臺灣博碩士論文加值系統

在一般工件表面瑕疵分類上，較常使用的分類器有貝氏分類器、線性區別函數分類器、最小距離分類器和最鄰近區域分類器，但是這些分類器在使用上有一些的限制，致使分類效果具有明顯的差別。針對這些不一致性的差別本研究提出了邏輯迴歸分類樹的分類法，本研究並進而與傳統分類器作一探討。分類對象則為近年來因電腦普及化而需求大增的印刷電路板。
本研究所定義瑕疵類別有刮傷、沾錫、露鎳、未鍍金四類，由於不同的瑕疵會有不同顏色變化，所以以取出瑕疵影像的RGB值作為分類資料之特徵值。本研究中各分類器分析結果發現就平均而言，所有分類器對每類瑕疵的正確率大概都有80％左右，但是貝氏分類器對沾錫瑕疵的辨認只有56.33％，線性區別函數分類器對露鎳瑕疵的辨認只有77.33％左右，最小距離分類器對沾錫瑕疵的辨認只有69％左右，最鄰近區域分類器對資料點包含於其他類別當中的未鍍金瑕疵根本就無法辨認。研究並發現沾錫、露鎳和未鍍金的瑕疵資料有覆蓋的情形，因此在分類上造成些許困難。
本研究中發現，邏輯迴歸分類樹的分類決策線相當彈性，且相對於其它分類器的平均分類效果為佳，達到89.83％。對瑕疵類別的分類正確率也具有相當的穩定性，所以運用在分類上應可以改善傳統分類器的一些缺點，而達到較佳的分類效果。

Gneraly, therer are several statistical methods used to classify surface defects of a manufactured part:the Bayesian classifier, the linear discriminant function classifier, the minimum distance classifier, and the nearest neighborhood classifier. Each classifier has its characteristics and restrictions, thus makes the classification results unreliable.
This research starts from getting the color image of the golden fingers of a PCB, and use the raw RGB values for defects classification.The Logistic Regression Tree Classifier was applied to classify four defects of golden fingers: scuffing, blotted tin,exposed nickel, and unplating. The results showed that the proposed classification method obtained 89.33% accuracy rate, as opposed to other classifiers of about 56 to 80%. The advantages and limitations of the proposed method were also discussed.

目 錄
第一章 緒論 1
1.1研究動機與目的 1
1.2研究方法 2
第二章 文獻探討 4
2.1貝氏分類器 5
2.2線性區別函數 11
2.3最小距離分類器 20
2.4最鄰近區域分類器 22
2.5邏輯迴歸樹分類器 24
第三章 研究方法 29
3.1 影像處理部份 29
3.2 模擬實例 32
3.2-1 模擬實例一 32
3.2-2 模擬實例二 38
3.2-3 樣本數對正確率之影響 41
3.3 模擬實例之五種分類器綜合比較 46
第四章 實驗系統架構與分析 48
4.1 實驗系統架構 48
4.2 金手指瑕疵辨認 49
4.3 金手指的分類模式建立 51
4.4 金手指瑕疵分類 56
4.4-1 金手指瑕疵樣本的蒐集 56
4.4-2 金手指瑕疵的分類結果 58
第五章 結論與未來發展 65
參考文獻 67
附錄一 訓練樣本資料 71
附錄二 邏輯迴歸分類樹決策線之報表結果 79
附錄三 待測樣本之分類結果 82
附錄四 瑕疵之常態性檢定 87

