PCB를 코팅하는 과정에서 기포가 발생하면 회로 오작동의 원인이 되기 때문에 기포 검출은 컨포멀 코팅 검사에서 매우 중요한 작업이다. 이전 연구에서는 기포의 밝기 특성을 이용하여 기포의 후보를 추출하고, 합성곱 신경망(CNN: Convolutional Neural Networks)을 이용하여 추출된 후보를 검증하였다. 본 논문에서는 전이학습 기반의 합성곱 신경망 모델을 이용하여 기포를 검출하는 방법을 제안한다. 이를 위해 합성곱 신경망 모델로 VGGNet을 사용하고, 분류층(Classification Layer)으로 시그모이드(Sigmoid)를 적용하였으며, 마지막 합성곱층(Convolutional Layer)과 분류층을 함께 학습하는 전이학습 방법을 적용하였다. 제안하는 방법의 기포 검출 성능은 F1-score 0.9044로서 이전 연구 대비 약 0.17의 개선 효과를 나타내었다.
Air bubbles which may be generated during the PCB coating process can be a major cause of malfunction. so it is necessary to detect the bubbles in advance. In previous studies, candidates for bubbles were extracted using the brightness characteristics of bubbles, and the candidates were verified using CNN(Convolutional Neural Networks). In this paper, we propose a bubble detection method using a transfer learning-based CNN model. The VGGNet is adopted and sigmoid is used as a classification layer, and the last convolutional layer and classification layer are trained together when transfer learning is applied. The performance of the proposed method is F1-score 0.9044, which shows an improvement of about 0.17 compared to the previous study.
This work was supported by IMPEC Enterprise Co., Ltd. This work was supported by the Technology development Program(S3142665) funded by the Ministry of SMEs and Startups(MSS, Korea)
참고문헌
D. Lee, S. Cho, K. Jung and D. Kang, "A problematic bubble detection algorithm for conformal coated PCB using convolutional neural networks", Journal of Broadcast Engineering, Vol 26, No.4, pp.409-418, July 2021.https://doi.org/10.5909/JBE.2021.26.4.409
Karen Simonyan, Andrew Zisserman, "Very deep convolutional networks for large-scale image recognition", arXiv:1409.1556, pp.1-14, 2015.
J. Deng, W. Dong, R. Socher, L. J. Li, K. Li, and Li Fei-Fei, "ImageNet: A large-scale hierarchical image database," IEEE Conference, Computer Vision and Pattern Recognition, Miami, USA, pp. 248-255, June 2009.