Megoldásarchitektúra: Képbesorolás konvolúciós neurális hálózatokkal

A lean típusú gyártási rendszer, a költségvezérlés és a hulladékmennyiség csökkentése kiemelten fontos a gyártás versenyképességének fenntartása érdekében. Az áramköri lapkák gyártásánál keletkező hibás lapkák jelentős anyagi és termelési veszteséget jelentenek. A szerelősoros gyártás során emberi munkával ellenőrzik a hibagyanúsnak megjelölt lapkákat, és ehhez szerelősori tesztgépeket használnak.

Ez a megoldás azokat a képeket elemzi, amelyeket a szerelősori kamerák rögzítettek az elektronikai összetevőkről a lapkagyártó műhelyben, és észleli azok hibás állapotát. A cél az emberi beavatkozások szükségességének minimálisra csökkentése vagy teljes kiküszöbölése. A megoldás egy képosztályozó rendszert épít fel, amely egy 50 rejtett réteget tartalmazó és 350.000, ImageNet-adatkészletben tárolt kép felhasználásával betanított konvolúciós neurális hálózat használatával lett létrehozva. A képek vizuális jellemzőinek előállítását a rendszer az utolsó hálózati réteg eltávolításával végzi el. Ezeket a jellemzőket a rendszer egy gyorsított döntési fa betanításához használja a kép „megfelelő” vagy „nem megfelelő” besorolásához és egy végső kiértékeléshez, amit az üzem élgépeinél végeznek el. A besorolási teljesítmény jó (az időalapú keresztérvényesítés AUC>.90), ami azt jelenti, hogy a megoldás képes drasztikusan csökkenteni az emberi beavatkozás szükségességét az elektronikai alkatrészek hibáinak kiszűrésénél az összeszerelt elektronikai lapkák esetén.

A megoldás használatával a kizárólag emberi beavatkozásra hagyatkozó eljáráshoz képest jobb eredmények érhetőek el a hibás elektronikai alkatrészek azonosításánál, és így növelhető a termelékenység.