Інтелектуальна система виробництва друкованих плат на базі Mirae Mx-200

Автор(и)

  • Віктор Михайлович Синєглазов Національний авіаційний університет, Київ https://orcid.org/0000-0002-3297-9060
  • Богдан Олександрович Плодистий Національний авіаційний університет, Київ

DOI:

https://doi.org/10.18372/1990-5548.68.16090

Ключові слова:

виробництво друкованих плат, система Mirae Mx-200, нейронна мережа YOLO, машинне навчання, штучний інтелект, емуляція

Анотація

У роботі розглянуто основні недоліки виробництва друкованих плат на базі системи Mirae Mx-200. З метою зниження рівня виробничого браку і підвищення продуктивності запропоновано включення в систему інтелектуального блоку на базі нейронної мережі YOLO, яка реалізується додатково включеним в систему контролером Raspberry. Нейронна мережа YOLO використовується для обробки зображень, одержуваних з додатково встановленої відіокамери, яка здійснює спостереження за процесом виробництва. У роботі на підставі використання розв'язку задачі класифікації поставлено і розв'язано задачу підтримки прийняття рішень. У результаті визначається вигляд операції (дії), яку необхідно в даний момент реалізувати: автоматичне центрування, скидання, скасування, тощо. За допомогою емуляції з додатковими підключеннями мікроконтролера вирішено проблему обмежених ресурсів пристосування для установки компонентів друкованої плати і реалізації більш складних алгоритмів в роботі такого пристосування.

Біографії авторів

Віктор Михайлович Синєглазов , Національний авіаційний університет, Київ

Доктор технічних наук. Професор. Завідувач кафедрою авіаційних комп’ютерно-інтегрованих комплексів

Богдан Олександрович Плодистий, Національний авіаційний університет, Київ

Бакалавр

Посилання

Informatsionnyye tekhnologii i neyronnyye seti v professional'noy deyatel'nosti URL: https://studref.com/336179/informatika/neyronnye_seti [in Russian].

Informatsionnyye tekhnologii i neyronnyye seti v nauke i obrazovanii URL: https://studref.com/434192/pedagogika/neyronnye_seti [in Russian].

Aleix M. Matinez and Avinash C. Kak, "PCA versus LDA" IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, no. 2, February 2001. https://doi.org/10.1109/34.908974

The CIFAR-10 dataset URL: https://www.cs.toronto.edu/~kriz/cifar.htmlMcKenna

“ResNet (34, 50, 101): ‘ostatochnyye’ CNN dlya klassifikatsii izobrazheniy” URL: https://neurohive.io/ru/vidy-nejrosetej/resnet-34-50-101/ [in Russian].

W. D. Patterson, “Artificial Neural Network: Theory and Applications”, Prentice Hall, 1999.

“ Iskusstvennyye neyronnyye seti (INS)” URL: https://www.it.ua/ru/knowledge-base/technology-innovation/iskusstvennye-nejronnye-seti-ins [in Russian].

Lin Sadrina, W. Gao Yang, K. J. Liu Ray, “Template matching for image prediction: A game-theoretical approach”, IEEE ICASSP, 2012. https://doi.org/10.1109/ICASSP.2012.6288010

“Neyronnyye seti v promyshlennosti i informatsionnykh tekhnologiyakh” URL: https://u.to/mxFjGw [in Russian].

P. N Belhumeur, J. P. Hespanha and D. J. Kriegman, "Eigenfaces Vs Fisherfaces : Recognition using Class specie linear projection," IEEE Trans. Pattern Anal . Machine Intel, Vol 19, pp. 711–720, July 1997.

“A comparison of training algorithms when training a Convolutional Neural Network for classifying road signs,” URL: https://kth.diva-portal.org/smash/get/diva2:1336299/FULLTEXT01.pdf

Smeets Dirk, Claes Peter, HermansJeroen, Vandermeulen Dirk, and Suetens Paul, “A comparative Study of 3-D Face recognition under expression variations,” IEEE transactions on system, man, and Cybernetics, vol. 42, no. 5, 2012.

“Razrabotka sistemy raspoznavaniya vizual'nykh obrazov v potoke dannykh” URL: https://kubstu.ru/data/fdlist/FDD0445.pdfHurshudovArtemAleksandrovich, 05.13.01[in Russian].

“Learning Multiple Layers of Features from Tiny Images,” Alex Krizhevsky, April 8, 2009 URL: https://www.cs.toronto.edu/~kriz/learning-features-2009-TR.pdf

“A Beginner's Guide To Understanding Convolutional Neural Networks”, Adit Deshpande, URL: https://adeshpande3.github.io/A-Beginner's-Guide-To-Understanding-Convolutional-Neural-Networks/

“Svortochnyye neyronnyye seti” URL: https://u.to/WRNjGw [in Russian].

E. Scott, “Computer Vision and Image Processing: A Practical Approach using CVItools,” Prentice-Hall, 1998.

J.-S. R. Jang, C. -T. Sun & E. Mizutani, “Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence,” Prentice Hall, 1997.

##submission.downloads##

Опубліковано

2021-11-22

Номер

Том 2 № 68 (2021)

Розділ

АВТОМАТИЗАЦІЯ ТА КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).