실시간 비파괴 당도 측정 시스템 구현 및 M-CNN 기반 결점과 검출 알고리즘 :A real-time non-destructive system implementation for the SSC measurement and the defected fruit detection algorithm based on M-CNN

소민혁

추천

검색

자료유형: 학위논문

저자정보: 소민혁 (청주대학교, 淸州大學校)

지도교수: 金學胤

발행연도: 2020

저작권: 청주대학교 논문은 저작권에 의해 보호받습니다.

이용수32

이 논문의 연구 히스토리 (2)

2020

실시간 비파괴 당도 측정 시스템 구현 및 M-CNN 기반 결점과 검출 알고리즘

소민혁 電子工學科 2020.01 학위논문

2019

고속 선별을 위한 실시간 비파괴 당도 측정 시스템 설계

소민혁 , 한철수 , 김학윤 Proceedings of KIIT Conference 2019.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

품질을 중시하는 소비자의 욕구에 따라 과일의 맛에 영향을 주는 당도값과 포장된 과일의 상품성에 영향을 주는 결점 여부가 과일 선택에 가장 중요한 요소가 되고 있다.
과일을 손상시키지 않고 당도값을 측정하는 대표적인 방법에는 근적외선을 이용한 당도 측정 방법이 제안되었다. 그러나 기존에 제안된 방법들은 당도 측정 정밀도를 높이기 위한 실험실 의존형 알고리즘이었다. 또한 초당 5개 이하의 선별을 고려하고 있었기 때문에, 초당 10개 이상을 선별할 수 있는 전자식 고속 중량 선별기에 직접 적용할 수 없다는 문제점을 가지고 있었다.
따라서 본 논문에서는 위에서 언급한 문제점을 해결하기 위하여 새로운 당도 측정 알고리즘을 제안하였고, 제안한 알고리즘을 전자식 고속 중량 선별기에 구현하기 위한 제어 시스템 및 사용자 인터페이스를 설계하였다. 우선, 제안한 알고리즘의 성능 평가는 알고리즘 수행 시간을 계측하여 실시간 처리 타당성을 검증하였고, 감귤의 당도 예측 평가를 수행하여 시스템 적용 가능성을 확인하였다. 또한, 구현한 고속 당도 선별 시스템의 성능 평가는 실제 감귤을 이용하여 스펙트럼 취득 실험 및 당도 측정 평가를 수행하여 실용 가능성을 입증하였다.
결점과를 분류하기 위하여 초기에 제안된 방법들은 컴퓨터 비전 시스템을 이용하는 것이었으나, 분류 성능이 낮다는 문제점을 가지고 있었다. 이 문제점을 개선하기 위하여 제안된 방법들이 컨볼루션 신경망을 이용하는 방법이다. 그중, 전자식 고속 중량 선별기에 적용 가능한 알고리즘이 MobileNet이다. 그러나 이 알고리즘을 결점과 분류에 그대로 적용시키게 되면, 정상과를 결점과로 인식하는 문제점이 발생하게 된다.
따라서 본 논문에서는 이러한 문제점을 개선하기 위하여 수정된 MobileNet 알고리즘을 제안하였다. 제안한 알고리즘의 성능을 평가하기 위하여 기존의 대표적 알고리즘인 AlexNet, GoogLeNet, MobileNet과 연산량과 파라메터 수를 비교하고, 결점과 분류 실험을 통하여 제안한 알고리즘의 타당성을 확인하였다.

There are two important factors for fruit selection when it comes to satisfying the consumer''s need for quality: the value of soluble solids content that affects the taste of fruit, and whether there is a defect that affects the marketability of packaged fruit.
As a representative method of measuring soluble solids content without damaging fruit, a soluble solids content measurement method using near-infrared (NIR) has been proposed. The previously proposed methods were laboratory-dependent algorithms used to increase the precision of soluble solids content measurements. Existing proposed methods can only consider five or fewer screens per second. This has resulted in a problem as these methods cannot be directly applied to an electronic high-speed weight sorter capable of sorting 10 or more screens per second. Therefore, this study proposed a solution to the aforementioned problem by using a new soluble solids content measurement algorithm. A control system and user interface were designed to implement the proposed algorithm in the electronic high-speed weight sorter. The performance evaluation of the proposed algorithm was verified by real-time processing feasibility by measuring the execution time of the algorithm. The applicability of the system was confirmed by performing a predictive evaluation of citrus soluble solids content. The performance evaluation of the implemented soluble solids content screening system also demonstrated the practical feasibility by performing a processing speed and soluble solids content measurement evaluation using real citrus fruit.
One of the methods proposed in the beginning for classifying fruit with defects was to use a computer vision system. However, this method presented a problem as it had low classification performance. To improve this problem, the proposed methods included a method using a convolutional neural network (CNN). Among the proposed methods, MobileNet is an algorithm that can be applied to an electronic high-speed weight sorter. However, if this algorithm was applied to defects and classifications as-is, a problem occurred in that normal fruit was recognized as having a defect. A modified MobileNet algorithm was therefore proposed in this study to improve the problem. In order to evaluate the performance of the proposed algorithm, the existing representative algorithms AlexNet, GoogLeNet, and MobileNet, and the computation amount and number of parameters were compared. The validity of the proposed algorithm was confirmed through a defect classification fruit experiment.

Ⅰ. 서론 1
1.1 연구 배경 1
1.2 연구 목적 4
Ⅱ. 이론적 배경 7
2.1 근적외선을 이용한 비파괴 당도 측정 7
2.1.1 당도 7
2.1.2 근적외선 분광분석법 10
2.1.3 기존의 근적외선을 이용한 당도 측정 방법 14
2.2 CNN을 이용한 결점과 분류 18
2.2.1 결점과와 카메라를 이용한 결점과 분류 방법 18
2.2.1 CNN 20
2.3.1 MobileNet 24
Ⅲ. 근적외선을 이용한 과일 당도 측정 알고리즘 29
3.1 당도 측정 알고리즘 29
3.1.1 투과 스펙트럼의 측정 및 평균값 계산 31
3.1.2 분광기 노이즈 제거 38
3.1.3 투과 스펙트럼의 기울기 변화 개선 40
3.1.4 흡수 스펙트럼 변환 42
3.1.5 흡수 스펙트럼 대역의 강조 44
3.1.6 당도예측 46
3.2 시뮬레이션 실험 48
3.2.1 실험 조건 및 방법 48
3.2.2 실험 결과 50
3.2.3 고찰 54
Ⅳ. 과일 당도 측정 알고리즘을 이용한 실시간 시스템 55
4.1 실시간 과일 당도 측정 시스템 55
4.1.1 광학부 56
4.1.2 제어부 59
4.2 조작부 GUI 설계 61
4.2.1 사용자 모드 61
4.2.2 엔지니어 모드 68
4.3 성능 실험 및 결과 고찰 77
4.3.1 실험 조건 및 방법 77
4.3.2 실험 결과 79
4.3.3 고찰 82
Ⅴ. 수정된 MobileNet을 이용한 과일의 결점과 분류 알고리즘 84
5.1 수정된 MobileNet 84
5.2 실험 및 결과 고찰 90
5.2.1 과일의 영상 취득 시스템 및 실험방법 90
5.2.2 실험 결과 및 분석 101
5.2.3 고찰 106
Ⅵ. 결론 107
참고문헌 109
ABSTRACT 115
감사의 글 117

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)