Chạy chương trình ứng dụng, phần mềm tự động phát camera kết nối Chọn mục Camera Input lựa chọn camera kết nối Chọn File\Load Mat file lựa chọn tập tin sở liệu bảng mạch cần kiểm tra Hin ̀ h 61: Chọn tập sở liệu cho ứng dụng Chọn nguồn sáng thích hợp vùng cần quan sát Hình 62: Chọn nguồn sáng kích thước vùng cần quan sát Điều khiển di chuyển camera đến vị trí cần lấy mẫu Hiǹ h 63: Điều khiển trục di chuyển camera Chụp lưu ảnh vào thư mục cần thiết để tạo sở liệu Hiǹ h 64: Chọn chụp ảnh CN-BM11-QT1-QA1 50 Hình 65: Ảnh đặc trưng trích chọn Xác định ảnh mẫu True False chọn Learning để học mẫu Hình 66: Thiết lập thơng số học huấn luyện cho ứng dụng Cơ sở liệu xây dựng trình lựa chọn mẫu sau chụp tất ảnh mẫu tạo sở liệu sau Sau học tất mẫu, thiết lập thơng số cần thiết hình 3.41 chọn Training để huấn luyện mạng Quá trình kiểm tra thực tương tự kết thông báo Good Fail Từ kết thực nghiệm rút số kết luận:  Hệ thống có độ xác cao có tập ảnh mẫu đủ tốt (nhiều ảnh mẫu với nhiều trường hợp lỗi khác nhau)  Mạng cần huấn luyện nhiều lần để tìm trọng số liên kết nơron cho kết xác tính tổng qt hóa cao  Trong điều kiện nghiên cứu đề tài việc xây dựng tập sở liệu gặp nhiều khó khăn (khơng có nhiều bảng mạch mẫu thực, bảng mạch mẫu kiểm tra lắp cách thủ công nên có khác biệt lớn) CN-BM11-QT1-QA1 51  Kết kiểm tra ảnh có tập mẫu kết 100% mạng nhận dạng lỗi vết chì hàn linh kiện bị  Đối với ảnh nằm tập mẫu có bố cục điều kiện bên ngồi khơng có nhiều khác biệt 90% mạng phân loại phụ thuộc vào yêu cầu kết luận (điều kiện kiểm tra ngõ mạng)  Đối với ảnh nằm ngồi tập mẫu có bố cục điều kiện bên ngồi khác q nhiều (hệ trục di chuyển khơng vị trí, bảng mạch dơ) mạng phân loại khơng xác Điều kiện kiểm tra ngõ mạng kết luận:  Nếu ngõ nằm khoảng 0,7 < Yout < 1,3 xem  Nếu ngõ nằm khoảng -0,3 < Yout < 0,3 xem  Nếu ngõ nằm khoảng xem không phân loại Để cải thiện kết kiểm tra mạng cần lưu ý:  Có thể khởi động huấn luyện lại mạng, lần huấn luyện lại mạng tạo tập thông số khác cho kết tốt  Có thể tăng dần số nơron lớp ẩn, nhiều nơron lớp ẩn cho mạng linh hoạt mạng có nhiều thơng tối ưu hóa số nơron lớp ẩn lớn nhiều thời gian huấn luyện  Có thể thay đổi thuật tốn huấn luyện mạng  Cuối cùng, thêm liệu cho mạng, cung cấp liệu bổ sung cho mạng có nhiều khả mạng có tính tổng qt tốt với liệu 3.6 Một số kết sau thay đổi thống số mạng Từ tập ảnh mẫu chọn, đặc trưng trích để tạo thành tập sở liệu mẫu với vector ngõ vào ngõ mong muốn tương ứng Quá trình huấn luyện điều chỉnh trọng số liên kết nơron mạng đến đạt kết huấn luyện mong muốn Thực nghiệm huấn luyện mạng với 12 nơron lớp ngõ vào, 12 nơron lớp ẩn, nơron lớp ngõ Hệ số học  = 0,5 CN-BM11-QT1-QA1 52 Mục tiêu huấn luyện MSE = 0,00002 (2.10-5) Chu kỳ huấn luyện (Epochs) = 9000 Thuật tốn huấn luyện: Gradient descent Hình 67: Mơ hình, thuật tốn q trính huấn luyện Hin ̀ h 68: Đặc tuyến sai số bình phương trung bình Kết kiểm tra lại tập liệu vào outputs = Columns through 10 CN-BM11-QT1-QA1 53 -0.0027 0.0003 0.9988 0.0004 0.9978 0.9997 -0.0003 0.9999 0.9983 0.0067 0.0004 0.9802 0.9994 -0.0012 - 0.0008 1.0023 1.0008 0.0017 -0.0001 0.9996 1.0039 1.0004 1.0057 0.9999 -0.0014 -0.0002 -0.0035 errors = 0.0002 0.0025 -0.0002 0.0198 0.0006 0.0012 0.0003 -0.0008 -0.0023 -0.0008 -0.0017 0.0001 0.0004 Columns 11 through 16 1.0104 1.0006 Columns through 10 0.0027 -0.0003 0.0004 0.0022 0.0003 0.0012 0.0017 -0.0067 -0.0004 0.0001 Columns 11 through 16 -0.0104 -0.0006 -0.0039 -0.0004 -0.0057 0.0001 0.0014 0.0002 0.0035 -0.0002 -0.0025 Khi thay đổi thống số mạng 0.0002 Hiǹ h 69: Hệ số học  = 0,1, Epochs = 9000, MSE = 0,00002 12 nơron lớp ẩn CN-BM11-QT1-QA1 54 Hiǹ h 70: Hệ số học  = 0,3, Epochs = 9000, MSE = 0,00002 12 nơron