應用深度學習法辨識電路主機板插線問題-以X公司為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：60

、訪客IP：18.191.135.20

姓名

陳駿凱(Chun-Kai Chen) 查詢紙本館藏

畢業系所

工業管理研究所在職專班

論文名稱

應用深度學習法辨識電路主機板插線問題-以X公司為例

相關論文

★ 應用失效模式效應分析於產品研發時程之改善	★ 服務品質因子與客戶滿意度關係研究-以汽車保修廠服務為例
★ 家庭購車決策與行銷策略之研究	★ 計程車車隊派遣作業之研究
★ 電業服務品質與服務失誤之探討-以台電桃園區營業處為例	★ 應用資料探勘探討筆記型電腦異常零件-以A公司為例
★ 車用配件開發及車主購買意願探討(以C公司汽車配件業務為實例)	★ 應用田口式實驗法於先進高強度鋼板阻抗熔接條件最佳化研究
★ 以層級分析法探討評選第三方物流服務要素之研究-以日系在台廠商為例	★ 變動良率下的最佳化批量研究
★ 供應商庫存管理架構下運用層級分析法探討供應商評選之研究-以某電子代工廠為例	★ 台灣地區快速流通消費產品銷售預測模型分析研究–以聯華食品可樂果為例
★ 競爭優勢與顧客滿意度分析以中華汽車為例	★ 綠色採購導入對電子代工廠的影響-以A公司為例
★ 以德菲法及層級分析法探討軌道運輸業之供應商評選研究–以T公司為例	★ 應用模擬系統改善存貨管理制度與服務水準之研究-以電線電纜製造業為例

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

本論文探討如何運用人工智慧(AI)來輔助企業發展，當企業發展至一定規模後便會擴大生產量，因此在萬物齊漲的年代，當原物料及人事費用都成為企業發展的負擔時，這些成本無形之中也形成一種壓力。若又因為產品的品質不良發生時，因它造成的重工成本和損失都會嚴重損害公司的聲譽及形象。公司為了生存，除了壓低原物料成本，大量引進機器生產來代替人工但品質檢驗卻還是依靠人力，且常因產線調換或人員的流動和一些人員素質參差不齊等因素，從而引發人為的失誤。因此當產品被退貨時，公司必需再花費額外的回收成本及更多的人力去拆組產品並再重新生產及檢驗，相當費時耗力。倘若有一項技術可以代替人工目視檢測用模擬人類的視覺的方式，對產品的外觀品質進行檢驗，而且不會因為檢驗人員工作疲勞或人才流動等因素，導致人為的失誤進而影響公司出貨後的產品質量。故本論文主要探討的動機，便是期望可以提高產品檢驗的質量及節省人事成本的前提下，既可以滿足客戶的期望，更能維持公司的好形象。因此如何利用深度學習(DP)中的影像辨識技術，透過機器學習(ML)來訓練機器學習辨識產品外觀，利用機器檢視來替代人類視覺，對產品外觀進行檢驗把關，且因機器可以24小時運轉，除減少人員換班或因疲勞導致誤判等風險外更可提高檢驗效率。
以此目標做為研究的動機，故使用深度學習(DP)中的影像識別技術，利用YOLO演算法工具，標記產品之圖像，結合電腦的運算能力，以此來提升產品品質的檢驗一致性，經此實驗後，期望能利用這項研究的成果來取代人工檢驗方式，進而提升出貨的品質為目標。

摘要(英)

This paper discusses how to utilize Artificial Intelligence (AI) to assist in business development. As a company expands and increases production, the rising costs of raw materials and labor become burdensome. These costs inadvertently create pressure on the company. Poor product quality can lead to significant rework costs and damage the company′s reputation and image. To survive, companies must not only lower raw material costs and extensively use machinery to replace manual labor, but they also rely heavily on human resources for quality inspection. Frequent changes in production lines, personnel turnover, and inconsistent employee quality can lead to human errors. When products are returned, companies must incur additional costs for recovery and allocate more manpower to disassemble, reassemble, and re-inspect the products, which is time-consuming and labor-intensive.

