객체인식 YOLOv5의 중소기업 스마트팩토리 적용과 학습정확도 향상을 위한 연구 (A) study on the application of object recognition YOLOv5 and improvement of learning accuracy in SME smart factory원문보기
4차산업혁명이 본격화되며 국내외 제조 기업들은 스마트팩토리를 도입하면서 경쟁력 강화에 앞장서고 있다. 우리나라 정부 기관 또한 스마트팩토리 지원 사업을 진행하며 중소기업의 스마트팩토리 구축에 힘쓰고 있다. 하지만 중소기업에 구축된 스마트팩토리의 수준은 기초수준이 대부분이며 고도화수준의 구축에는 기술적, 비용적 한계로 어려움을 겪고 있다. 특히 수공업 위주의 중소 제조기업에서는 공장자동화를 도입하기 어려울 뿐만 아니라 ICT 기술의 도입과 활용 인식이 저조한 상황이다. 이러한 문제를 해결하기 위해서는 중소기업의 현실을 반영한 기술의 도입을 통해 수준을 높여가는 것이 필요하다. ...
4차산업혁명이 본격화되며 국내외 제조 기업들은 스마트팩토리를 도입하면서 경쟁력 강화에 앞장서고 있다. 우리나라 정부 기관 또한 스마트팩토리 지원 사업을 진행하며 중소기업의 스마트팩토리 구축에 힘쓰고 있다. 하지만 중소기업에 구축된 스마트팩토리의 수준은 기초수준이 대부분이며 고도화수준의 구축에는 기술적, 비용적 한계로 어려움을 겪고 있다. 특히 수공업 위주의 중소 제조기업에서는 공장자동화를 도입하기 어려울 뿐만 아니라 ICT 기술의 도입과 활용 인식이 저조한 상황이다. 이러한 문제를 해결하기 위해서는 중소기업의 현실을 반영한 기술의 도입을 통해 수준을 높여가는 것이 필요하다. 인공지능 분야는 스마트팩토리에서 활용될 수 있는 고도화된 기술 중 하나이다. 이중 객체인식 분야는 컴퓨터 비전기술 중 한가지이며 최근 컴퓨터 하드웨어 기술의 발달로 인해서 빠르게 발전중인 기술이다. 인간이 직관적으로 볼 수 있는 시각화 정보를 활용한 컴퓨터 비전기술은 활용 가치가 크지만 자동화공정에 한정되어 있고 비용적인 부담도 무시할 수 없는 것이 현실이다. 본 연구에서는 수공업 위주의 제조업에 쉽고 간편하게 도입할 수 있는 영상분석 시스템을 개발하여 중소기업의 고도화 역량 강화에 도움을 주고자 한다. 개발을 위해 중소기업의 수공업 공정을 선정하였으며 부품의 이종 혼입을 방지하는 시스템을 구축하였다. 개발에 필요한 이미지 데이터셋 구축, 하드웨어 설치, YOLOv5 학습을 진행하였으며 학습정확도를 향상시키기 위해서 다양한 방법을 시도하였다. 정확도가 가장 높은 학습모델을 선정하여 영상분석 프로그램의 개발을 진행하였다. 딥러닝 학습 모델의 한계를 보완하기 위해 영상분석 프로그램에 판정 정확도 향상을 위한 기능을 추가하였다. 구축된 영상분석 프로그램과 클라우드 서버의 MES를 연동하여 시스템을 통합하였다. 구축된 영상분석 시스템은 휴먼 에러를 방지하여 불량률을 제로에 가깝게 만들 수 있게 되었다. 본 연구의 결과는 앞으로 YOLOv5를 적용해 영상분석시스템을 구축하고자 하는 기업들에게 유용한 기초자료와 정보를 제공할 수 있을 것이다. 또한 기존의 자동화설비 라인에 구축하는 비전시스템에 비해 간단한 장비 도입과 저렴한 비용으로 중소기업의 고도화 제조기술 구축의 진입장벽을 낮추는데 기여할 수 있을 것으로 기대된다.
4차산업혁명이 본격화되며 국내외 제조 기업들은 스마트팩토리를 도입하면서 경쟁력 강화에 앞장서고 있다. 우리나라 정부 기관 또한 스마트팩토리 지원 사업을 진행하며 중소기업의 스마트팩토리 구축에 힘쓰고 있다. 하지만 중소기업에 구축된 스마트팩토리의 수준은 기초수준이 대부분이며 고도화수준의 구축에는 기술적, 비용적 한계로 어려움을 겪고 있다. 특히 수공업 위주의 중소 제조기업에서는 공장자동화를 도입하기 어려울 뿐만 아니라 ICT 기술의 도입과 활용 인식이 저조한 상황이다. 이러한 문제를 해결하기 위해서는 중소기업의 현실을 반영한 기술의 도입을 통해 수준을 높여가는 것이 필요하다. 인공지능 분야는 스마트팩토리에서 활용될 수 있는 고도화된 기술 중 하나이다. 이중 객체인식 분야는 컴퓨터 비전기술 중 한가지이며 최근 컴퓨터 하드웨어 기술의 발달로 인해서 빠르게 발전중인 기술이다. 인간이 직관적으로 볼 수 있는 시각화 정보를 활용한 컴퓨터 비전기술은 활용 가치가 크지만 자동화공정에 한정되어 있고 비용적인 부담도 무시할 수 없는 것이 현실이다. 본 연구에서는 수공업 위주의 제조업에 쉽고 간편하게 도입할 수 있는 영상분석 시스템을 개발하여 중소기업의 고도화 역량 강화에 도움을 주고자 한다. 개발을 위해 중소기업의 수공업 공정을 선정하였으며 부품의 이종 혼입을 방지하는 시스템을 구축하였다. 개발에 필요한 이미지 데이터셋 구축, 하드웨어 설치, YOLOv5 학습을 진행하였으며 학습정확도를 향상시키기 위해서 다양한 방법을 시도하였다. 정확도가 가장 높은 학습모델을 선정하여 영상분석 프로그램의 개발을 진행하였다. 딥러닝 학습 모델의 한계를 보완하기 위해 영상분석 프로그램에 판정 정확도 향상을 위한 기능을 추가하였다. 구축된 영상분석 프로그램과 클라우드 서버의 MES를 연동하여 시스템을 통합하였다. 구축된 영상분석 시스템은 휴먼 에러를 방지하여 불량률을 제로에 가깝게 만들 수 있게 되었다. 본 연구의 결과는 앞으로 YOLOv5를 적용해 영상분석시스템을 구축하고자 하는 기업들에게 유용한 기초자료와 정보를 제공할 수 있을 것이다. 또한 기존의 자동화설비 라인에 구축하는 비전시스템에 비해 간단한 장비 도입과 저렴한 비용으로 중소기업의 고도화 제조기술 구축의 진입장벽을 낮추는데 기여할 수 있을 것으로 기대된다.
