초록 ▼

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

현재 식품 검사 분야에선 식품의 이물질 포함 유무나 오염도를 확인하기 위해Thresholding 기술을 적용시킨 식품 검사 장비를 가장 선호한다. x선은 물체를 통과 할 때 자신의 고유의 에너지를 일부 잃게 되는데, 잃어버리는 에너지의 양은 물체의 두께와 밀도에 비례한다. Thresholding 기술은 x선이 물체를 통과한 결과로 발생되는 에너지 레벨 차이를 이용하는 방법으로써 기준이 되는 임계값을 설정하고 기준 임계값 이상의 에너지 레벨을 가지는 영역은 정상으로, 이하의 에너지 레벨을 가지는 영역은 에러로 판별하는 방식을 가진다. 하지만 검사체의 밀도와 검사체 내부의 이물질의 밀도가 같거나 비슷한 경우 혹은 여러 종류의 다양한 이물질이 검사체에 섞여서 들어가 있는 경우에는 Thresholding 기술로는 이물질을 판별하는데 어려움이 생기게 된다.
본 연구에서는 실제로 시장에서 사용되고 있는 식품 검사 장비를 이용하여 Thresholding 기술의 단점에 대해 확인하고 그에 대한 해결책으로써 비교적 간단한 레이어를 를 가진 CNN구글사에서 개발한 Inception v3 모델을 이용한 ...

현재 식품 검사 분야에선 식품의 이물질 포함 유무나 오염도를 확인하기 위해Thresholding 기술을 적용시킨 식품 검사 장비를 가장 선호한다. x선은 물체를 통과 할 때 자신의 고유의 에너지를 일부 잃게 되는데, 잃어버리는 에너지의 양은 물체의 두께와 밀도에 비례한다. Thresholding 기술은 x선이 물체를 통과한 결과로 발생되는 에너지 레벨 차이를 이용하는 방법으로써 기준이 되는 임계값을 설정하고 기준 임계값 이상의 에너지 레벨을 가지는 영역은 정상으로, 이하의 에너지 레벨을 가지는 영역은 에러로 판별하는 방식을 가진다. 하지만 검사체의 밀도와 검사체 내부의 이물질의 밀도가 같거나 비슷한 경우 혹은 여러 종류의 다양한 이물질이 검사체에 섞여서 들어가 있는 경우에는 Thresholding 기술로는 이물질을 판별하는데 어려움이 생기게 된다.
본 연구에서는 실제로 시장에서 사용되고 있는 식품 검사 장비를 이용하여 Thresholding 기술의 단점에 대해 확인하고 그에 대한 해결책으로써 비교적 간단한 레이어를 를 가진 CNN구글사에서 개발한 Inception v3 모델을 이용한 딥러닝 기술을 사용했다. 같은 조건의 이물질과 샘플에 대해서 딥러닝 시뮬레이션 결과와 기존 Thresholding Algorithm이 정확도 측면에서 어느정도 차이를 보이는지 분석하였고 기존 기술에 비해 딥러닝 시뮬레이션의 정확도가 상승한다는 결과를 얻었다. 부가적으로 검사체 내의 제품 개수 누락 등의 문제에 대해서도 딥러닝 기술을 이용시 아주 높은 정확도로 문제를 해결 할 수 있다는 것을 확인하였다. 따라서 본 연구를 통해 식품 검사 분야에서 겪고 있는 고질적인 문제뿐 아니라 무게 센서등의 추가로 발생되는 비용적 측면의 감소등의 이익을 위한 해결책으로 딥러닝 기술을 제시할 수 있는 가능성을 확인 할 수 있었다.

주제어