【1】Anthony J. Hayter , Probability and Statistics for Engineers and
Scientists , Pws Pub. Co. , Boston , 1996.
【2】Bradley P. Carlin and Thomas A. Louis , Bayes and Empirical
Bayes Methods for Data Analysis , Chapman & Hall , London ,
1996.
【3】Collica R.S.,"A Logistic Regression Yield Model for SRAM Bit
Fail Patterns",Defect and Fault Tolerance in VLSI System,The
IEEE International Workshop,127-135,USA,Oct.1993.
【4】Eppinger S.D. , Huber C.D. and Pham V.H. ,"A Methodology
for Manufacturing Process signature Analysis", Journal of
Manufacturing Systems , Vol.14 , No.1 , 20-34 , 1995.
【5】Geoffrey J.Mclachlan , Discriminant Analysis and Statistical
Pattern Recongnition , Wiley , New York , 1992.
【6】Han C.,Mazouz K.,Saravanan N.,"A Printed Circuit Board
Inspection System Using Artificial Neural Network",System
Theory,Proceeding SST '93.,Twenty-Fifth Southeastern
Symposium ,238-242,Boca Raton,USA,March 1993.
【7】Hara Y.,Doi H.,Karasaki K.,Iida T.,"A System for PCB Automated
Inspection Using Fluorescent Light", IEEE Transactions, ,Pattern
Analysis and Machine Intelligence,Vol.10,69-78,1988.
【8】Hata S.,Miyashita Y.,Hanafusa H.,"Human Sensitivity of Color
Defects Inspection", Industrial Electronics Control, and
Instrumentation,Preceedings of The 1996 IEEE IECON 22nd
International Conference,Vol.2,713-719, Takamatsu, Japan, Aug.
1996.
【9】Josmer , D. W. & S. Lemeshow , Applied Logistic Regression ,
Wiley , USA , 1989.
【10】Kishimoto S.,Kakimori N.,Yamamoto Y.,Takahashi Y.,Harada
T.,Iwata Y.,Shigeyama Y.,"A Printed Circuit Board Inspection
System Employing The Multi-lighting Optical System",Electronic
Manufacturing Technology Symposium,IEMT Conference,8th
IEEE/CHMT International,120-129,Nara,Japan,May 1990.
【11】Maritz J.S. and Lwin T., Empirical Bayes Methods , Chapman and
Hall , London , 1989.
【12】Michie D., Spiegelhalter D.J.and Talor C.C., Machine Learning ,
Neural and Statistical Classification , Ellis Horwood , New York. ,
1994.
【13】Mital O.P,Teoh E.K., "A Rule-based Inspection System for
Printed Circuit Boards",TENCON '89.Fourth IEEE Region 10
International Conference,665-668,Singapore,Nov.1989.
【14】Park J-S,Tou J.T.,"A Soder Joint Inspection System for
Automated Printed Circuit Board Manufacturing", Robotics and
Automation,1990.Proceedings.,IEEE International Conference,
1290-1295,Vol.2,Gainesville,USA,May 1990.
【15】Raafat H. and Taboun S. ,"An Integrated Robotics and Machine
Vision System for Surface Flaw Detection and Classification",
Computers in Industrial Engineers , Vol.30 , No.1 , 27-40 , 1996.
【16】Robert J. Schalkoff , Pattern Recongnition , Wiley , Singapore ,
1992.
【17】Richard O. Duda and Peter E. Hart , Pattern Classification and
Scene Analysis , Academic Press , New York , 1973.
【18】Rafael C. Gonzalez and Richard E. Woods , Digital Image
Processing , Addison-Wesley , Reading , Mass.，1992.
【19】Richard Arnold Johnson and Dean W. Wichern , Applied
Multivariate Statistical Analysis , Prentice-Hall , Englewood
Cliffs , 1992.
【20】Steven F. Arnold , The Theory of Linear Models and Multivariate
Analysis , Wiley , New York , 1981.
【21】Tin Kam Ho,Jonathan J. Hull,Sargur N. Srihari,"On Multiple
Classifier Systems for Pattern Recognition",Center for
Document Analysis and Recognition State University of New
York at Buffalo,84-87, Buffalo,USA,1992.
【22】Wu W. , Wang M. J. , Liu C. ,"Automated Inspection of Printed
Boards through Machine Vision", Computer in Industry , Vol.3 ,
103-111 , 1996.
【23】Yano J.,Yamada O.,Hiraoka E.,Kaida K.,ŗ-D Visual Inspector of
PCB Using Laser",Industrial Electronics Society,IECON '90.,
16th Annual Conference of IEEE,Vol 1,811-814,Ehime, Japan,
Nov.1990.
【24】Yoda H,Ohuchi Y,Taniguchi Y,Ejiri M,"An Automatic Wafer
Inspection System Using Pipelined Image Processing Techniques"
,IEEE Transactions ,Pattern Analysis and Machine Intelligence,
Vol.10,4-16,1988.
【25】李仲生，"色彩模型於機器視覺檢測的驗證"，元智大學，
碩士論文，民國八十七年六月.
【26】李志文，"交叉認證在樹狀分類法中之實証研究"，國立中
正大學，碩士論文，民國八十四年五月.
【27】林泰宗，"機器視覺應用於物體表面瑕疵分類之研究"，元
智工學院，碩士論文，民國八十六年六月.
【28】許獻成、李芳繁，"使用彩色機器視覺選別落花生仁"，農業
工程學報，第四十卷，民國八十三年十二月，65-76.
【29】黃正霖、李芳繁、林慶福，"應用彩色機器視覺技術選別蔬菜
種子之研究"，農業機械學刊，第三卷，民國八十三年十二月，
1-14.
【30】黃俊英，"多變量分析"，中國經濟企業研究所出版，第五版，
1995.
【31】楊清富、李芳繁，"應用機器視覺進行番茄顏色分級之研究"，
農業機械學刊，第三卷，民國八十三年三月，15-29.
【32】楊浩二，"多變量統計方法"，華泰書局，1984.
【33】歐陽智聞，"樹狀羅吉斯迴歸法中模型之選定"，國立中正
大學，碩士論文，民國八十四年五月.
【34】劉彗萍，"個人、家庭、學校因素對國中學生升學結果之影響
分析：以南區五縣市有原住民學生之學校為例"，國立中正
大學，碩士論文，民國八十四年五月.