查詢結果分析
來源資料
相關文獻
- 應用目標偵測神經網路在鍵盤表面瑕疵檢測
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- C++Fuzzy類神經網路物件導向發展系統之建立
- 臺灣汽保費率之估計--對數線性費率模式與類神經網路之比較
- 運用類神經網路於股價指數之套利--以日經225指數為例
- 使用類神經網路預估碳化鎢材料放電加工性能
頁籤選單縮合
| 題 名 | 應用目標偵測神經網路在鍵盤表面瑕疵檢測 |
|---|---|
| 作 者 | 何旭平; 陳金聖; | 書刊名 | 量測資訊 |
| 卷 期 | 220 2025.06[民114.06] |
| 頁 次 | 頁47-70 |
| 分類號 | 440.121 |
| 關鍵詞 | 神經網路; 鍵盤表面瑕疵檢測; |
| 語 文 | 中文(Chinese) |
| 中文摘要 | 筆記型電腦的鍵盤模組在製作過程因為製程技術導致字鍵表面可能出現髒污、刮傷、凸點 或是裂痕。在出廠前必須確保所有產品品質良好,有任何瑕疵的產品都必須被檢測出來。近幾 年深度學習神經網路發展快速,本論文應用目前先進的目標檢測模型YOLOv6、YOLOv7在鍵 盤表面瑕疵檢測上。本論文使用自製資料集,介紹鍵盤檢測的硬體架設方式,以及字鍵表面瑕 疵影像資料集的取得方式和分類。本論文設計多個實驗項目,以YOLOv6、YOLOv7各種大小 模型做實驗,藉由調整超參數和資料擴增等方式,YOLOv6-m模型在本資料集上獲得最高mAP。 模型預測階段,藉由觀察混淆矩陣來調整置信度,找出適合的置信度閾值,最後將檢測漏檢率 降至5%以下。實驗結果表明神經網路目標檢測模型確實能應用在鍵盤表面瑕疵檢測上。 |
本系統中英文摘要資訊取自各篇刊載內容。