跳到主要內容

臺灣博碩士論文加值系統

(34.226.244.254) 您好!臺灣時間:2021/08/01 05:22
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:邱勝郁
研究生(外文):Sheng-Yu Chiou
論文名稱:應用機械視覺於硬碟磁頭表面瑕疵檢測
論文名稱(外文):Application of Machine Vision for Hard-disk Head Inspection
指導教授:吳明川吳明川引用關係
指導教授(外文):Ming-Chuan Wu
口試委員:陳政順林守儀
口試委員(外文):Cheng-Shun ChenShou-Yee Lin
口試日期:2012-01-17
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:機電整合研究所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:144
中文關鍵詞:空氣軸承表面倒傳遞類神經光學顯微鏡
外文關鍵詞:Air Bearing SurfaceBP Neural NetworkOptical Microscope
相關次數:
  • 被引用被引用:2
  • 點閱點閱:230
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
為了達到更高的儲存等級,硬碟(Hard Disk Drive)磁頭和硬碟片的間距需減少至幾奈米的間距,以提高磁通密度,而磁頭在硬碟片間的碰撞機會也因此增加,使得硬碟穩定性及使用壽命面臨考驗。現今硬碟穩定性的評估方式主要以硬碟運轉後其磁頭滑塊空氣軸承 (Air Bearing Surface, A.B.S )表面髒污的狀況區分等級。現階段仍以人工的方式透過光學顯微鏡(Optical Microscope)取像後人工判別等級。其缺點在於沒有量化的分級程序,容易受主觀因素左右,誤判的結果可能造成重工的浪費或客戶的抱怨,且區分等級的過程中,需花大量時間檢查、評估及比較參考樣本後才能做決定,十分浪費人力且枯燥乏味。
本研究針對磁頭表面提出一套基於機械視覺的自動化的磁頭分級系統。定位部分,我們提出輪廓定位法,分別定位ABS及其前端導流板,並將輪廓加粗以降低背景邊緣的影響。瑕疵檢測部分,採背景偵測的策略找出理想的閥值範圍,分割ABS部分之瑕疵;前端導流板部分,則以方向性的影像梯度偵測瑕疵,以解決背景變異太大及磁頭製造上本身的差異等問題。最後利用倒傳遞類神經(Back-Propagation Neural Network)訓練範例樣本以找出分級系統的分級最佳權重分配並進行測試。性能測試結果,符合實際業界等級判別的合理範圍,總檢測時間約為3秒。


In order to achieve a higher storage rank for hard disk drive(HDD), the head-disk spacing must be reduced to several nanometers to enhance the magnetic-flux density, but head-disk contacts during flying can not be avoided ,which could cause unstable flyability and reduce the service life. Nowadays the method of evaluating flyability of hard disk driver is by ranking contamination level of air bearing surface (ABS) after head-disk operating for constant time. In the industry, The level ranking is still by artificially inspecting the pictures of head surface image captured from Optical Microscope (OM). It has some shortcomings, such as it’s not a fixed standard method for objective judgement, and the misjudgement possibly cause the waste of reproduction or the customer complaint, and the process must take the massive time to inspect defect and compare reference samples before judgement, that waste the manpower, and is arid.
In this research ,we provide an automatic head ranking system based on machine vision.In location ,we present contour location algorithm to locate region of ABS and trailing edge of head and reduce interferences of background edge by thicking the contours;In defect inspection ,we present background detection to get ideal threshold to segment defect region on ABS, and use directional gradient to detect defects on trailing edge region of head, by this way to redue the influence of various background and manufacture error. Finially, we use back-propagation neural network to train the reference samples to get the best weight adjusting of the ranking system. the performance test result shows the system is acceptable for industry application and take about 3 seconds for ranking a head.


