目錄
|
|
|
|
專輯前言 |
|
| 基於人工智慧之薄膜壓力感測器AOI 解決方案 | |
| 訓練非對稱生成對抗網路產生影像於電子元件外觀檢測 | |
| 低像差光場成像系統之設計 | |
| 電動機車電池安培‧ 時計量研究 | |
| 二階段協同深度學習模型於封裝基板瑕疵檢測應用 | |
| 利用 Mask R-CNN自動檢測路面坑洞及裂縫 | |
前言
精密量測的發展與應用對人們的生活和工作產生了深刻的影響。在這期的雜誌中，本刊特延續了上期與自動光學檢測設備聯盟合作，節錄去年第二十二屆全國AOI論壇與展覽之論文，我們將聚焦於最新的技術和解決方案，並探討它們如何促進了工業和日常生活的發展。
首先，我們談論「基於人工智慧之薄膜壓力感測器AOI解決方案」。薄膜壓力感測器是一種用於測量壓力、力或重量的儀器。這些感測器通常應用於許多不同的應用領域，例如工業自動化、生產、醫療和機器人。而基於人工智慧的解決方案可以提高薄膜壓力感測器的準確性和靈敏度，並能夠有效地檢測和識別壓力分佈。
其次，我們將討論「訓練非對稱生成對抗網路產生影像於電子元件外觀檢測」。隨著電子元件的製造和使用不斷增加，對於元件的檢測和驗證變得越來越重要。而使用非對稱生成對抗網路訓練的影像識別技術可以提高元件的檢測準確率和效率，從而提高整個產品的品質和可靠性。
第三，我們將關注「低像差光場成像系統之設計」。低像差光場成像技術可以提高成像的深度和清晰度，從而可以應用於醫學影像、安防監控和自駕車等領域，使得影像的清晰度和準確性更高，從而提高整體的工作效率和生產效益。
第四，我們將探討「二階段協同深度學習模型於封裝基板瑕疵檢測應用」。封裝基板瑕疵檢測是一個重要的品質控制步驟，對於確保產品品質和生產效率至關重要。
除此之外，「結合梯度軸向繞射光場技術之非接觸式共焦表面輪廓檢測」、「利用Mask R-CNN自動檢測路面坑洞及裂縫」等，都有著重要的應用價值和發展潛力。這些技術不僅能夠提高生產效率和品質，也能夠改善生活品質和環境保護。
隨著科技的不斷發展和創新，我們相信這些技術將不斷地被改進和廣泛應用，為社會和人類帶來更多的好處和價值。我們期待著未來的發展，也期待著更多科技的突破和創新，讓我們的生活更加美好和便捷。
今年自動光學檢測設備聯盟「第二十三屆全國AOI論壇與展覽」已訂於9月28日舉行，本刊將持續與聯盟合作，邀集前瞻論文投稿，攜手推動台灣AOI+AI之技術發展，迎向智慧製造時代嶄新面貌。
基於人工智慧之薄膜壓力感測器AOI 解決方案
摘要：Deep Learning brings revolutionary impacts to AOI (Automatic Optical Inspection) system. Manyalgorithms have been proposed either to improve the accuracy of defect classification, or to reduce the dependency of defective samples. However, practical industrial implementations are still rare. In this work, we apply PatchCore to inspect anomalies of thin-film pressure sensor and build a highly integrated AOI system using CISM (Contact Image Sensor Module) which is capable of automatically scanning target for a digital image then feeding it to our software for inspection and displaying results with notations of defective area. Based on our internal testing, 0 % under-kill rate and 7 % over-kill rate were achieved using only 4 normal samples for modeling. We expect the over-kill rate can be further reduced once more samples are available.。
訓練非對稱生成對抗網路產生影像於電子元件外觀檢測
摘要：本文針對PCB 板上之電子被動元件缺陷偵測方法中為增加辨識率，一般採用現有照片做Augmentation ( 旋轉、平移、等) 藉由增加資料數量，但仍無法增加資料多樣性。生成對抗網路Generative Adversarial Network(GAN) 利用兩個神經網路Generator 及Discriminator 彼此互相學習互相糾正的迭代訓練，可以達到風格轉換、圖形轉換、學習正常與不良外觀之元件達到生成未存在的不良外觀被動電子元件資料。藉由GAN 可以生成具有多元性且同時增加正常與不良外觀的資料數量以及多元性，進而達到被動元件缺陷偵測方法辨識率之目的。
低像差光場成像系統之設計
摘要：行政院環境保護署為確保加油站油氣回收設施能符合環保要求，訂定加油站氣油比檢測頻率為每年兩次及地方主管機關執行加油站加油槍之氣油比稽查檢測機制。110 年度因應公務檢測用氣油比檢測儀納為須檢定之法定度量衡器的工作需要，工業技術研究院量測技術發展中心與經濟部標準檢驗局完成氣油比檢測儀檢定檢查技術規範CNMV 206 研擬與公告，並據此規範規劃容積式氣油比檢測儀所需功能設計檢定設備、建置與評估，完備檢定流程與管理架構。
電動機車電池安培‧ 時計量研究
摘要：近年來3D 光學檢測技術在半導體製程領域蓬勃發展，其中光場成像系統可擷取3D 影像，但低像差光學系統的設計是一個困難的挑戰。本文使用混合序列性與非序列性光學設計軟體的設計流程來強化成像品質。使用序列性設計軟體來降低繞射等像差以強化橫向解析度，而非序列性設計軟體用來分析有多少的微透鏡可對一個點成像，進而估算並優化縱向解析度。本文亦藉由製作測試系統並實驗量測傾斜邊緣的調制轉換函數(modulation transfer function; MTF) 來驗證此設計流程。還原影像近軸區域與離軸區域的MTF 差異約0.02，低於量測誤差0.03。使用測試系統拍攝3D 圖樣的原始影像可還原出聚焦於不同深度的平面影像，也可使用互相關演算法計算出深度圖與基於深度的全深度聚焦影像，並組成RGB-D 格式的3D 模型。然而深度偵測可能因複雜待測物圖樣的干擾而在深度圖上出現假影。為了降低假影的干擾並強化橫向與縱向的解析度，未來我們將使用超解析(super-resolution)、緻密3D 點雲、語義分割等深度學習模型來測試與強化此系統。
二階段協同深度學習模型於封裝基板瑕疵檢測應用
