초록

AI-Helper

본 연구는 칼라 컴퓨터시각을 이용하여 가구에 이용되고 있는 활엽수 부재의 색에 의한 선별법을 제시하고자 수행되었다. 붉은 오우크 가구 부재를 대상으로 칼라 컴퓨터시각 시스템을 이용 화상을 얻은후 R,G,B 농도값을 근거로 나무결, 나무결함, 3가지의 색깔 즉 핑크색, 흰색, 갈색의 나무부분, 이밖에 배경에 대한 지식 베이스화를 행하여 각 부재에 대하여 이들의 비율을 quadratic Bayes classifier를 이용 구하였으며, 이 중 나무결, 나무결함, 배경을 제외한 3가지 색상에 대하여 부재가 갖는 상대적인 비율을 근거로 qadratic Bayes classifier와 neural network를 각각 이용하여 핑크색, 흰색, 갈색의 3가지 부재로 구분하였다. 선별의 정확도는 기존의 육안에 의한 선별을 기준으로 비교하였는데 qadratic Bayes classifier에 의한 선별이 91.7%, neural network을 이용한 선별이 96.7%의 높은 정확도를 보였다. 따라서 가구의 품질향상을 위한 색에 의한 부재 선별에 칼라 컴퓨터시각이 유용하게 이용될 수 있을 것으로 판단되었다.

본 연구는 칼라 컴퓨터시각을 이용하여 가구에 이용되고 있는 활엽수 부재의 색에 의한 선별법을 제시하고자 수행되었다. 붉은 오우크 가구 부재를 대상으로 칼라 컴퓨터시각 시스템을 이용 화상을 얻은후 R,G,B 농도값을 근거로 나무결, 나무결함, 3가지의 색깔 즉 핑크색, 흰색, 갈색의 나무부분, 이밖에 배경에 대한 지식 베이스화를 행하여 각 부재에 대하여 이들의 비율을 quadratic Bayes classifier를 이용 구하였으며, 이 중 나무결, 나무결함, 배경을 제외한 3가지 색상에 대하여 부재가 갖는 상대적인 비율을 근거로 qadratic Bayes classifier와 neural network를 각각 이용하여 핑크색, 흰색, 갈색의 3가지 부재로 구분하였다. 선별의 정확도는 기존의 육안에 의한 선별을 기준으로 비교하였는데 qadratic Bayes classifier에 의한 선별이 91.7%, neural network을 이용한 선별이 96.7%의 높은 정확도를 보였다. 따라서 가구의 품질향상을 위한 색에 의한 부재 선별에 칼라 컴퓨터시각이 유용하게 이용될 수 있을 것으로 판단되었다.

이 논문을 인용한 문헌

더보기

저자의 다른 논문 :

유수남 (37)