Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Tecnológico

Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia de Automação e Sistemas

Dimensão Institucional: Pós-Graduação

Dimensão ODS: Econômica

Tipo do Documento: Dissertação

Título: DESENVOLVIMENTO DE TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS PARA INSPEÇÃO DE PLACAS DE CIRCUITO IMPRESSO PRODUZIDAS EM PEQUENAS SÉRIES

Orientador
  • MARCELO RICARDO STEMMER
Aluno
  • CHARBEL SZYMANSKI

Conteúdo

Há muito tempo existe a preocupação em aprimorar as técnicas de processamento de imagens para inspeção de pci. no entanto, percebe-se que o foco está principalmente voltado à inspeção da produção em massa. mesmo com um volume de produção bem inferior ao de uma produção em massa, a produção em pequenas séries tem se tornado cada vez mais relevante. neste trabalho é apresentado o estado da arte da inspeção de pci, não necessariamente voltada à inspeção de pequenas séries. diferentes técnicas de processamento de imagens e visão computacional foram pesquisadas na literatura relacionada, visando desenvolver uma arquitetura de processamento de imagens que fosse adequada à inspeção de pequenas séries. dentre as técnicas encontradas, percebeu-se que o algoritmo sift possui um grande potencial para contornar os problemas que surgem na utilização de técnicas de inspeção de produção em massa, na produção de pequenas séries. dessa forma, a arquitetura de processamento de imagens proposta e implementada neste trabalho, está fortemente baseada na utilização do algoritmo sift. para que se obtivesse melhores resultados com o uso do sift, foram desenvolvidos dois algoritmos para filtragem de falsos matches. um software de inspeção foi implementado, utilizando-se a arquitetura proposta. na observância do resultado dos experimentos realizados com esse software, percebe-se que a arquitetura é adequada à produção de pequenas séries, possibilitando uma taxa de acertos acima de 80%, em um ambiente real.

Pós-processamento: Índice de Shannon: 3.98399

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
4,98% 6,07% 7,61% 6,22% 6,53% 5,38% 6,19% 7,84% 7,38% 5,46% 7,53% 5,52% 4,89% 6,73% 5,30% 6,37%
ODS Predominates
ODS 8
ODS 1

4,98%

ODS 2

6,07%

ODS 3

7,61%

ODS 4

6,22%

ODS 5

6,53%

ODS 6

5,38%

ODS 7

6,19%

ODS 8

7,84%

ODS 9

7,38%

ODS 10

5,46%

ODS 11

7,53%

ODS 12

5,52%

ODS 13

4,89%

ODS 14

6,73%

ODS 15

5,30%

ODS 16

6,37%