社區生活資訊情報站論文書籍站
朝陽科技大學 工業工程與管理系 林宏達所指導 鄭丞凱的 電腦視覺技術應用於手工具組裝之零件瑕疵檢驗 （2021），提出Pixel 5 實體關鍵因素是什麼，來自於自動化檢驗、手工具組裝、瑕疵檢驗、R-CNN網路模式。
而第二篇論文國立高雄科技大學 電子工程系 李財福、趙珮如所指導 蔡宜興的 運用遠心鏡頭與線性馬達定位平台改善影像與雷射虛擬同軸穩定性—以去除方形扁平無引腳封裝溢膠為例 （2021），提出因為有 封裝溢膠、虛擬同軸、雷射除膠的重點而找出了 Pixel 5 實體的解答。
Pixel 5 實體進入發燒排行的影片
Sony 今年上半年共發表了三款新機，包含兩款旗艦以及一款中階機，而這部影片將會著重在 Xperia 5 III，如果你對 Xperia 1 III、10 III 比較有興趣的話，建議可以點選右上方的推薦影片。那麼今年非常的特別，Sony 將通常在下半年才會發表的小旗艦，提前於上半年發表，而身為 Xperia 5 系列的一員，同樣主打單手好掌握的尺寸，但其他方面究竟跟前兩代有什麼差異？趕緊來看看吧！
【影片更新】
【影片推薦】
►Sony 2021 三新機登場！Sony Xperia 1 III、5 III、10 III
https://youtu.be/h0bPRVCPEKs
►首款望遠變焦鏡頭！Sony Xperia 1 III 相機再進化 (vs. 1 ii/1)
https://youtu.be/TkkhfAL_cKI
►Sony防水新機！Xperia 10 III 續航、效能再升級 (vs. 10 ii/10)
https://youtu.be/3zDG5xXFNXo
►攝錄更專業！Sony Xperia 1 II 實機評測
https://youtu.be/FyK1IF2OJzk
【影片指引】
00:00 前言
00:54 設計 (21:9 螢幕設計、尺寸、材質)
02:19 感應器 (側邊指紋辨識)
02:36 螢幕 (HDR OLED、120Hz刷新率、240Hz觸控採樣率)
03:39 主相機 (廣角、超廣角、高速連拍)
04:12 主相機 (潛望式望遠變焦鏡頭、AI超高解析度縮放)
04:49 主相機 (物件追蹤對焦、Photo Pro)
05:47 主相機 (4K HDR 錄影、Cinema Pro、FlawlessEye)
06:34 前相機
06:56 音訊 (全段立體聲前置雙喇叭、360 空間模擬音效)
07:31 硬體 (系統、遊戲增強器、高通S888處理器)
08:44 硬體 (8GB記憶體、4500mAh電池、30W快充)
09:49 連結 (Wi-Fi 6、藍牙 5.2)
10:02 通訊 (5G+4G 雙卡雙待、5G頻段)
10:25 總結
【產品資訊】
►Xperia 5 III：8GB+256GB (黑/粉/綠)、NT$。
【影片類型】
小翔評測：「實機體驗」讓你更深入了解3C科技產品
小翔大對決：透過「規格表」讓你弄懂3C科技產品差異
小翔聊科技：整理「多方資訊」讓你弄懂科技產品、技術
小翔短新聞：整理「多方資訊」讓你提早獲得3C科技新消息
小翔來報榜：透過「排行榜單」讓你知道手機銷售趨勢
【影片聲明】
業配：無。
感謝：看影片的每一個朋友
來源：Sony…
製作：小翔 XIANG
【小翔專區】
小翔FB：https://www.facebook.com/Xiangblog/
小翔IG：https://www.instagram.com/xianglin0222/
小翔Twitter：https://twitter.com/xianglin0222
小翔痞客邦：http://xianglin0222.pixnet.net/blog
小翔信箱：[email protected]
【官方網站】
※影片資訊僅供參考，想了解更多請前往
Sony：https://www.sonymobile.com/tw/