With the 4th industrial revolution in full swing, domestic and foreign manufacturing companies are taking the lead in strengthening competitiveness by introducing smart factories. Korean government agencies are also working on smart factory support projects to build smart factories for small and med...
With the 4th industrial revolution in full swing, domestic and foreign manufacturing companies are taking the lead in strengthening competitiveness by introducing smart factories. Korean government agencies are also working on smart factory support projects to build smart factories for small and medium-sized enterprises (SMEs). However, most of the smart factories built in small and medium-sized enterprises are at the basic level, and the construction of the advanced level has difficulties due to technical and cost limitations. In particular, it is difficult to introduce factory automation in small and medium-sized manufacturing companies centered on handicrafts, and the awareness of the introduction and use of ICT technology is low. In order to solve this problem, it is necessary to raise the level through the introduction of technology that reflects the reality of SMEs. The field of artificial intelligence is one of the advanced technologies that can be utilized in the smart factory. Among them, the object recognition field is one of computer vision technologies, and it is a technology that is rapidly developing due to the recent development of computer hardware technology. Computer vision technology using visualization information that can be easily and intuitively seen has a great value, but is limited to automated processes and the cost burden cannot be ignored. In this study, an image analysis system that can be easily and conveniently introduced to handicraft-oriented manufacturing is developed to help SMEs strengthen their advanced capabilities. A small and medium-sized business process was selected for development, and a system to prevent heterogeneous mixing of parts was established. The image dataset required for development, hardware installation, and YOLOv5 learning were conducted, and various methods were tried to improve the learning accuracy. An image analysis program was developed by selecting a learning model with the highest accuracy. In order to supplement the limitations of the deep learning model, a function for improving judgment accuracy was added to the image analysis program. The system was integrated by linking the condensed image analysis program and the MES of the cloud server. The built-up image analysis system prevents human errors and makes the defect rate close to zero. The results of this study will be able to provide useful basic data and information to companies that want to build an image analysis system by applying YOLOv5 in the future. In addition, it is expected to contribute to lowering the entry barrier for the establishment of advanced manufacturing technology by small and medium-sized enterprises with simple equipment introduction and low cost compared to the vision system built in the existing automation facility line.
With the 4th industrial revolution in full swing, domestic and foreign manufacturing companies are taking the lead in strengthening competitiveness by introducing smart factories. Korean government agencies are also working on smart factory support projects to build smart factories for small and medium-sized enterprises (SMEs). However, most of the smart factories built in small and medium-sized enterprises are at the basic level, and the construction of the advanced level has difficulties due to technical and cost limitations. In particular, it is difficult to introduce factory automation in small and medium-sized manufacturing companies centered on handicrafts, and the awareness of the introduction and use of ICT technology is low. In order to solve this problem, it is necessary to raise the level through the introduction of technology that reflects the reality of SMEs. The field of artificial intelligence is one of the advanced technologies that can be utilized in the smart factory. Among them, the object recognition field is one of computer vision technologies, and it is a technology that is rapidly developing due to the recent development of computer hardware technology. Computer vision technology using visualization information that can be easily and intuitively seen has a great value, but is limited to automated processes and the cost burden cannot be ignored. In this study, an image analysis system that can be easily and conveniently introduced to handicraft-oriented manufacturing is developed to help SMEs strengthen their advanced capabilities. A small and medium-sized business process was selected for development, and a system to prevent heterogeneous mixing of parts was established. The image dataset required for development, hardware installation, and YOLOv5 learning were conducted, and various methods were tried to improve the learning accuracy. An image analysis program was developed by selecting a learning model with the highest accuracy. In order to supplement the limitations of the deep learning model, a function for improving judgment accuracy was added to the image analysis program. The system was integrated by linking the condensed image analysis program and the MES of the cloud server. The built-up image analysis system prevents human errors and makes the defect rate close to zero. The results of this study will be able to provide useful basic data and information to companies that want to build an image analysis system by applying YOLOv5 in the future. In addition, it is expected to contribute to lowering the entry barrier for the establishment of advanced manufacturing technology by small and medium-sized enterprises with simple equipment introduction and low cost compared to the vision system built in the existing automation facility line.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.