相关实验视频
Updated: Jun 29, 2025
05:11
Inkjet-printed Polyvinyl Alcohol Multilayers
Published on: May 11, 2017
12.6K
基于深度学习的喷墨滴滴检测用于喷射特征和多喷射同步
Eunsik Choi1, Suwon Choi2, Kunsik An2
1Digital Transformation R&D Department, Korea Institute of Industrial Technology (KITECH), Ansan 15588, Republic of Korea.
ACS applied materials & interfaces
|March 26, 2024
概括
一种深度学习方法自动化了喷墨打印特征,使实时过程监控和降低劳动力成本. 这种人工智能方法提高了电子制造的可靠性.
科学领域:
- 材料科学与工程 材料科学与工程
- 人工智能的人工智能
- 制造业 制造技术 制造技术
背景情况:
- 喷墨印刷提供了精确的材料沉积,但由于复杂的墨水喷嘴空气相互作用,在预测喷射方面面临挑战.
- 目前由工程师进行的手动监控是劳动密集型的,并且限制了工业应用中的可扩展性.
- 确保在电子产品等大批量制造中的工艺可靠性,需要自动化表征方法.
研究的目的:
- 开发一种基于深度学习的方法,用于在喷墨印刷中进行自主实时喷射特征.
- 克服手动监控的局限性,并降低与过程可靠性检查相关的劳动力成本.
- 为了实现先进制造应用的同步多喷嘴喷射.
主要方法:
- 使用现场CCD摄像头记录喷墨打印过程.
- 采用基于卷积神经网络 (CNN) 的物体检测模型YOLOv5,以识别单个滴.
- 开发了一种回归分析来量化滴滴参数,如速度,直径,长度和转换.
主要成果:
- 在0.5 IoU值下,YOLOv5模型实现了高性能,精度为 (0.86),回忆 (0.89),平均平均精度 (mAP) 为0.90.
- 每个喷嘴和滴滴类别的量化滴滴特征按时间顺序积累.
- 证明了基于实时特性数据同步多喷嘴喷射的能力.
结论:
- 深度学习方法使喷墨印刷的自主实时过程测试成为可能.
- 这种方法显著降低了劳动力成本,并在大规模制造中提高了工艺可靠性.
- 通过利用喷射特征的大数据,为生物传感器电极和QD显示像素等应用程序提供高分辨率图案.
