DOI:
https://doi.org/10.14483/22484728.14619Publicado:
2017-11-28Número:
Vol. 11 Núm. 2 (2017)Sección:
Visión InvestigadoraArtificial neuronal networks for optical inspection in PCB quality control
Redes neuronales artificiales para inspección óptica en control de calidad de PCB
Palabras clave:
Artificial vision, artificial neural networks, automatic optical inspection, printed circuit board, quality management (en).Palabras clave:
Visión artificial, redes neuronales artificiales, inspección óptica automática, placa de circuito impreso, gestión de calidad (es).Descargas
Resumen (en)
This paper is the result of the research work on the application of an artificial neural network algorithm applied in decision making in the process of AIO (Automatic Optical Inspection) for quality control from an electronic prototyping company, generating models for the assurance of Quality in the PCB (Printed Circuit Board) product, covering the fields of decision making, quality management, production processes, neural computer systems and artificial vision among others. It is intended to develop an algorithm of artificial neural networks that provides an approach to human recognition and perception when performing a quality inspection of the final product, based on image analysis and recognition. It is presented the theoretical concepts explored and the results obtained. Initially a problem definition was made to model, then the data processing was performed, the artificial neural network model was selected to be applied, then the relevant adjustments made to the model to finally obtain a simulation and validation of the same
Resumen (es)
Este trabajo es resultado de la investigación sobre la aplicación de un algoritmo de red neuronal artificial aplicado en la toma de decisiones en el proceso de AIO (Automatic Optical Inspection) para el control de calidad de una empresa de prototipado electrónico, generando modelos para garantizar la Calidad en el Producto de PCB (Printed Circuit Board), que abarca los campos de la toma de decisiones, la gestión de calidad, los procesos de producción, los sistemas informáticos neuronales y la visión artificial, entre otros. Su objetivo es desarrollar un algoritmo de redes neuronales artificiales que proporcione un enfoque para el reconocimiento y la percepción humana al realizar una inspección de calidad del producto final, basado en el análisis y reconocimiento de imágenes. Se presentan los conceptos teóricos explorados y los resultados obtenidos. Inicialmente se hizo una definición de problema para modelar, luego se realizó el procesamiento de datos, se seleccionó el modelo de red neuronal artificial para su aplicación, luego se realizaron los ajustes pertinentes al modelo para finalmente obtener una simulación y validación de los mismos.
Referencias
[2] X. Basogain, “Redes neuronales artificiales y sus aplicaciones, escuela superior de ingeniería de Bilbao” February 20th 2017 [Online] Available: http://www.ciberesquina.una.edu.ve:8080/2014_2/350_E.pdf
[3] P. Priore, D. de la Fuente, R. Pino, J. Puente, “Utilización de las Redes Neuronales en la toma de decisiones. Aplicación en un problema de secuenciación” anales de mecánica y electricidad”. noviembre-diciembre, 2002, p. 28.
[4] H. Vega, “Redes neuronales para el reconocimiento de la calidad morfológica de mangos exportables para la empresa Biofruit del Perú S.A.C”. February 20th 2017 [Online] Available: http://cybertesis.unmsm.edu.pe/bitstream/cybertesis/1521/1/Vega_hh.pdf
[6] R. Pino, A. Gómez, N. Abajo, 2001, “Introducción a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación evolutiva”, Universidad de Oviedo servicio de publicaciones.
[7] Cubas Glenn G, Borre del rio O, 2007, Estudio y aplicaciones de las redes ART (Teoría de la resonancia adaptativa), Universidad Tecnológica de Bolívar, p. 71.
[8] Cubas Glenn G, Borre del rio O, 2007, Estudio y aplicaciones de las redes ART (Teoría de la resonancia adaptativa), Universidad Tecnológica de Bolívar, p. 82.
[9] S. H. Indera Putera and Z. Ibrahim, “Printed Circuit Board Defect Detection Using Mathematical Morphology and MATLAB Image Processing Tools”, ICINT 2010, Shanghai, China, https://doi.org/10.1109/ICETC.2010.5530052
[10] M. Moganti, F. Ercal, C. H. Dagli and S. Tsunekawa “Automatic PCB inspection algorithms: A survey”, Computer Vision and Image Understanding, vol.63, no.2, 1996, https://doi.org/10.1006/cviu.1996.0020
[11] R. Heriansyah, S.A.R Al Attas, and M.M. Ahmad Zabidi, “Segmentation Of PCB Image into Simple Generic Pattern using Mathematical Morphology And Windowing Technique‟, CoGRAMM Melaka, Malaysia, 2002.
[12] R. Heriansyah. ‟Classification of Defect on Bare PCB using Neural Network Technique‟, Master Thesis, Universiti Teknologi Malaysia, 2004.
[13] Hara, Y., Akiyama, N. and Karasaki, K. “Automatic Inspection System for Printed Circuit Boards.” IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. PAMI-5. No. 6. 623 – 630, https://doi.org/10.1109/TPAMI.1983.4767453
[14] Wu, Wen-Yen, Mao-Jiun, J. Wang and Chih-Ming, Liu. “Automated Inspection of Printed Circuit Boards Through Machine Vision.” Computers in Industry. vol. 28. Issue 2. 103 – 111, 1996.
.png)
.jpg)