目 錄

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 ix
第一章 緒論 1
1.1 研究背景 1
1.2 動機與目的 2
1.3 研究範圍 7
1.4 研究流程 8
1.5 論文架構 9
第二章 文獻回顧 10
2.1 自動化光學檢測應用 10
2.2 影像定位 10
2.3 瑕疵檢測 11
2.4 分級方法 12
第三章 研究方法 13
3.1 光學系統架構 13
3.1.1 影像擷取系統 14
3.1.2 照明系統 17
3.1.2.1 前照式(Front Illumination) 18
3.1.2.2 背照式(Back Illumination) 22
3.1.2.3 光學顯微鏡 24
3.2 數位影像處理 25
3.2.1 數位影像 25
3.2.2 數位影像描述方法 26
3.2.3 空間濾波 27
3.2.4 邊緣檢測 29
3.2.4.1 Sobel Operator 30
3.2.4.2 邊緣匹配 31
3.2.4.3 Laplacian Operator 31
3.2.4.4 Canny Operator 32
3.2.5 直線偵測 33
3.2.6 二值化轉換 36
3.2.7 對比拉伸 38
3.2.8 灰階形態學 39
3.2.8.1 膨脹與侵蝕(Erode and Dilate) 39
3.2.8.2 斷開與閉合(Open and Close) 40
3.2.8.3 項帽轉換 40
3.2.9 連接元區標定程序 41
3.3 圖形定位 42
3.3.1 樣板比對法 43
3.3.2 多層解析搜尋 44
3.3.3 影像積分 45
3.4 類神經網路系統 46
3.4.1 倒傳遞類神經網路 48
3.4.1.1 傳統倒傳遞類神經網路 48
3.4.1.2 傳統倒傳遞演算法之運算 50
3.4.2 MOBP(Momentum Back Propagation)算法 52
3.4.3 RPROP(Resilient Backpropagation)算法 53
第四章 硬碟磁頭表面檢測分析 56
4.1 檢測系統實驗設備 56
4.2 磁頭檢測 63
4.2.1 磁頭放置 64
4.2.2 CCD調焦 67
4.2.3 影像擷取 72
4.2.4 磁頭定位 73
4.2.4.1 輪廓定位法 75
4.2.5 瑕疵檢測 79
4.2.5.1 瑕疵樣本截圖 81
4.2.5.2 檢測方法測試 82
4.2.5.3 ABS表面瑕疵檢測 92
4.2.5.4 導流板瑕疵檢測 97
4.2.6 瑕疵分級 100
第五章 實驗結果 108
5.1 檢測程式界面及操作 108
5.1 磁頭檢測方法測試 110
5.1.1 磁頭輪廓定位測試 110
5.1.1.1 ABS輪廓定位 110
5.1.1.2 前端導流板輪廓定位 113
5.1.2 瑕疵檢測性能測試 117
5.1.3 分級測試 123
5.1.3.1 倒傳遞類神經網路訓練結果 125
5.1.3.2 倒傳遞類神經網路分級測試 127
5.1.4 計算時間 130
第六章 結論與未來展望 131
6.1 結論 131
6.2 未來展望 133
參考文獻 134
附錄 138
A RPROP類神經網路分級結果 138
作者簡介 144



