檢索結果:共4筆資料 檢索策略: ckeyword.raw="卷積神經網絡" and ckeyword.raw="瑕疵分類"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
傳統的自動光學檢查(AOI)系統於處理影像時存在準確度和速度問題。本研究提出了一種基於卷積神經網絡(CNN)的三階瑕疵檢測模型,以克服傳統AOI方法的缺點,此模型並可處理多重缺陷和多鏡頭情境。在第一…
2
電子產品微小化及對於良率要求極為嚴苛,因此在自動光學檢測(Automated Optical Inspection, AOI)容易因敏感度提高而出現過篩現象,常造成AOI瑕疵誤判及人力複檢成本提高。…
3
高速生產的微型電子元件需要快速且準確的檢測方法,自動光學檢測(Automated Optical Inspection, AOI)常應用於此。然而,AOI易於產生檢測篩選不足且/或篩選過度的問題。本…
4
本研究針對積層陶瓷電容(Multi-Layer Ceramic Capacitor, MLCC)的在雜訊標籤下的分類問題,提出了一種結合雜訊樣本篩選機制及抗雜訊模型的方法。在實際應用中,資料蒐集的過…