摘要：The defect detection has long been a daily in-line and in-time challenging task in today’s semiconductor manufacturing (MFG) industry. Due to production in-process conditions change, during the substrate MFG, defect types may lead to unexpected variances, even generating complex defects that are not easy to recognize. Recently, with the help from image-based Automated Optical Inspection (AOI) equipment, manual efforts in package substrate/PCB defect examination has significantly reduced, but still not reached the level of defect classification automation. Combining Machine Learning (ML) and Deep Neural Network (DNN) techniques recently has raised much feasibility to advance the defect classification automation to a new level that is acceptable for practical MFG application. However, most of the current mainstream DNN-based Object Detection (OD) models are still insufficient to achieve the goal of zeroescape accuracy. Thus, to assure the high quality of MFG products, human visual inspection for surface products from image-based AOI is still unavoidable. In this paper, we try to build up a human-effortreduced framework, combing two DNN approaches OD and Anomaly Detection (AD). OD model focuses on defect’s subtle information while AD collects the representation of embedding vectors from normal dataset. The new framework can fulfill both advantages, and has been applied to our ASE MFG dataset. The experiment result showed that the efforts of human reexamination were significantly reduced by 36%.While adopted in MFG production lines, this technology can surely assist our factory operation to better meet smart factory requirements.
Mask R-CNN自動檢測路面坑洞及裂縫
摘要：路面上坑洞及裂縫的檢查以及即時的表面修繕是保持用路人在路上行駛時安全和維持路面品質的必要條件，由於坑洞及裂縫的發生率非常高相對的修復率也是一樣的，而負責道路維護及修繕的單位是政府，繁瑣的工作在以往都是利用人力去做檢測，耗費的工時及成本相當高，為了協助縮短檢測提升修繕效率，本文將利用 Mask Region based Convolution Neural Networks (Mask R-CNN) 的方式，利用 Mask R-CNN 本身對於檢測圖像的內容以及準確性的優點去對路面進行檢測，並且應用影像預處理的方式幫助網路結構模型能夠更容易的去辨識讓其提升模型檢測的準確度，並且提升運算的效率及速度。
利用結合梯度軸向繞射光場技術之非接觸式共焦表面輪廓檢測
摘要： A surface profilometer for inspecting surface structures was developed by using novel confocal surface profilometry with gradient-intensity probe beam. In conventional confocal microscopy, vertical scanning of a tested surface by either stage height movement or shifting of objective focus is of time consuming, thus making unacceptable measurement efficiency for in-situ inspection. To overcome this, in the research, quasi-Bessel beams (QBBs) with the properties of narrow lateral spot and gradient-intensity axial distribution act as probe beams to generate an accurate intensity-to-height conversion for 3-D profilemeasurement. The influences of the incident Gaussian beam and the real axicon lens with oblate-tip shape on the axial probe beam are calculated and analyzed. The probe beam has the optical properties of QBB along the optical axis. By switching different base angle of axicon lens, the measurement range of surface profilometer can be ranged between few millimeters to several hundred centimeters. According to the measured results, it was found that the available measurement range can be extended to 2 mm by using the axicon lens with a base angle of 20 degree. By integrating a high-speed acquisition unit, the measurement efficiency can be further enhanced for in-situ automatic optical inspection (AOI).