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
이세훈 (경북대학교) 강성환 (경북대학교) 신요섭 (경북대학교) 최오규 (한국전기연구원) 김시종 (한국전기연구원) 강재모 (경북대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제32권 제4호
발행연도
2022.8
수록면
275 - 285 (11page)
DOI
10.5391/JKIIS.2022.32.4.275

이용수

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

초록· 키워드

오류제보하기
최근 다양한 분야에 딥러닝 기술이 도입되었고, 특히 영상 처리에 특화된 합성곱신경망(CNN: Convolutional Neural Network)이 많이 활용되고 있다. 금속 외관의 결함영역을 검출하는 많은 응용 분야(예를 들어, 스마트 제조 및 스마트팩토리 분야)에서도 합성곱신경망을 활용한 연구가 활발하게 이루어지고 있다. 본 논문에서는 합성곱신경망 기반 객체 검출(Object Detection) 알고리즘 중 하나인 YOLOv4(YOLO 알고리즘의 4번째 버전)를 활용하여 금속 외관의 결함영역을 검출하는 연구를 수행하고자 한다. 특히, 본 논문에서는 YOLOv4 네트워크 구조에 여러 후처리 기법들과 전이 학습을 적용하여 향상된 검출 성능을 달성하는 방안을 제안한다. 두 가지 종류의 학습데이터셋((i)공용 데이터셋과 (ii)실측 데이터셋)에 대한 실험을 통해 제안한 방법의 성능을 검증하고 분석한다. 또한 성능 검증을 통해 공용 데이터셋과 실측 데이터셋에서의 후처리 기법 및 전이학습에 대한 최적의 조합을 도출하였다.
#금속 외관 #결함 검출 #객체 검출 #합성곱신경망 #딥러닝 #Metal Surface #Detection of Defects #Object Detection #Convolution Neural Network #Deep Learning

목차

요약
Abstract
1. 서론
2. 금속 외관의 결함 검출에 대한 연구 동향
3. 금속 외관 결함영역 검출을 위한 알고리즘과 후처리 기법
4. 실험 및 결과
5. 결론
References

참고문헌 (27)

참고문헌 신청
Campbell, F. C., Inspection of metals: un derstanding the basics, ASM International, 2013. google schola Jia, F., Lei, Y., Lu, N., & Xing, S., “Deep normalized convolutional neural network for imbalanced fault classification of machinery and its understanding via visualization,” Mechanical Systems and Signal Processing, vol. 110, pp. 349-367, 2018. google schola LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P., “Gradient-based learning applied to document recognition,” Proceedings of the IEEE, vol. 86, no. 11, pp. 2278-2324, 1998. google schola Wu, W., & Li, Q., “Machine vision inspection of electrical connectors based on improved Yolo v3,” IEEE Access, vol. 8 pp. 166184-166196, 2020. google schola Lee Minki, Seo Kisung, “Comparison of Region-based CNN Methods for Defects Detection on Metal Surface,” The Transactions of the Korean Institute of Electrical Enginners, vol. 67 pp. 865-870, 2018. 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

머신러닝 기반 금속외관 결함 검출 비교 분석
이세훈 ,  강성환 ,  신요섭 외 3명 한국정보통신학회논문지 2022 .06
사용자 요구에 따른 YOLO 알고리즘을 이용한 객체 인식
남현석 ,  양지성 ,  김규리 외 2명 대한전기학회 학술대회 논문집 2022 .07
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
안인범 ,  김성범 대한산업공학회지 2022 .08
실시간 객체 검출 기반 표면 결함 검사 시스템
조춘묵 ,  이세형 ,  김병희 외 4명 한국생산제조학회 학술발표대회 논문집 2022 .07
객체 검출 알고리즘을 이용한 실시간 결함 검출 시스템
조춘묵 ,  이세형 ,  김병희 외 3명 한국정밀공학회 학술발표대회 논문집 2022 .05

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-003-001624823