인공지능을 이용한 실시간 튜브 결함 검출 시스템 개발 :AI-based Vision Monitoring System for In-situ Tube Fault Detection

조춘묵

추천

검색

자료유형: 학위논문

저자정보: 조춘묵 (강원대학교, 강원대학교 대학원)

지도교수: 김병희

발행연도: 2022

저작권: 강원대학교 논문은 저작권에 의해 보호받습니다.

이용수35

이 논문의 연구 히스토리 (4)

2022

객체 검출 기반 알루미늄 시트 표면 결함 검사 시스템 개발

조춘묵 , 이세형 , 차예나 외 5명 한국생산제조학회 학술발표대회 논문집 2022.12 학술대회자료

실시간 객체 검출 기반 표면 결함 검사 시스템

조춘묵 , 이세형 , 김병희 외 4명 한국생산제조학회 학술발표대회 논문집 2022.07 학술대회자료

객체 검출 알고리즘을 이용한 실시간 결함 검출 시스템

조춘묵 , 이세형 , 김병희 외 3명 한국정밀공학회 학술발표대회 논문집 2022.05 학술대회자료

인공지능을 이용한 실시간 튜브 결함 검출 시스템 개발

조춘묵 기계융합공학과 2022.01 학위논문

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

초록· 키워드

오류제보하기

가공 품질에 대한 높은 신뢰도는 기업의 생산성 및 시장에서의 경쟁력과 긴밀한 관계에 놓여 있다. 결함 발생에 대한 즉각적인 대응은 불필요한 원료의 낭비를 사전에 차단하여 생산 수율을 증대할 수 있고, 불량품 발생에 따른 생산설비의 비가동 시간을 최소화할 수 있다. 따라서 고품질을 보장하는 품질 검사 방법을 확보한 기업은 높은 수익성을 기대할 수 있다.
스마트 팩토리, 공장 자동화로의 변화에서도 고신뢰성 품질 검사 기법에 관한 관심과 관련 연구가 활발히 이루어지고 있다. 가공물의 결함은 가공 품질 및 내구성에 직접적인 영향을 끼칠 수 있으며, 더욱이 인체에 유해한 물질을 다루는 작업 현장에서의 그 영향은 치명적일 수 있다.
소성 가공 시에는 전형적인 결함이 가공 표면에 발생할 수 있다. 그중에서도 본 연구에서는 압출 공정을 통해서 생산되는 테프론 튜브(teflon tube)를 다루었다. 현재 테프론 튜브의 표면 결함 검출은 작업자의 육안 검사를 통한 절차를 거치고 있으며, 작업자의 경험에 의한 노하우에 의존하고 있다. 이 검사 방법은 작업자 간의 검사 편차와 검사 시간 대비 낮은 검출 정확도로 인해 생산성 저하의 문제로 이어지고 있다.
본 연구에서는 이러한 기존 검사 방법의 한계점을 해결하고자 머신비전 센서와 객체 검출 알고리즘 기반의 인공지능 신경망을 이용하여 테프론 튜브 표면에 발생하는 결함을 검출하는 실시간 모니터링 시스템을 제안하고 검증하였다. 테프론 튜브의 한 종류인 PFA(PerFluoroAlkoxy) 튜브 둘레를 따라 4대의 USB 카메라를 배치하여 표면에 발생한 결함 데이터를 수집하고 객체 검출 알고리즘의 데이터 세트로 활용하였다. 객체 검출 알고리즘으로는 YOLOv5(You Only Look Once version5)를 이용하였고, 수집한 PFA 튜브 표면 결함에 대한 학습을 수행하여 그 결과를 확인하였다. 또한, 인공지능 신경망 검증에 대표적으로 사용되는 방법인 K-fold 교차 검증과 객체 검출 분야에서 검증 방법으로 널리 사용되는 mAP(mean Average Precision)를 이용하여 학습된 YOLOv5 가중치 모델을 평가하였다.
본 연구의 결과 검증을 통해 객체 검출 알고리즘 기반의 인공지능 신경망을 이용한 결함 검출 방법으로 낮은 검출 정확도가 한계로 작용했던 육안 검사를 대체할 수 있는 가능성을 확인하였고, 가공물의 품질 수준 일관성을 확보함으로써 제조업체의 생산성 향상에 기여할 수 있다. 또한, 머신비전 시스템에 대한 해외 기술 의존도 감소로 생산 비용 절감 효과 및 국내·외 시장에서 국내 제조업의 강화된 경쟁력을 기대할 수 있다.

