非接触電気検査データからの機械学習によるガラス基板の欠陥検出

カテゴリ: 研究会(論文単位)

論文No: IS18025

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2018/05/27

タイトル(英語): Machine learning-based algorithms for detecting defects of glass substrates in non-contact electric inspection

著者名: 若松 諒太(神奈川大学),宇野 剛史(徳島大学),片桐 英樹(神奈川大学)

著者名(英語): Ryota Wakamatsu(Kanagawa University),Takeshi Uno(The University of Tokushima),Hideki Katagiri(Kanagawa University)

キーワード: ガラス基板|欠陥検出|機械学習|非接触電気検査|時系列データ|glass substrate|defect detection|machine learning|non-contact electric inspection|time-series data

要約(日本語): 近年，フラットパネル産業の成長により，ガラス基板の生産性向上のために検査工程の効率化が益々重要な課題になっている．本研究では，ガラス基板の非接触電気検査において，電圧波形データから，ガラス基板の欠陥有無の判別と欠陥位置特定を高速かつ高精度に行うための機械学習アルゴリズムの応用について検討する．現場の実データを用いた数値実験を行い，代表的な機械学習アルゴリズムの有用性について比較考察する．

要約(英語): This study proposes machine learning-based methods of detecting defects in glass substrates with high precision in a short time. Several feature quantities are constructed not only to distinguish defects with noise but also to specify waveform types.　Numerical experiments are conducted using actual data to show the effectiveness of the proposed method.

原稿種別: 日本語

PDFファイルサイズ: 1,129 Kバイト