網路頻段查詢：https://www.frequencycheck.com/
-------------------------------------------------------------------------
【CC Music】
Nicolai Heidlas：https://soundcloud.com/nicolai-heidlas
MBB：https://soundcloud.com/mbbofficial
FortyThr33：https://soundcloud.com/fortythr33-43
Tobu：http://www.youtube.com/tobuofficial
Peyruis：https://soundcloud.com/peyruis
FortyThr33：https://soundcloud.com/fortythr33-43
Lyfo：https://soundcloud.com/lyfomusic
A Himitsu：https://soundcloud.com/argofox/a-himitsu-adventures
Ehrling：https://soundcloud.com/ehrling
-------------------------------------------------------------------------
【索引】
#SonyXperia5III #Xperia5III #Xperia5II #Xperia5 #SonyXperia #Sony2021 #Xperia2021 #Sony手機 #Sony新機 #Sony輕旗艦#小翔大對決 #小翔XIANG
【關鍵字】
手機規格比較、手機推薦、你該選擇誰、透過規格比較、讓你了解究竟該選擇 Xperia 5 III、Xperia 5 II 還是 Xperia 5。外型規格比較：Xperia 5 III / 5 II / 5 延續21：9螢幕設計，採用雙面玻璃結合鋁合金邊框，其中 5 III 正面使用康寧第六代玻璃，背面則搭載了三鏡頭，至於側邊按鍵，Xperia 5 III / 5 II 都多出 Google 助理鍵，不過三者都具備實體相機鍵，同時都具備側邊指紋辨識，Xperia 5 III 機身顏色共有鏡黑、鏡粉、鏡綠。螢幕規格比較：Xperia 5 III / 5 II / 5 採用 Full HD+ HDR OLED 螢幕，X1 影像處理引擎、DCI-P3 色域、Bravia技術、導演模式、10 bit 平滑技術、120Hz 螢幕刷新率、240Hz 降低動態影像模糊、240Hz 觸控採樣率。主相機規格比較：Xperia 5 III / 5 II / 5 主要搭載三鏡頭 （1200 萬畫素的廣角鏡頭、1200 萬畫素的超廣角鏡頭、1200 萬畫素 望遠或潛望式望遠變焦鏡頭，20fps 高速連拍、60fps 自動對焦&自動曝光計算、Dual Pixel PDAF、4.4 倍光學變焦、混合式變焦12.5 倍、AI 超高解析度縮放、OIS 光學防震、蔡司光學鏡頭、蔡司鍍膜、即時眼部追蹤對焦、物件追蹤對焦，Photo Pro 新增 Basic 模式、智慧場景辨識、RAW 檔、寵物辨識、夜間模式，4K HDR 60fps 影片、4K HDR 120fps 慢動作影片、Cinema Pro、光學智慧防手震錄影 Optical SteadyShot、FlawlessEye。前相機規格比較：800萬畫素、f/2.0、手勢自拍、人像自拍、5軸數位防手震。音訊規格比較：全段立體聲前置雙喇叭、劇院級立體聲雙喇叭、360 reality audio、360 空間模擬音效、3.5 mm 耳機孔、杜比全景聲、DSEE Ultimate、Hi-Res、LDAC、aptxHD。系統規格比較：Android 11、遊戲增強器、H.S 電源控制。硬體規格比較：Xperia 5 III 搭載Qualcomm Snapdragon 888、8GB RAM/256GB ROM、記憶卡擴充。電池規格比較：4500 mAh 電池、30W 快充、XQZ-UC1快速充電器、無線充電、無線電力分享、PD 快充。連結：Wi-Fi 6、藍牙 5.2、NFC、DisplayPort。通訊：5G+4G雙卡雙待、載波聚合、5G通訊、5G手機、5G頻段。Xperia 5 III / 5 II / 5 價位。小翔大對決。小翔透過規格比較讓你更了解手機的差異。