[1] 王旭昇,硬碟(HDD)產業,台灣工業銀行,2008年10月。
[2] 呂博裕,考慮多世代產品之鋁基板硬碟片供應鏈之績效衡量,碩士論文,明新科技大學,新竹,2008。
[3] 簡培倫,硬碟機碟片表面型態的磨潤研究,碩士論文,元智大學機械工程學系,桃園縣,2004。
[4] J.white, "Air Bearing Slider-Disk Interface for Single-Sided High Speed Recording on a Metal Foil Disk," Transactions-American Society of Mechanical Engineers Journal of of Tribology, vol.129, 2007, pp.562-569.
[5] 黎家儼,觸控產業發展與設備商機,台灣AOI論壇與展覽,新竹,2011。
[6] 張國政,CMOS Sensor自動光學檢測機台之設計與開發,碩士論文,國立交通大學,新竹,2006。
[7] 曾紀綱,應用機器視覺方法於晶圓表面瑕疵檢測之研究,元智大學,碩士論文, 工業工程與管理學系,桃園縣,2006。
[8] 張頌榮,TFT-LCD面板之點線瑕疵自動化檢測系統,碩士論文,成功大學製造工程研究所碩博士班,台南市,2005。
[9] 邱振洋,應用電腦視覺於IC 瑕疵檢測之研究,碩士論文,國立雲林科技大學工業工程與管理研究所,雲林,2000。
[10] 江宸菘,數位顯微鏡自動對焦系統之研製,碩士論文,義守大學生物醫學工程學系,高雄,2008。
[11] P. Viola, M .J. and J.Jones, "Rapid Object Detection using a Boosted Cascade of Simple Features," IEEE Computer Society International. Conference on Computer Vision and Pattern Recognition.vol.1, 2001.
[12] T. F. Cootes , G .J. Edwards & C. J., Taylor, "Active Appearance Models, " IEEE Trans. on Pattern Analysis and Machine, vol.23, no.6, 2001.
[13] 彭國軒,快速物件辨認與定位-環狀樣板比對,碩士論文,國立清華大學動立機械工程系,新竹,2003。
[14] 龔威儒,局部遮蔽圖形之自動比對,碩士論文,國立清華大學動力機械工程學系,新竹,2004。
[15] 賴慶霖,基於環形原理的一種新式比對技術,碩士論文,亞洲大學生物資訊系,台中市,2008。
[16] T.S Newman and A.K.Jaion, "A survey of automatic visual inspection," Comput. Vis Image Understand, vol. 61.no.2, 1995, pp.231-262.
[17] Kai,B.&and Uwe,D.H., "Template matching using fast normalized cross correlation," Proceeding of SPIE-The International Society for Optical Engineering, vol.4387, 2001, pp.95-102.
[18] M. Gharavi-Alkhansari, "A fast globally optimal algorithm for template matching using low-resolution pruning," IEEE Trans. Image Process, vol.10, no.4,2001, pp.526-533.
[19] S. Manickam, S.D.Roth, and T. Bushman, "ntelligent and optimal normalized correlation for high-speed pattern matching," Tech. Rep. Datacube, Inc.
[20] Shou-Der Wei and Shang-Hong Lai., "Robust and Efficient Image Alignment Based on Relative Gradient Matching," IEEE Trans. on Image Processing, vol.15, 2006, no.10.
[21] Latif-Amet A., Ertuzun A. & Ercil A, "An efficient method for texture defect detection: sub-band domain co-occurrence matrices," ScienceDirect: Image and Vision Computing. vol.18, 2000, pp.543-553.
[22] Du-Ming Tsai, Cheng-Huei Chiang, "Automatic band selection for wavelet reconstruction in the application of defect detection," Image and Vision Computing. vol. 21, 2003, pp.413-431.
[23] 曾彥馨,應用機器視覺於TFT面板之表面瑕疵檢測與分類,碩士論文,元智大學工業工程與管理研究所,桃園縣,2002。
[24] K.L. Mak & P. Peng, "Detection Defects in Textile Fabrics with Optimal Gabor Filter," World Academy of Science,Engineering and Technology, vol.13, 2006,pp.75-80.
[25] 許世清、吳明川,應用機械視覺於PVC卡片表面瑕疵檢測,數位科技與創新管理國際研討會,台北,2007,556-569頁。
[26] 練建良、吳明川,滑鼠觸控面板光學瑕疵檢測系統之開發,數位科技與創新管理國際研討會,台北,2006,192-201頁。
[27] 趙偉銘,使用相關係數法於瑕疵偵測問題之研究,碩士論文,義守大學資訊工程研究所碩士論文,高雄市,2010。
[28] 楊榮華,應用灰階共變異矩陣之多重指標於瑕疵檢測,碩士論文,元智大學工業工程與管理研究所,桃園縣,2002。
[29] N.G. Shankar, Z.W.Zhong, "Defect detection on semiconductor wafer surfaces,"Science Direct, Microelectronic 77, 2005, pp.337-346.
[30] Ahmed Abouelela, Hazem M. Abbas, Hesham Eldeeb, Abdelmonem A.Wahdan, Salwa M. Nassar, "Automated vision system for localizing structural defects in textile fabrics," Science Direct, Pattern Recognition letters 26, 2005, pp.1435-1443.
[31] K. Maruo, T. Shibata, T. Yamaguchi, M. Ichikawa, T. Ohmi, "Automatic defect pattern detection on LSI wafers using image processing techniques," IEICE Transactions on Electronics E82-C, 1999, pp.1003-1012.
[32] G.D. David and Z.Dongming, "A flaw detection method based on morphological image processing," IEEE Transactions on Circuit and Systems for Video Technology, vol.3, 1993, pp.389-399.
[33] 席友亮、李芳繁,以機器視覺分級文心蘭切花之研究,農業機械學刊,2001,17~20頁。
[34] 張金璜,學習向量量化類神經網路應用於發光三極體晶圓缺陷檢測,碩士論文,國立雲林科技大學資訊工程研究所,雲林縣,2007。
[35] 莊豐閣,應用倒傳遞類神經網路於BGA外形瑕疵檢測與量測,龍華科技大學,碩士論文,桃園縣,2006。
[36] 鄧世剛,林聖義,倒傳遞類神經網路用於裝備故障診斷-以某防空火砲為例,中正嶺學報 第三十九卷 第二期,2010。
[37] 張治國、楊毅桓、夏立顯、賈永紅,RPROP算法在火成岩岩石分類中的應用,地球物理學進展,第23卷,第3期,2008,898~902頁。
[38] 泰洛專題文章, 如何選擇鏡頭、CCD攝影機及光源基本入門介紹,新北市。
[39] 泰洛專題文章,光源介紹,新北市。
[40] 楊武智,影像處理與辨認,台北市:全華圖書,2001。
[41] 林建成,人臉表情自動辨識系統之研製,碩士論文,國立臺北科技大學自動化工程所,台北,2005。
[42] Otsu, N., "A threshold selection method from gray-level histograms," IEEE Transactions on Systems Man Cybernet SMC-9 (1),1979, pp.62-66.
[43] 謬紹綱譯,數位影像處理,台北:普林斯頓國際有限公司,2004。
[44] Pierre Soille, Morphological Image Analysis, New York: Springer.2003.
[45] 蕭俊祥,智慧型控制應用,上課講義,台北科技大學機電整合所,台北,2006。
[46] Martin Riedmiller., Heinrich Braun., "A Direct Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm," IEEE International Conference on Neural Networks, vol.1, 1993, pp.586-591.
[47] G. Bradski and A. Kaehler, "Learning OpenCV: Computer Vision with the OpenCV Library," O’RELLY, 2008.
[48] D. Vollath., "The influence of the scene parameters and of noise on the behaviour of automatic focusing algorithms," Journal of Microscopy, 151, 1988, pp.133-146.
[49] O.A. Osibote, R. Dendere, S. Krishnan, and T.S. Douglas, "Automated focusing in bright-field microscopy for tuberculosis Detection," NIH Public Access.J Microsc. 240(2), 2010 November ,pp155-163.
[50] D. E. Rumelhart, G. E. Hinton &R. J.Williams, "Learning Internal Representations By Error Propagation in Paralleled Distributed Processing," Cambridge, MA : MIT Press.vol.1, 1986, pp.318-362.


連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top