세라믹 기판은 전자 장치의 중요한 기본 재료로, 머신 비전 기술과 딥러닝 전략을 결합하여 세라믹 기판의 결함 검출을 실현하는 것은 제품 품질 보증에 중요한 의미를 갖는다. 다수의 세라믹 기판을 동시에 촬영하기 위해 촬영 장비의 시야를 확장하면 세라믹 기판의 검사 속도를 크게 향상시킬 수 있지만, 이미지 해상도 저하로 이어져 궁극적으로 결함 검출 정확도가 떨어지는 문제도 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 지식 증류 기반 저해상도 세라믹 기판 결함 자동 검출 방법을 제안한다. 이 방법은 YOLOv5 프레임워크를 이용해 교사 네트워크와 학생 네트워크를 각각 구성하고, 지식 증류 사상을 기반으로 교사 네트워크가 획득한 고해상도 이미지 특징 정보를 학생 네트워크의 학습에 지도하여 학생 네트워크가 저해상도 세라믹 기판 이미지의 결함 검출 능력을 향상하도록 한다; 동시에 교사 네트워크에는 Coordinate Attention (CA) 주의 메커니즘 기반 특징 융합 모듈을 도입하여 교사 네트워크가 학습한 특징이 고해상도와 저해상도 이미지 정보를 동시에 적응하도록 하여 학생 네트워크 학습을 보다 효과적으로 지도한다; 마지막으로 Gradient Harmonizing Mechanism (GHM) 기반 신뢰도 손실 함수를 도입해 결함 검출률을 향상시킨다. 실험 결과 본 논문에서 제안한 지식 증류 기반 세라믹 기판 결함 검출 방법은 224×224 해상도 입력 이미지에 대한 얼룩, 이물질, 다중금속, 결손 세라믹, 손상 등 다섯 가지 결함 검출 평균 정확도와 평균 재현율이 각각 96.80%와 90.01%에 달했으며, 현재 주류 객체 검출 알고리즘보다 우수한 검출 결과를 보였다.

세라믹 기판;결함 검출;YOLOv5;지식 증류