電腦視覺技術應用於手工具組裝之零件瑕疵檢驗
為了解決Pixel 5 實體 的問題，作者鄭丞凱 這樣論述：
目錄摘要 IAbstract II目錄 IV圖目錄 VII表目錄 XII第一章 緒論 I1.1 棘輪扳手與零件介紹 21.2 棘輪扳手組裝流程 51.3 棘輪扳手組裝異常類型與瑕疵種類 71.4 棘輪扳手組裝之現行檢驗方式 181.5 研究動機與目的 191.6 論文架構 21第二章 文獻探討 222.1 自動化視覺檢測 222.2 組裝異常檢測 232.3 物件特徵比對 252.4 類神經網路模型 262.4.1 卷積神經網路(Convolutional Neural Network, CNN) 262.4.2 YOLOV4 (You O
nly Look Once)網路模型 272.4.3 基於區域的卷積神經網路(Region With CNN, R-CNN) 282.4.4 快速的基於區域的卷積神經網路(Fast R-CNN) 292.4.5 更快速的基於區域的卷積神經網路(Faster R-CNN) 302.4.6 基於遮罩的區域卷積神經網路(Mask R-CNN) 32第三章 研究方法相關原理 363.1 工件影像濾波 363.2 常見之物件偵測分類器 373.2.1 CNN網路模型 383.2.2 YOLO系列模型 393.2.3 R-CNN系列模型 40第四章 研究流程與技術應用 514.
1 工件影像拍攝 534.2 影像之ROI區域擷取 544.3 ROI影像之濾波處理 554.4 工件組裝異常之瑕疵種類特徵擷取 574.5 工件組裝異常類型之瑕疵種類的分類 604.5.1 物件候選區域選擇 614.5.2 CNN網路模式之特徵提取 624.5.3支援向量機的瑕疵分類 634.5.4 可疑瑕疵區域的邊界框回歸 644.5.5 瑕疵種類分類結果輸出 664.6 工件組裝異常類型之瑕疵種類的分類績效混淆矩陣 67第五章 實驗結果與分析 695.1 樣本影像說明 695.2 組裝異常之瑕疵檢測系統之發展 705.3 組裝異常類型之瑕疵種類分類績效指標
715.4 組裝異常之瑕疵檢測系統之R-CNN網路模型之參數設定 725.4.1 網路模型之學習率參數設定 745.4.2 網路模型之訓練批量參數設定 765.4.3 網路模型之優化器類型選擇 785.4.4 網路模型之訓練次數參數設定 805.4.5 網路模型避免過度擬合之判斷設定 825.5 組裝異常檢測之分類績效評估與比較 845.5.1 R-CNN系列模型比較 845.5.2 R-CNN系列模式與YOLOV4之檢測績效比較 895.6 敏感度分析 955.6.1 ROI區域大小對檢測效益之影響 965.6.2 影像亮度的變化對檢測績效之影響 975.6.3
工件擺放方式對檢測績效之影響 995.6.4 工件表面油漬量對檢驗績效之影響 1035.6.5 工件輸送帶速度對檢測績效之影響 1085.6.6 棘輪扳手單一分類器檢驗模型選擇 1135.6.7 同態濾波對檢測效益之影響 115第六章 結論與後續研究方向 1186.1 結論 1186.2 未來研究方向 119參考文獻 122表目錄表1 市售主要棘輪扳手之英制與公制規格 3表 2 1/2”36T棘輪扳手各組裝站之零件表 4表3 棘輪扳手組裝之各工作站的工作內容說明表 5表4 棘輪扳手組裝時可能產生的組裝異常類型說明彙整表 8表5 棘輪扳手組裝過程
