Earticle

초록

영어

This paper is about the design and development of a defect detection AI engine system based on deep learning that checks a PCB that passed through a screen printer during the SMT process, and if the solder cream is not applied to a specified location and at a certain height, it is considered a defective PCB and sets the defective location of the PCB as a bounding box. The types of solder cream application defects consisted of seven frequently occurring types, and defective PCBs were collected from a verification company, photographed, and a dataset was prepared. The dataset used for learning was divided into groups of Train, Validation, and Test and trained based on the RT-DETR model. As a result of the study, it was confirmed that the seven types of defects targeted were successfully detected. In the future, through field verification and advancement, it is expected to play a significant role as an AI machine vision system that identifies defects in real time for screen printing results during the SMT process.

한국어

본 논문은 딥러닝을 기반으로하여 SMT 공정 중 스크린 프린터를 통과한 PCB를 확인하여 솔더크림이 지정 된 위치에 일정한 높이로 도포되지 않은 경우 불량 PCB로 간주하고 해당 PCB의 불량 위치를 경계상자로 설정하 도록 하는 딥러닝 적용 불량검출 AI엔진 시스템 설계 및 개발에 관한 연구이다. 솔더크림 도포 불량 유형은 자주 발생되는 7가지로 구성하였으며 실증 업체로부터 불량 PCB를 수집하여 촬영하고 데이터셋을 준비하였다. 학습에 사용된 데이터셋은 Train, Validation, Test의 그룹으로 나누어 RT-DETR 모델을 기반으로 훈련시켰다. 연구 결 과 목표로 삼은 7개 유형의 결함이 성공적으로 탐지됨을 확인할 수 있었다. 이후 추가적인 현장 실증 및 고도화를 통하여 SMT공정 중 스크린 프린팅 결과물을 대상으로 실시간 불량을 식별해 내는 AI머신비전 시스템으로써 역할 을 크게 할 것으로 기대된다.

목차

요약
Abstract
1. 서론
2. 연구방법 및 내용
2.1 데이터 수집
2.2 데이터 검사 및 준비
2.3 실험 환경
2.4 레이어 구성
3. 연구 결과
3.1 결과 분석
3.2 Model performance
3.4 Model comparison
4. 논의 및 결론
REFERENCES

키워드

저자

• 김병철 [ Byung-cheol Kim | 백석대학교 컴퓨터공학부 교수 ]
• 황선민 [ Seon-min Hwang | 주식회사 비즈포스 임직원 ] Corresponding Author
• 김연지 [ Yeon-ji Kim | 주식회사 비즈포스 임직원 ]
• 김혜영 [ Hye-young Kim | 주식회사 비즈포스 임직원 ]
• 정룡득 [ Yong-deuk Jeong | 주식회사 비즈포스 임직원 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  디지털정책학회지

• 간기

  월간

• eISSN

  2951-245X

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 569 DDC 620