초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 철강후판 표면검사를 위해 이산 웨이블릿 변환을 이용하여 영상의 대비와 특징을 부각시키고 SVM(Support Vector Machine), CNN(Convolution Neural Network), 사전학습 모델 등을 이용한 분류기의 성능에 대해 연구하였다.
선행연구에서 구성한 조명계로 획득한 영상의 경우 철강후판 표면의 저대비, 불균일, 무특징 특성에 의해 결함영역과 비결함영역의 대비가 떨어져 특징을 추출하기 어렵다. 영상의 특성을 개선하기 위하여 이산 ...

본 논문에서는 철강후판 표면검사를 위해 이산 웨이블릿 변환을 이용하여 영상의 대비와 특징을 부각시키고 SVM(Support Vector Machine), CNN(Convolution Neural Network), 사전학습 모델 등을 이용한 분류기의 성능에 대해 연구하였다.
선행연구에서 구성한 조명계로 획득한 영상의 경우 철강후판 표면의 저대비, 불균일, 무특징 특성에 의해 결함영역과 비결함영역의 대비가 떨어져 특징을 추출하기 어렵다. 영상의 특성을 개선하기 위하여 이산 웨이블릿 변환 기반의 합성영상을 모델링하였다. 이 영상에 HOG(Histogram of Oriented Gradient), HOLA(Higher Order Local Autocorrelation)를 사용하여 모서리 기반의 특징과 면적, 둘레 등의 기하학적 특징을 이용하여 특징데이터를 추출하였다.
추출된 특징을 이용하여 결함 영상의 분류를 진행하기 위해 SVM, CNN를 이용하여 분류기를 구성하였다. 또한 사전에 학습된 모델을 이용하여 전이학습 신경망(Transfer-learning Neural Network)으로 분류 실험을 진행하였다. 이들 중 AlexNet기반의 전이학습 신경망을 설계한 결과 160초 미만의 학습시간으로 99.43%의 우수한 분류 성능을 보였다. 제안된 분류기는 저대비, 불균일, 무특징을 가지는 표면 영상에 대한 뛰어난 분류성능을 보였다. 이를 이용하여 스마트 팩토리 및 자율주행과 같은 4차산업혁명에 이용되는 주요 요소에 기여를 할 수 있을 것으로 사료된다.