可能的組裝異常類型與瑕疵種類彙整表 9表6 缺件組裝異常之瑕疵種類影像彙整表 14表7 錯置組裝異常之瑕疵種類影像彙整表 15表8 異物組裝異常之瑕疵種類影像彙整表 16表9 餘件組裝異常之瑕疵種類影像彙整表 17表10 取像限制說明表 21表11 本研究與物件偵測相關文獻比較表 35表12 本研究使用之網路模型比較表 48表13 本研究目前使用之遮罩與影像面積之比較表(單位:pixel) 55表14 灰階影像與濾波後影像之平均值及標準差比較表 57表15 以影像張數為基礎之棘輪扳手分類混淆矩陣示意表 68表16 棘輪扳手檢驗結果之混淆矩陣示意表
68表17 本研究組裝第一站之檢測樣本影像數量 73表18 本研究組裝第二站之檢測樣本影像數量 74表19 本研究組裝第三站之檢測樣本影像數量 74表20 採用不同學習率之檢測效益結果比較 75表21 採用不同訓練批量之檢測效益結果比較 77表22 本研究探討之三種優化演算法優缺點比較 79表23 採用不同網路模型優化器之檢測效益結果比較 79表24 採用不同網路模型訓練次數之檢測效益結果比較 81表25 R-CNN網路模型之預設值與較佳參數設定之比較表 84表26 第一站大樣本異常類型之瑕疵種類檢驗模型效益彙整表 86表27 第二站大樣本異常類型之瑕
疵種類檢驗模型效益彙整表 87表28 第三站大樣本異常類型之瑕疵種類檢驗模型效益彙整表 88表29 本研究組裝工作站之較佳網路模型效益彙整表 89表30 第一站較佳模型與YOLOV4之檢測效益比較表 90表31 第二站較佳模型與YOLOV4之檢測效益比較表 91表32 第三站較佳模型與YOLOV4之檢測效益比較表 92表33 第一站各網路模型之檢測時間彙整表(單位:秒) 93表34 第二站各網路模型之檢測時間彙整表(單位:秒) 93表35 第三站各網路模型之檢測時間彙整表(單位:秒) 93表36 採用不同遮罩大小之檢測效益結果比較 96表37 採用拍攝光
線強度之檢測效益結果比較 98表38 工件偏移角度之影像數量彙整表 101表39 棘輪扳手不同擺放角度之檢測效益比較表 101表40 ROI區域與油漬量之影像面積比較表(單位:pixel) 104表41 塗抹不同程度潤滑油之檢測效益比較表 106表42 靜態與動態拍攝之差異比較表 109表43 不同輸送帶速度之影像檢測效率 111表44 棘輪扳手動態視覺檢測系統之檢測效益比較表 112表45 棘輪扳手各站模型之正確分類率比較表 114表46 灰階影像與濾波後影像之影像像素比較表 116表47 第一站各模型有無經同態濾波處理之檢測效益彙整表 117圖目錄
圖1 市售棘輪扳手常見之產品銷售方式 I圖2 棘輪扳手的使用說明 2圖3 完成組裝之1/2” 36T棘輪扳手 3圖4 1/2”扭力頭寬度規格標示 3圖5 1/2”36T棘輪扳手之內部結構 3圖6 36T扭力頭實體圖(圓圈標示處為該零件之齒輪) 4圖7 葫蘆柄各組裝站之零件彙整 6圖8 棘輪扳手之組裝異常類型與瑕疵種類關係彙整圖 10圖9 第一站經組裝後各種可能的缺件組裝異常結果 11圖10 第二站經組裝後各種可能的缺件組裝異常結果 12圖11 第三站經組裝後各種可能的缺件組裝異常結果 13圖12 棘輪扳手檢驗實體圖 19圖13 同態濾波器的運算
流程 37圖14 CNN網路架構示意圖 38圖15 卷積方法示意圖 39圖16 池化運算示意圖 39圖17 YOLOV4網路架構示意圖 40圖18 R-CNN網路架構示意圖 41圖19 Fast R-CNN網路架構示意圖 43圖20 ROI pooling運算示意圖 44圖21 Faster R-CNN網路架構示意圖 45圖22 RPN運算示意圖 46圖23 Mask R-CNN網路架構示意 47圖24 研究方法流程圖 52圖25 本研究現階段使用之數量與零件 53圖26 本研究之硬體設備架設示意圖 53圖27 本研究前處理之影像平均值與
