딥러닝(CNN) 이용한 PCB 불량 검출 시스템 설계 및 구현

Abstract

2013년 산업통산자원부에서 발표한 보고서에 따르면 제조업의 인건비 비율이 60%이상이 되는, 고정지출 중 가장 높은 비율을 차지하고 있고. 2021년 현재도 높은 비율로 인건비는 계속 상승하고 있다 그럼 에도 계속되는 국제 간의 무역전쟁 속에서 저렴한 인건비를 찾아 나선 많은 제조업체들이 자국으로 이전하는 추세이며 인건비를 줄이며 제품의 품질을 높일 수 있는 공장 자동화와 많은 투자가 이루어지는 추세이다. 하지만 중소기업에 비해 안정적인 수익 구조를 가진 대기업은 매년 수익의 많은 부분을 설비에 투자를 하는 반면 중소기업은 대기업에 비해 그 비율이 적을 수밖에 없고 결과적으로 중소기업은 대기업보다 높은 불량률과 높은 인건비 비율을 보이고 있는 상황이다. 이러한 이유로 이번 연구를 통해 항상 일정하고 정확하게 작업물의 불량을 검사하고 찾아 낼 수 있는 영상처리 시스템을 설계하고 연구해 볼 것이다.

본 연구에서는 대부분의 제조업에서 적용되는 PCB 조립 과정에서의 불량을 검출하는 시스템을 개발한다. 다양한 패턴과 불규칙적인 케이블 등의 다양한 외부 요소들 때문에 기존의 영상처리 기법으로는 PCB 조립 불량 검출에 적용하기에 한계를 보이지만, 딥러닝 기법의 급진적인 발전을 통해 더 높은 정확도의 가능성을 증명해 보이고자 한다.

또한 다양한 영상처리기법의 연구를 통해 딥러닝 동작 전에 판단하고자 하는 대상의 이미지를 조금 더 정확하게 표현하고, 특별히 판단이 필요 하지 않은 부위의 이미지를 단순화시키는 작업을 할 것이다.

이번 연구에서는 딥러닝 기법 중에 CNN 방식을 사용하였으며 간단한 구조로 이해와 변형이 쉬우며 파라미터의 개수를 줄이고 학습 스킬 횟수를 줄여 효율을 증가시킬 수 있는 VGGNet 기반으로 설계하였고, 모니터 AD Board 의 두 종류의 커넥터의 조립성을 판단함으로써 해당 분야에 적용 가능성을 판단 할 것이며, 전처리동작을 추가 시킨 시스템 에서의 정확도를 비교하여 개선된 결과에 대해 분석해 보았다. |This study develops a system that detects defects in the PCB assembly process applied in most manufacturing industries. Due to various external factors such as various patterns and irregular cables, existing image processing techniques show limitations in detecting PCB assembly defects, but through the radical development of deep learning techniques, we want to prove the possibility of higher accuracy. In addition, through research on various image processing techniques, we will more accurately express the image of the object to be judged before the deep learning operation, and simplify the image of the area that does not require special judgment. In this study, CNN method was used among deep learning techniques, designed based on VGGNet, which is easy to understand and deform with a simple structure, reduces the number of parameters, and increases efficiency