230626 첫 과제 : 관련 논문 분석을 통한 배경지식 습득
[논문 1]
-전자 제조업에서 PCB 조립과정 중 발생하는 기포를 탐지하는 것은 중요하다.
-Faster R-CNN 객체검출 architecture을 활용하여 PCB 복사 코팅 과정에서 기포 결함을 탐지할 수 있다.
-결과적으로 최종 정확도는 73%~81% (그리 높은 수준의 검출율은 아님)
-이후 이미지 전처리 기술과 Faster R-CNN을 결합하여 모델 지표를 개선할 수 있는 가능성 존재
-딥러닝 알고리즘을 베이스로 한 AOI 도입 과정에서 air bubble 탐지를 위한 자동화 시스템을 제공하는 것이 목표이다.
(AOI : Automated Optical Inspection, 자동 광학 검사)
[논문 2]
-Conformal Coating : 습기, 먼지, 온도변화 등의 외부 요인으로부터 PCB를 보호하는 기술. PCB에 아크릴, 실리콘, 우레탄, 파틸렌 등의 용액을 사용하여 25-250㎛ 두께의 얇은 막을 도포하는 작업을 말함
-영상신호처리를 적용하여 고위험군의 문제성 기포 검출 알고리즘을 제안
-기포는 가시광 영상에서는 보이지 않고, UV 광원 아래에서는 육안으로 식별 가능
-문제가 되는 기포의 중심은 밝기가 어둡고, 테두리는 높은 밝기의 특징을 가짐. 즉 두가지 특징이 동시에 나타나면 문제성 기포의 후보임
-후보 검증 단계에서는 CNN / ResNet 사용
-전체적인 흐름은 Conformal Coating 영상이 입력되면 Blurring을 적용하고, Multi Otsu등을 사용하여 이진화 임계값을 구한다. 이 과정으로 문제성 기포의 후보를 구한 후 ResNet을 이용하여 검증한다
(후보 검증을 위해 CNN model은 VggNet, ResNet, NasNet을 사용하였는데 ResNet이 가장 결과가 좋았다)
-Conformal Coating 시스템과 기포검출 알고리즘을 결합하여 PCB 코팅단계에서 코팅 품질을 전수 자동검사할 수 있는 자동화의 가능성을 제시한 논문이다
[논문 3]
-변화하는 밝기 속에서 '유효 밝기'라는 기준에 근거하여 적합도를 자동으로 판단하겠다
-Conformal Coating 용액에는 UV에 반응하는 형광성 물질이 포함되어 있어, UV 광원의 세기에 따라 획득되는 영상의 밝기가 달라진다
-또한 획득되는 영상의 밝기는 Conformal Coating의 두께에도 종속적이다
-따라서 영상의 적합도를 판별하기 위해 방해요소와 비코팅영역을 제외한 '유효 밝기'라는 개념을 도입하여, Conformal Coating된 PCB의 기포 검사를 위해 적합한 영상을 선택하는 방법을 제안한 논문이다