標準差 54圖28 本研究使用之五種遮罩大小 55圖29 使用同態濾波濾除拍攝時造成反光之像素變化 56圖30 灰階影像與濾波後影像之平均值及標準差曲線圖 57圖31 光源控制器數值下灰階影像與濾波後影像標準差比較表 57圖32 使用Matlab軟體內建之Image Labeler工具箱進行人工標...58圖33 完成標註之邊界框資訊 58圖34 棘輪扳手組裝製程中第一組裝站使用R-CNN網路模式之圖像標註流程圖 59圖35 第一站缺件檢驗之R-CNN網路架構的訓練程序 60圖36 R-CNN模型檢驗流程圖 61圖37 候選區域選擇示意圖 62圖38
特徵提取流程圖 63圖39 邊界框回歸原理示意圖 65圖40 邊界框回歸運算可能發生之失效結果 66圖41 瑕疵種類分類結果示意圖 67圖42 運用R-CNN網路模型之棘輪扳手檢驗辨識系統測試程序 67圖43 本研究之實驗架構圖 69圖44 本研究影像拍攝之設備圖 70圖45 本研究所開發之使用者介面 71圖46 不同學習率之檢出績效評估ROC曲線圖 75圖47 不同學習率之正確分類率折線圖 76圖48 不同訓練批量之檢出績效評估ROC曲線圖 77圖49 不同訓練批量之正確分類率折線圖 77圖50 不同網路模型優化器之檢出績效評估ROC曲線圖
80圖51 不同網路模型優化器之正確分類率折線圖 80圖52 不同訓練次數之檢出績效評估ROC曲線圖 82圖53 不同訓練次數之正確分類率折線圖 82圖54 本研究使用R-CNN網路模型之訓練資料損失曲線圖 83圖55 過擬合現象示意圖 83圖56 第一站R-CNN系列模型之ROC曲線圖 86圖57 第一站R-CNN系列模型之績效指標曲線圖 86圖58 第二站R-CNN系列模型之ROC曲線圖 87圖59 第二站R-CNN系列模型之績效指標曲線圖 87圖60 第三站R-CNN系列模型之ROC曲線圖 88圖61 第三站R-CNN系列模型之績效指標曲線圖
88圖62 第一站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 90圖63 第一站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 90圖64 第二站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 91圖65 第二站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 91圖66 第三站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 92圖67 第三站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 92圖68 R-CNN系列模型與YOLOV4之總訓練時間曲線圖 94圖69 R-CNN系列模型與YOLOV4之總測試時間曲線圖 94圖70
R-CNN系列模型與YOLOV4之單位影像測試時間曲線圖 94圖71 各站R-CNN系列較佳模型與YOLOV4之正確分辨率直方圖 95圖72 使用不同遮罩大小之棘輪扳手檢出績效評估ROC曲線 97圖73 使用不同遮罩大小之棘輪扳手正確分類率折線圖 97圖74 採用不同亮度拍攝棘輪扳手之檢出率與誤判率ROC曲線 98圖75 採用不同亮度拍攝棘輪扳手之正確分類率折線圖 98圖76 工件擺放方向示意圖 99圖77 原始影像之各角度擺放情況 100圖78 原始影像加入遮罩後各角度擺放情況 100圖79 棘輪扳手正向擺設角度之檢出績效評估ROC曲線 102圖80
