Gömülü Sistem Destekli Yapay Sinir Ağları ile Baskı Devre Kartlarındaki Hataların Otomatik Tespiti

Authors : Şennur İbrahimoğlu, Erdal Büyükbıçakcı

Pages : 256-281

Doi:10.34186/klujes.1577727

View : 85 | Download : 137

Publication Date : 2024-12-31

Article Type : Research Paper

Abstract :Bu çalışmada, yapay sinir ağları ve görüntü işleme teknikleri kullanılarak baskı devre kartlarının (PCB) kalite testlerinde insan gözüyle yapılan denetimlerden oluşacak zaman, iş gücü kaybı ve maliyet risklerini ortadan kaldırarak otomatik hata ayıklamayı sağlayan bir gömülü sistemin geliştirilmesi amaçlanmıştır. Teknolojik gelişmeler neticesinde geleneksel kalite kontrol yöntemleri, insan gözetimine dayalı denetimler düşük doğrulama gibi önemli sorunlar oluşturmakta ve bu sorunlar sürecin üretim safhasında devamlılığının sağlanabilmesi adına hızlı otomasyon sistemlerinin kullanımı gerekliliğini doğurmaktadır. Yapay zekâ ve görüntü işleme teknikleri akıllı otomasyon sistemlerinde etkili bir şekilde tercih edilir hale gelmiştir. Çalışmanın yapısal niteliğine özgünlük katmak açısından tasarlanan sistemde mikrodenetleyici olarak Raspberry Pi, 5 MP çözünürlüğe sahip bir kamera modülü ayrıntıların düzenlenmesi ve sınıflandırılmasında temel işlemci olarak tercih edilmiş, böylece sistemin taşınabilirliği ve maliyet durumu geliştirilmiştir. Elde edilen görüntüler bir veri tabanı aracılığı ile depolanmaktadır. Sistemdeki görüntü işleme sürecinde sayısal hale dönüştürülen veriler filtreleme, histogram, threshold, gri tonlama ve eşleme gibi yöntemler içererek üzerinde geliştirmeler yapılmıştır. Bu tekniklerle işlenen görüntüler, dijital hale getirilip iyileştirilerek hatalı ve hatasız nesne görüntüleri özellik çıkarımı yöntemiyle oluşturulmuştur. Bu ayırt edici özellik değerleri, ileri beslemeli yapay sinir ağı modeli olan çok katmanlı algılayıcı ile eğitme işlemi gerçekleştirilmiştir. Eğitme işlemlerinin ardından bulunan ağırlık katsayıları gerçek zamanlı ileri beslemeli görme algoritmasında işlenerek hatalı, hatasız ürün kontrolü yapılarak sonuçlar bulunmuştur.
Keywords : Hata Tanıma Sistemi, Raspberry Pi, Görüntü İşleme, Yapay Sinir Ağı