Details

Работа посвящена исследованию многослойных керамических конденсаторов и разработке системы автоматизированного распознавания дефектов в конденсаторах. Цель работы – разработка эффективной системы мониторинга с использованием алгоритмов машинного зрения. Для достижения поставленной цени решены следующие задачи: 1. Обзор систем выявления дефектов в конденсаторах. Определение параметров, подлежащих контролю 2. Классификация дефектов конденсаторов. Создание набора данных для классификации дефектов 3. Разработка алгоритма распознавания химических и механических дефектов в конденсаторах 4. Повышение точности обнаружение дефектов путем оптимизации разработанных конфигураций программы визуального контроля для различных типоразмеров конденсаторов 5. Проведение тестирования и анализа эффективности разработанной системы в условиях реального производства В результате данной работы была разработана на языке программирования Python, обучена на подготовленном наборе данных и оптимизирована сверточная нейронная сеть. Система успешно прошла комплексную проверку на 150 образцах различных типоразмеров.

Object of study is Multilayer ceramic capacitors and automated defect detection system in capacitors. The aim is development of an effective monitoring system using machine vision algorithms. The following tasks were solved: 1. Overview of defect detection systems in capacitors. Determination of parameters to be monitored 2. Classification of capacitor defects. Creation of a dataset for defect classification 3. Development of an algorithm for recognizing chemical and mechanical defects in capacitors 4. Improving defect detection accuracy by optimizing the developed visual inspection program configurations for different capacitor sizes 5. Testing and analyzing the effectiveness of the developed system in real production conditions. As a result of the study, a convolutional neural network was developed in the Python programming language, trained on a prepared dataset, and optimized. The system successfully passed comprehensive testing on 150 samples of various sizes (from 0402 to 1206), demonstrating stable performance with both miniature and large components.

• ВВЕДЕНИЕ
• 1 Обзор систем выявления дефектов конденсаторов. Определение параметров, подлежащих контролю
  • 1.1 Анализ существующих методов контроля
  • 1.2 Классификация дефектов в конденсаторах
  • 1.3 Критерии качества (стандарты IPC-A-610, ГОСТ)
  • 1.4 Параметры для контроля дефектов керамических конденсаторов К10-69
• 2 Разработка алгоритмов распознавания дефектов и модернизация ПО
  • 2.1 Разработка нейросетевого модуля
    • 2.1.1 Выбор архитектуры нейронной сети
    • 2.1.2 Архитектура EfficientNet
    • 2.1.3 Принцип работы модели и оценка эффективности
    • 2.1.4 Использованием промежуточных параметров нейросети для расширенного анализа
  • 2.2 Интеграция нейросетевого модуля в систему контроля качества
  • 2.3 Обоснование выбора единой нейросетевой архитектуры для обнаружения всех типов дефектов
  • 2.4 Реализация безопасности данных
  • 2.5 Оптимизация энергопотребления
• 3 Оптимизация системы для различных типоразмеров конденсаторов
  • 3.1 Адаптация нейросетевого модуля
  • 3.2 Автоматический подбор порогов классификации
• 4 Внедрение и тестирование в условиях реального производства
  • 4.1 Методика тестирования
  • 4.2 Анализ полученных ошибок
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А