棘輪扳手負向擺設角度之檢出績效評估ROC曲線 102圖81 棘輪扳手擺設角度之正確分類率折線圖 103圖82 第一站塗抹不同程度潤滑油之比較圖 104圖83 第二站塗抹不同程度潤滑油之比較圖 104圖84 第一站塗抹不同程度之潤滑油後加上遮罩之比較圖 105圖85 第二站塗抹不同程度之潤滑油後加上遮罩之比較圖 105圖86 第一站塗抹不同程度潤滑油之檢出績效評估ROC曲線圖 106圖87 第一站塗抹不同程度潤滑油之正確分類率折線圖 107圖88 第二站塗抹不同程度潤滑油之檢出績效評估ROC曲線圖 107圖89 第二站塗抹不同程度潤滑油之正確分類率折線圖 1
07圖90 棘輪扳手動態視覺檢測系統運作示意圖 108圖91 棘輪扳手動態視覺檢測系統硬體架設實體圖 110圖92 動態視覺檢測系統中不同輸送帶速度所拍攝之原始影像 110圖93 動態視覺檢測系統中不同輸送帶速度所拍攝之前處理影像 111圖94 棘輪扳手動態視覺檢測系統之ROC曲線圖 112圖95 棘輪扳手動態視覺檢測系統之正確分類率曲線圖 113圖96 棘輪扳手各站模型之正確分類率直方圖 114圖97 棘輪扳手各站模型之檢測時間直方圖 115圖98 有無經同態濾波處理對各模型之正確分類率直方圖 117圖99 有無經同態濾波處理對各模型之績效指標折線圖 11
7
運用遠心鏡頭與線性馬達定位平台改善影像與雷射虛擬同軸穩定性—以去除方形扁平無引腳封裝溢膠為例
為了解決Pixel 5 實體 的問題，作者蔡宜興 這樣論述：
目的：本研究結合影像辨識、光纖雷射、遠心鏡頭與線性馬達定位平台建構虛擬同軸來達到影像定位溢膠後可直接傳遞位置至光纖雷射系統進行除膠流程。並藉由二代自動雷射除膠機(ADMFM II)與第三代自動雷射除膠實驗機(ADMFM III)的差異進行研究，取得優化虛擬同軸的關鍵因素，藉以改善半導體封裝製程良率。材料與方法：本研究實驗設備採用ADMFM II (宜樺科技有限公司，中華民國)與ADMFM III，QFN 4B 10 • 10為實驗材料。設備組件選用流程如下：一、進行目標尺寸範圍選定。二、影像取得選用1200萬畫素電荷耦合元件 (CCD)搭配遠心鏡頭(0.09X)與外同軸光源(100 •100
mm)。三、雷射採用光纖雷射(20W)搭配德製振鏡與聚焦鏡頭(ADMFM II：Fθ鏡頭；ADMFM III：遠心鏡頭)進行除膠。四、運動控制採用NI-7390運動控制卡搭配十字線性馬達定位平台。五、軟體之主流程控制為 NI LabVIEWTM (version 2013; National Instruments Corporation, TX, USA) ，影像處理為NI VisionTM (version 2013; National Instruments Corporation, TX, USA)與NI IMAQTM (version 2013; National Instrume
nts Corporation, TX, USA)，雷射控制軟體為MarkingMate及其 OCX函式庫(版本2.7a；興誠科技股份有限公司，中華民國)。虛擬同軸建構方法如下：一、採用傳統手法各自校正影像、雷射系統與線馬平台。二、借助線馬平台的高再現性(0.001mm)將影像、雷射建構虛擬同軸。三、雷射進行33•33定位點雷雕。四、影像分析各點偏移量並轉換座標系統與單位。五、回饋偏移量至雷射系統。六、重複步驟三至步驟五確認校正結果，直到最大偏移量達到0.01mm以下。實驗方法：設備校正完成，進行實驗取得ADMFM II與ADMFM III 各600筆偏移量原始數據，並進行資料統計分析。結果：
根據實驗結果本研究所採用的的虛擬同軸可降低雷射除膠之偏移量50%，角落最大平均偏移量由II_Cn.μ_24=0.0468 mm降至III_Cn.μ_3=0.0227 mm，中心最大平均偏移量由II_Ct.μ_25=0.0437 mm降至III_Ct.μ_5=0.0235 mm。結論：本研究的結果表明，採用影像遠心鏡頭可有效降低對於邊緣影像扭曲的影響，而雷射遠心鏡頭亦可針對在對邊緣除膠降低Z軸變化導致的XY平面位移的偏移量。而本研究的虛擬同軸整合影像、雷射與線馬平台系統，對系統自動校正速度亦有明顯助益。