Earticle

초록

영어

This study investigates object detection models for real-time detection of missing solder paste defects in SMT processes. Using 6,724 high-resolution PCB images, YOLOv10 and RT-DETR were trained under identical conditions. YOLOv10-L and RT-DETR-L achieved mAP@0.5 values of 0.748 and 0.809, with inference times of 11.4 ms/image and 10.0 ms/image, respectively. RandAugment improved RT-DETR-L's mAP@0.5 to 0.973, while confusion matrix analysis showed correct prediction ratios of 0.96 or higher across all defect classes. These results demonstrate the feasibility of a cost-effective AI inspection system that can complement expensive solder paste inspection (SPI) equipment. Future work will focus on edge-device deployment for real-time SMT inspection.

한국어

본 연구는 SMT 공정의 스크린 프린팅 단계에서 발생하는 PCB 솔더 페이스트 미도포 결함을 실시간으로 검출하기 위한 딥러닝 기반 객체 검출 모델의 적용 가능성을 분석하고자 수행되었다. 실제 SMT 제조 현장에서 수집한 고해상도 PCB 이미지를 전처리하여 총 6,724장의 데이터셋을 구축하고, YOLOv10과 RT-DETR을 동일한 조건에서 학습하여 성능을 비교하였다. 실험 결과 YOLOv10-L은 mAP@0.5 0.748, RT-DETR-L은 0.809를 기록하였으며, 추론 시간은 각각 11.4 ms/image와 10.0 ms/image로 실시간 적용 가능성을 확인하였다. RT-DETR-L에 데이터 증강을 적용한 결과 RandAugment에서 mAP@0.5가 0.973으로 향상되었으며, Confusion Matrix 분석 결과 모든 클래스의 정답 예측 비율이 0.96 이상으로 나타났다. 본 연구는 고가의 SPI 장비를 보완할 수 있는 저비용 AI 검사 시스템의 가능성을 제시하며, 향후 엣지 디바이스 기반 실시간 검사 시스템으로 확장하고자 한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 PCB 결함 검출
2.2 객체 검출 기반 PCB 결함 검출
3. 연구 방법
3.1 객체 검출 모델
3.2 데이터셋 구축 및 전처리
3.3 데이터 증강
3.4 실험 환경 및 학습 설정
4. 실험 결과 및 고찰
4.1 객체 검출 모델 성능 비교
4.2 데이터 증강에 따른 성능 비교
4.3 결과 고찰
REFERENCES

키워드

저자

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

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  디지털정책학회지

• 간기

  월간

• eISSN

  2951-245X

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 569 DDC 620