메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김민재 (조선대학교) 신종호 (조선대학교)
저널정보
(사)한국CDE학회 한국CDE학회 논문집 한국CDE학회 논문집 제25권 제3호
발행연도
2020.9
수록면
246 - 255 (10page)
DOI
10.7315/CDE.2020.246

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The Convolutional Neural Network (CNN) has already shown better performance in image classification than human nowadays. This capability gives many potential usages in manufacturing industry. In particular, the development of defect detection based on image classification in products has received much attention from industrial sites. Conventionally, defect detection methods have been developed using rule-based feature extraction. The rule-based method requires specialized knowledge and hard to respond frequent design modification of products quickly. Therefore, the usefulness of feature extraction by rule-based method is limited. To cover this limitation, this paper provides a framework to detect defect using CNN model. This framework can be extended to be a part of smart factory technologies. In the proposed framework, the image preprocessing method is applied to remove noise added by the surrounding environment (lighting, accuracy of machine, etc.) at the time of data collection. The enhancement of defect feature in image and the data augmentation method are also included. For the classification model of defect detection, CNN model is applied and transfer learning is also used. The trained CNN model performs well on real data.
#Artificial intelligent #Convolutional Neural Network #Deep Learning #Imbalanced data #Surface defect detection #Transfer Learning

목차

ABSTRACT
1. 서론
2. 기존 연구
3. 이미지기반 불량판정 AI모델 개발
4. 결론 및 토의
References

참고문헌 (25)

참고문헌 신청
DACO Intelligence, 2019, AI-based Smart Factory Technology Development Strategy and Market Outlook Report. google schola Lowe, D.G., 2004, Distinctive Image Features from Scale-Invariant Keypoint, International Journal of Computer Vision, 60(2), pp.91-110. google schola Dalal, N. and Triggs, B., 2005, Histograms of Oriented Gradients for Human Detection, In Computer Vision and Pattern Recognition, IEEE Computer Society Conference on, 1, pp.886-893. google schola Meng, F., Wang, X., Shao, F., Wang, D. and Hua, X., 2019, Energy-Efficient Gabor Kernels in Neural Networks with Genetic Algorithm Training Method, Department of Mechanical Engineering, Electronics 2019, Vol.8, pp.105. google schola Viola, P. and Jones, M., 2001, Rapid Object Detection using a Boosted Cascade of Simple Features, In Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥 러닝 기반 제조시설 이상영역 검출 및 고도 영향 분석
이아현 ,  최다빈 ,  이정원 외 1명 대한전기학회 학술대회 논문집 2021 .10
ResNet을 이용한 도로 네트워크 교통 데이터 예측
전승배 ,  Muhammad Sa ,  f 외 3명 대한공간정보학회지 2021 .06
지속적 학습을 이용한 생산 과정에서의 결함 탐지
현동환 ,  이수홍 한국CDE학회 논문집 2022 .03
딥러닝 및 영상처리 융합기술 기반 금속설비 결함탐지
박준범 ,  박예슬 ,  김영준 대한전기학회 학술대회 논문집 2021 .10
공정 매개변수 및 열화상 이미지를 기반으로 한 다공성 결함 감지를 위한 고압 다이캐스팅 결함 예측 딥러닝 알고리즘에 관한 연구
김재선 ,  박춘우 ,  박원석 외 3명 한국CDE학회 논문집 2023 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-530-001160082