論文の概要: Research on Defect Detection Method of Motor Control Board Based on Image Processing
- arxiv url: http://arxiv.org/abs/2505.17493v1
- Date: Fri, 23 May 2025 05:39:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 18:08:33.84176
- Title: Research on Defect Detection Method of Motor Control Board Based on Image Processing
- Title（参考訳）: 画像処理に基づくモータ制御板の欠陥検出法に関する研究
- Authors: Jingde Huang, Zhangyu Huang, Chenyu Li, Jiantong Liu,
- Abstract要約: 本論文で確立した画像処理に基づくモータ制御基板欠陥検出モデルの精度は99%以上に達した。
この欠陥検出方法は, モータ制御基板欠陥のオンライン検出だけでなく, 産業用集積回路基板欠陥処理のソリューションも提供する。
- 参考スコア（独自算出の注目度）: 8.078643140865298
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The motor control board has various defects such as inconsistent color differences, incorrect plug-in positions, solder short circuits, and more. These defects directly affect the performance and stability of the motor control board, thereby having a negative impact on product quality. Therefore, studying the defect detection technology of the motor control board is an important means to improve the quality control level of the motor control board. Firstly, the processing methods of digital images about the motor control board were studied, and the noise suppression methods that affect image feature extraction were analyzed. Secondly, a specific model for defect feature extraction and color difference recognition of the tested motor control board was established, and qualified or defective products were determined based on feature thresholds. Thirdly, the search algorithm for defective images was optimized. Finally, comparative experiments were conducted on the typical motor control board, and the experimental results demonstrate that the accuracy of the motor control board defect detection model-based on image processing established in this paper reached over 99%. It is suitable for timely image processing of large quantities of motor control boards on the production line, and achieved efficient defect detection. The defect detection method can not only be used for online detection of the motor control board defects, but also provide solutions for the integrated circuit board defect processing for the industry.
- Abstract（参考訳）: モータ制御基板は、不整色差、誤プラグイン位置、半田ショート回路等、様々な欠陥を有する。
これらの欠陥は、モータ制御基板の性能と安定性に直接影響を与え、製品品質に悪影響を及ぼす。
したがって、モータ制御基板の欠陥検出技術を研究することは、モータ制御基板の品質制御レベルを改善する重要な手段である。
まず, モータ制御基板に関するデジタル画像の処理方法について検討し, 画像特徴抽出に影響を与えるノイズ抑圧法について検討した。
第2に、試験モータ制御板の欠陥特徴抽出と色差認識のための特定のモデルを確立し、特徴閾値に基づいて、資格品又は欠陥品を決定する。
第3に、欠陥画像の探索アルゴリズムを最適化した。
最後に, 典型的なモータ制御基板上で比較実験を行い, 実験結果から, 画像処理に基づくモータ制御基板欠陥検出モデルの精度が99%以上に達することを示した。
製造ライン上の大量のモータ制御基板のタイムリーな画像処理に適しており、効率的な欠陥検出を実現している。
この欠陥検出方法は, モータ制御基板欠陥のオンライン検出だけでなく, 産業用集積回路基板欠陥処理のソリューションも提供する。
関連論文リスト
- AI-Driven Multi-Stage Computer Vision System for Defect Detection in Laser-Engraved Industrial Nameplates [0.0]
本稿では,レーザーで刻まれた名札を検査し,検証するAI駆動型コンピュータビジョンシステムの概念実証について述べる。
このシステムは91.33%の精度と100%のリコールを達成し、欠陥のあるネームプレートが一貫して検出され、対処されることを保証する。
論文 参考訳（メタデータ） (2025-03-05T11:19:17Z) - An Improved Fault Diagnosis Strategy for Induction Motors Using Weighted Probability Ensemble Deep Learning [1.438310481395707]
誘導電動機の故障早期検出は, 産業環境での未中断運転の確保に不可欠である。
WPEDL法は振動と電流の特徴から抽出した高次元データを用いて誘導電動機故障を効果的に診断する。
提案モデルは他のモデルよりも優れ,98.89%の精度を実現している。
論文 参考訳（メタデータ） (2024-12-24T08:02:44Z) - A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳（メタデータ） (2024-12-11T22:12:21Z) - Enhancing Printed Circuit Board Defect Detection through Ensemble Learning [8.680295020998875]
本稿では,このギャップに対処するためのアンサンブル学習戦略を活用した総合的な検査フレームワークを提案する。
我々は最先端手法を用いた4つの異なるPCB欠陥検出モデルを利用する。
比較分析の結果,我々のアンサンブル学習フレームワークは個々の手法よりも優れており,多様なPCB欠陥の検出において95%の精度を実現していることがわかった。
論文 参考訳（メタデータ） (2024-09-14T23:34:12Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - Segment Anything in Defect Detection [38.85728242930962]
DefectSAMは、ノイズの多い熱画像に欠陥を分割するための新しいアプローチである。
既存の最先端セグメンテーションアルゴリズムを超え、欠陥検出率を大幅に改善する。
論文 参考訳（メタデータ） (2023-11-17T00:28:19Z) - SolderNet: Towards Trustworthy Visual Inspection of Solder Joints in
Electronics Manufacturing Using Explainable Artificial Intelligence [70.60433013657693]
エレクトロニクス製造において、半田接合部の欠陥は様々なプリント基板部品に影響を及ぼす一般的な問題である。
半田関節の欠陥を特定・修正するために、回路基板上の半田関節は通常、訓練された人間の検査官によって手動で検査される。
本研究では,半田関節の視覚検査に適した,説明可能な深層学習に基づく視覚品質検査システムについて述べる。
論文 参考訳（メタデータ） (2022-11-18T15:02:59Z) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳（メタデータ） (2022-11-01T13:58:02Z) - Defect detection and segmentation in X-Ray images of magnesium alloy
castings using the Detectron2 framework [0.13764085113103217]
新しい製造技術により、より複雑な形状の金属部品を製造することが可能となり、品質管理プロセスがより困難になった。
X線画像により、このプロセスはより簡単になり、表面欠陥をより単純な方法で検出できるだけでなく、溶接や鋳造の欠陥も検出できるようになった。
本研究の目的は,画像中の物体の検出とセグメンテーションに応用された最先端ライブラリである Detectron2 に基づくディープラーニングシステムを適用することである。
論文 参考訳（メタデータ） (2022-02-28T16:53:09Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Towards Online Monitoring and Data-driven Control: A Study of
Segmentation Algorithms for Laser Powder Bed Fusion Processes [83.97264034062673]
レーザーパウダーベッド融合機の増加は、オンライン監視とデータ駆動制御能力を改善するためにオフ軸赤外線カメラを使用する。
我々は、各赤外線画像を前景と背景に分割する30以上のセグメンテーションアルゴリズムについて検討する。
同定されたアルゴリズムは、レーザ粉体層融合機に容易に適用でき、上記の各制限に対処し、プロセス制御を大幅に改善することができる。
論文 参考訳（メタデータ） (2020-11-18T03:30:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。