The high reliability of machining quality is closely related to the productivity of a company and its competitiveness in the market. Immediate response to the occurrence of faults can improve the production yield by blocking unnecessary waste of raw materials in advance, and it is possible to minimize the downtime of production facilities due to the occurrence of defective products. Therefore, a company that has ensured a quality inspection method that guarantees high quality can expect high profitability.
In the change to smart factory and factory automation, attention and related research on high-reliability quality inspection techniques is being actively researched. Faults in the workpiece can directly affect machining quality and durability. Moreover, the effect can be critical at work sites that deal with Hazardous materials.
In plastic machining, typical faults can occur on the machined surface. In this study, the Teflon tube that produced through the extrusion process is handled. Generally, the method of detecting faults on the surface of a Teflon tube is an operator''s visual inspection. This inspection method relies on the operator''s experience. This method leads to a problem of productivity decrease due to inspection deviation between operators and low detection accuracy compared to inspection time.
To resolve the limitations of these present inspection methods, here we show that a in-situ monitoring system. This system that detects faults on the surface of Teflon tube using a machine vision sensor and an object detection algorithm-based artificial intelligence neural network was proposed and verified. Four USB cameras were placed along the circumference of a PFA (PerFluoroAlkoxy) tube, a type of Teflon tube, to collect fault data on the surface and used as a data set for an object detection algorithm. YOLOv5 (You Only Look Once version 5) was used as the object detection algorithm, and the results were confirmed by training the surface faults of the collected PFA tube. In addition, the trained YOLOv5 weight model was evaluated using K-fold cross validation, a method typically used for AI neural network validation, and mAP (mean Average Precision), which is widely used as a validation method in the object detection field. Through the verification of the results of this study, it was proved that fault detection system using an artificial intelligence neural network based on the object detection algorithm could replace present visual inspection which has low detection accuracy. Furthermore, it can contribute to the improvement of the productivity of the manufacturer by ensuring the quality level consistency of the workpiece. In addition, reduced dependence on foreign technology for machine vision systems can reduce production costs and enhance competitiveness of domestic manufacturing industries in domestic and foreign industrys.

#인공지능 신경망 #객체 인식 #YOLOv5 #튜브 결함 #결함 검출

목차 Ⅰ
List of Tables Ⅲ
List of Figures Ⅳ
Abstract Ⅵ
Ⅰ. 서론 1
1.1 연구 배경 1
1.2 선행연구 2
1.3 연구 목적 3
Ⅱ. 본론 4
2.1 머신비전 4
2.2 알고리즘 5
2.3 실험 구성 6
2.3.1 모니터링 하우징 설계 및 제작 7
2.3.2 인공지능 신경망 구현 7
2.3.2.1 데이터 수집(Data mining) 8
2.3.2.2 데이터 증강(Data augmentation) 9
2.3.2.3 데이터 라벨링(Data labeling) 10
2.3.2.4 YOLOv5(You Only Look Once version 5) 학습 10
2.3.2.5 YOLOv5 가중치 모델 검증 11
2.3.2.5.1 K-fold 교차검증(K-fold cross validation) 13
2.3.2.5.2 mAP(mean Average Precision) 13
2.4 실험 결과 16
Ⅲ. 요약 및 결론 17
참고문헌 18
Tables 22
Figures 25
Abstract 54

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 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)