If there was a technology that could replace manual visual inspection by simulating human vision to inspect the appearance quality of products, and it would not cause human errors due to factors such as fatigue of inspectors or talent turnover, which would then affect the company′s shipments? product quality. Therefore, the main motivation of this paper is to improve the quality of product inspection and save personnel costs, which can not only meet customer expectations, but also maintain a good image of the company.

Therefore, this thesis investigates how to use image recognition technology in deep learning (DL) and machine learning (ML) to train machines to recognize product appearances. This technology aims to replace human visual inspection with machine vision, ensuring product quality control. Since machines can operate 24/7, this reduces the risks of errors due to shift changes or inspector fatigue and improves inspection efficiency.

The goal of this research is to use deep learning (DL) and the YOLO algorithm to label product images and leverage computer processing power to enhance the consistency of product quality inspection. Through this experiment, we hope to replace manual inspection with this research′s findings, ultimately improving the quality of shipped products.

關鍵字(中)

★ 深度學習
★ 電路主機板辨識

關鍵字(英)

★ YOLO
★ AI

論文目次

第一章緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究範圍與研究流程 3
1.4 論文架構 4
第二章文獻探討 7
2.1 人工智慧 7
2.2 機器學習 8
2.3 深度學習 9
2.4 卷積神經網路 9
2.5 YOLO(You Only Look Once) 11
2.6 Roboflow標記工具介紹 14
2.7 文獻探討之結語 15
第三章個案公司簡介 16
3.1 個案公司簡介 16
3.2 願景與核心價值 17
3.3 未來挑戰 18
第四章實驗結果與分析 19
4.1 Roboflow照片標記工具 19
4.2 研究方法 24
4.3 YOLOv5 實驗結果 24
4.4 YOLOv8 實驗結果 29
4.5 分析數據及未來如何持續改善 33
第五章結論與建議 34
5.1 研究結論 34
5.2 對個案公司的建議 34
5.3 後續研究的建議 35
參考文獻 36

參考文獻

中文參考書目
[1] 羅光志（2023），從AI到生成式AI: 40個零程式的實作體驗, 培養新世代人工智慧素養。臺北：旗標科技。
[2] 鄧文淵（2020），Python機器學習超進化: AI影像辨識跨界應用實戰。臺北：碁峰資訊。
管理學院碩士論文。
[3] 大西可奈子（2019），超圖解! 認識AI人工智慧的第一本書。許郁文譯。臺北：碁峰資訊。
[4] 三津村直貴(2019)，圖解AI人工智慧大未來: 關於人工智慧一定要懂得96件事。陳子安譯。臺北：旗標科技。

中文參考文獻
[5] 吳尚軒，“使用YOLO辨識金屬表面瑕疵” 碩士, 生物醫學工程研究所, 中央大學, 桃園市, 2021. [Online]. Available: https://hdl.handle.net/11296/eae5ju
[6] 高翰文，“使用YOLO模型對PCB做瑕疵檢測以改善AOI缺陷” 碩士, 生物醫學工程研究所, 逢甲大學, 台中市, 2023. [Online]. Available: https://hdl.handle.net/11296/yev46p
[7] 簡鉦衛，“以YOLO深度學習模型動態辨識高速公路監視畫面內之車輛影像” 碩士, 行動商務與多媒體應用學系, 亞洲大學, 台中市, 2020. [Online]. Available: https://hdl.handle.net/11296/z44gen
英文參考文獻

[8] Joseph Redmon, Ali Farhadi; Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, pp. 7263-7271.
[9] Redmon, Joseph et al.. “You Only Look Once: Unified, Real-Time Object Detection.” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (2016): 779-788.

指導教授

葉英傑

審核日期

2024-7-3

推文