Sistema de inspeção visual de placas de circuito impresso

Detalhes bibliográficos
Autor(a) principal: Lameira, Lucas Meurer
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/217436
Resumo: A inspeção de qualidade de produtos na Indústria Brasileira ainda é manual ou pouco automatizada. Através da automatização dessa tarefa, é possível aumentar a produtividade e a qualidade do produto final. Com esse intuito, este trabalho visa desenvolver uma solução de inspeção automática visual de placas de circuito impresso. Através de imagens capturadas de placas de circuito impresso e de técnicas de processamento digital de imagens, é proposto o desenvolvimento de um modelo de aprendizagem de máquina capaz de classificar determinados componentes ou a ausência deles em placas de circuito impresso SMD (Surface-Mount Device). Além da classificação, o sistema é capaz de inspecionar o posicionamento do componente, gerando um alerta para componentes rotacionados e deslocados. As SVMs (Máquinas de Vetores de Suporte) consistem na técnica de aprendizado de máquina utilizada na implementação do classificador. O modelo recebe como entrada um vetor de características que representa a forma, textura e cor das imagens dos componentes. As características de forma e textura são obtidas pelo HOG (Histograma de Gradientes Orientados) e a cor é caracterizada pelo histograma da imagem no espaço HSV (Hue, Saturation, Value). O modelo de classificação implementado alcançou uma acurácia de 98,7% nas imagens testadas.
id UFRGS-2_228ff28bc0579d7688ff8347f5941651
oai_identifier_str oai:www.lume.ufrgs.br:10183/217436
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Lameira, Lucas MeurerBalen, Tiago Roberto2021-01-19T04:10:31Z2020http://hdl.handle.net/10183/217436001120788A inspeção de qualidade de produtos na Indústria Brasileira ainda é manual ou pouco automatizada. Através da automatização dessa tarefa, é possível aumentar a produtividade e a qualidade do produto final. Com esse intuito, este trabalho visa desenvolver uma solução de inspeção automática visual de placas de circuito impresso. Através de imagens capturadas de placas de circuito impresso e de técnicas de processamento digital de imagens, é proposto o desenvolvimento de um modelo de aprendizagem de máquina capaz de classificar determinados componentes ou a ausência deles em placas de circuito impresso SMD (Surface-Mount Device). Além da classificação, o sistema é capaz de inspecionar o posicionamento do componente, gerando um alerta para componentes rotacionados e deslocados. As SVMs (Máquinas de Vetores de Suporte) consistem na técnica de aprendizado de máquina utilizada na implementação do classificador. O modelo recebe como entrada um vetor de características que representa a forma, textura e cor das imagens dos componentes. As características de forma e textura são obtidas pelo HOG (Histograma de Gradientes Orientados) e a cor é caracterizada pelo histograma da imagem no espaço HSV (Hue, Saturation, Value). O modelo de classificação implementado alcançou uma acurácia de 98,7% nas imagens testadas.The quality inspection of final products in the Brazilian Industry is still manual or very little automated. Through the automation of this task, it is possible to increase productivity and product quality. To this end, this work aims to develop a printed circuit board automated inspection system. Therefore, a machine learning model capable of classifying SMD (Surface-Mount Device) components is proposed. In addition to the image classification, the system is able to inspect the component’s position, generating an alert for rotated and displaced components. SVMs (Support Vector Machines) are the machine learning technique used in the implementation of the classifier. The model receives as input a feature vector that contains information describing the shape, texture and color of the images. The shape and texture features are computed using HOG (Histogram of Oriented Gradients) and the color descriptor is created by calculating the histogram of the image in the HSV (Hue, Saturation and Value) color space. The model achieved an accuracy of 98.7% on the test images.application/pdfporVisão computacionalProcessamento de imagensPlaca de circuito impressoComputer visionDigital image processingAutomatic optical inspectionPrinted circuit boardSistema de inspeção visual de placas de circuito impressoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2020Engenharia Elétricagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001120788.pdf.txt001120788.pdf.txtExtracted Texttext/plain104541http://www.lume.ufrgs.br/bitstream/10183/217436/2/001120788.pdf.txt3cbe27c811608d4498ee09be06469f6cMD52ORIGINAL001120788.pdfTexto completoapplication/pdf8277468http://www.lume.ufrgs.br/bitstream/10183/217436/1/001120788.pdf4fe6dc0262873af0fa02775cbf1b0c64MD5110183/2174362022-02-22 04:52:10.498779oai:www.lume.ufrgs.br:10183/217436Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-02-22T07:52:10Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Sistema de inspeção visual de placas de circuito impresso
title Sistema de inspeção visual de placas de circuito impresso
spellingShingle Sistema de inspeção visual de placas de circuito impresso
Lameira, Lucas Meurer
Visão computacional
Processamento de imagens
Placa de circuito impresso
Computer vision
Digital image processing
Automatic optical inspection
Printed circuit board
title_short Sistema de inspeção visual de placas de circuito impresso
title_full Sistema de inspeção visual de placas de circuito impresso
title_fullStr Sistema de inspeção visual de placas de circuito impresso
title_full_unstemmed Sistema de inspeção visual de placas de circuito impresso
title_sort Sistema de inspeção visual de placas de circuito impresso
author Lameira, Lucas Meurer
author_facet Lameira, Lucas Meurer
author_role author
dc.contributor.author.fl_str_mv Lameira, Lucas Meurer
dc.contributor.advisor1.fl_str_mv Balen, Tiago Roberto
contributor_str_mv Balen, Tiago Roberto
dc.subject.por.fl_str_mv Visão computacional
Processamento de imagens
Placa de circuito impresso
topic Visão computacional
Processamento de imagens
Placa de circuito impresso
Computer vision
Digital image processing
Automatic optical inspection
Printed circuit board
dc.subject.eng.fl_str_mv Computer vision
Digital image processing
Automatic optical inspection
Printed circuit board
description A inspeção de qualidade de produtos na Indústria Brasileira ainda é manual ou pouco automatizada. Através da automatização dessa tarefa, é possível aumentar a produtividade e a qualidade do produto final. Com esse intuito, este trabalho visa desenvolver uma solução de inspeção automática visual de placas de circuito impresso. Através de imagens capturadas de placas de circuito impresso e de técnicas de processamento digital de imagens, é proposto o desenvolvimento de um modelo de aprendizagem de máquina capaz de classificar determinados componentes ou a ausência deles em placas de circuito impresso SMD (Surface-Mount Device). Além da classificação, o sistema é capaz de inspecionar o posicionamento do componente, gerando um alerta para componentes rotacionados e deslocados. As SVMs (Máquinas de Vetores de Suporte) consistem na técnica de aprendizado de máquina utilizada na implementação do classificador. O modelo recebe como entrada um vetor de características que representa a forma, textura e cor das imagens dos componentes. As características de forma e textura são obtidas pelo HOG (Histograma de Gradientes Orientados) e a cor é caracterizada pelo histograma da imagem no espaço HSV (Hue, Saturation, Value). O modelo de classificação implementado alcançou uma acurácia de 98,7% nas imagens testadas.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-01-19T04:10:31Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/217436
dc.identifier.nrb.pt_BR.fl_str_mv 001120788
url http://hdl.handle.net/10183/217436
identifier_str_mv 001120788
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/217436/2/001120788.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/217436/1/001120788.pdf
bitstream.checksum.fl_str_mv 3cbe27c811608d4498ee09be06469f6c
4fe6dc0262873af0fa02775cbf1b0c64
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224600814616576

Registros relacionados