lớp ẩn Có thể nhận thấy hệ số học lớn làm tăng tốc độ học, dẫn đến tình trạng q điều chỉnh lớn Trong trình thực nghiệm với tập liệu mẫu hình 3.14 khơng thay đổi số nơron lớp ẩn (12 nơron) hệ số học () khơng nhỏ 0,5 chu kỳ huấn luyện (epochs) không vượt 7000 nên đề tài chọn chu kỳ huấn luyện 7000 Đối với hệ số học (), để tránh gây tình trạng điều chế nên đề tài chọn hệ số học Hình 71: Hệ số học  = 0.5, Epochs = 9000, MSE = 0,00002 nơron lớp ẩn Với nơron lớp ẩn nơron mạng chưa đạt kết huấn luyện chu kỳ huấn luyện 9000 Để đảm bảo cho việc hội tụ mạng đề tài chọn số nơron lớp ẩn 12 nơron CN-BM11-QT1-QA1 55 Phần 3: Kết luận: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN *Kết luận: Qua tháng thực đề tài, công việc giảng dạy nhiều chủ nhiệm đề tài cố gắng hoàn thành đề tài thời hạn Đề tài tủ điều khiển động từ xa điện thoại di động đạt số kết sau: +Xây dựng phương pháp trích đặc trưng ảnh dựa vào bố cục thành phần có bảng mạch in điện tử +Xây dựng mạng nơron lan truyền thẳng nhiều lớp, mô phần mềm Matlab +Xây dựng mơ hình thực chương trình ứng dụng để phát lỗi bảng mạch in điện tử Mặc dù đề tài đạt kết bước đầu đề Tuy nhiên, đề tài số vấn đề cần giải kết phát lỗi xác *Hướng phát triển đề tài: Nhằm nâng cao chất lượng đảm bảo độ an tồn thiết bị đề tài mở rộng thêm: + Phát phân loại nhiều dạng lỗi bảng mạch điện tử + Có thêm hệ thống nhiều camera quan sát CN-BM11-QT1-QA1 56 TÀI LIỆU THAM KHẢO *TIẾNG VIỆT: Trương Quốc Bảo, Trương Hùng Chen Trương Quốc Định, “Phát nhận dạng biển báo giao thông đường sử dụng đặc trưng HOG mạng nơron nhân tạo”, Trường Đại học Đại học Cần Thơ, Tạp chí khoa học, 2015 Vũ Mạnh Hùng, “Nhận dạng mặt người sử dụng đặc trưng PCA”, Học viện bưu viễn thơng, Luận văn thạc sỹ, 2013 Phùng Văn Kiệm, “Tìm hiểu mạng Neural Hamming ứng dụng toán nhận dạng chữ Tiếng Việt”, Trường Đại học CNTT & TT Đại học Thái Nguyên, Luận văn thạc sỹ, 2013 Huỳnh Hữu Lộc, Lưu Quốc Hải, Đinh Đức Anh Vũ, Nhận chữ viết tay dùng rút trích thơng tin theo chiều mạng nơron, Science & Technology Development, Vol 14, No.K2- 2011 Huỳnh Ngọc Lộc, Nhận dạng biển báo giao thông sơ sử dụng lọc gabor mạng nơron, Đại Học Đà Nẵng, 2013 Ngô Văn Sỹ, Nhận dạng ký tự quang học mạng nơron, Tạp chí khoa học công nghệ, Đại Học Đà Nẵng số 4(27), 2008 *TIẾNG NƯỚC NGOÀI: K Sundaraj, PCB Inspection for Missing or Misaligned Components using Background Subtraction, May 2009 K Sundaraj, PCB Inspection for Missing or Misaligned Components using Background Subtraction, Information Science and Applications, May 2009 Zhou Zeng, LiZhuang Ma and ZuoYong Zheng, Extracting PCB components based 10 on color distribution of highlight areas, Advanced Materials Research, vol 97-101 pp 2940-2943, February 2010 Mar, Nang Seng Siri and Fookes, Clinton and Prasad, Automatic Solder Joint 11 Defect Classification using the Log-Gabor Filter, K.D.V Yarlagadda 2010 Sanveer Singh, Manu Bharti, Image Processing Based Automatic Visual Inspection System for PCBs, June 2012 12 Xibing Li and Jianjia Wang, Defect Detection of SMT Electronic Modules, Natural Sciences Publishing Cor, Mar 2013 CN-BM11-QT1-QA1 57 *Tài liệu từ internet: 13 http:// vietnamese laserpcbdepanelingmachine Com /sale -10456378 - computercontrol- smt-aoi- inspection-machine-for-2-8mm-pcb-smtfly-27x.html 14 http://www laprapdientu vn/ho-may- kiem-tra- inspectors _ p1_1-1_2-1_3-602_4- 435_9-2_11-10_12-1_13-6.html 15 https:// vietnamese alibaba com/ product -gs/pcb –automatic –optical -inspectionmachine –aoi -1611354305 html 16 http:// lidinco.com/product/ 3d-in-line-advanced-x-ray-inspection-system-axi-6/ CN-BM11-QT1-QA1 58

Ngày đăng: 13/10/2023, 15:35

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w