$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

SVM 학습 알고리즘을 이용한 자동차 썬루프의 부품 유무 비전검사 시스템
A Learning-based Visual Inspection System for Part Verification in a Panorama Sunroof Assembly Line using the SVM Algorithm 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.19 no.12, 2013년, pp.1099 - 1104  

김기석 (한국기술교육대학교 컴퓨터공학부) ,  이삭 (한국기술교육대학교 컴퓨터공학부) ,  조재수 (한국기술교육대학교 컴퓨터공학부)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents a learning-based visual inspection method that addresses the need for an improved adaptability of a visual inspection system for parts verification in panorama sunroof assembly lines. It is essential to ensure that the many parts required (bolts and nuts, etc.) are properly insta...

주제어

#visual inspection   #part verification   #panorama sunroof   #support vector machine  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문은 그림 과 같은 자동차 썬루프 프레임 1 (sunroof) 상의 부품 유무 볼트 너트 등 를 판별하기 위한 비전검사 (- ) 방법에 관한 연구이다 실제 공장 생산 라인 현장에서 자동 . 차 썬루프 프레임 앞 뒷면 을 카메라로 촬영 후 정해진 위 (- ) , 치에서의 부품 유 무를 정확하게 판별하는 것은 쉽지 않은 / 작업이다 썬루프 생산라인의 조명은 일반적인 머신비전 검 .
본문요약 정보가 도움이 되었나요?

참고문헌 (8)

  1. AIA (Automated Imaging Association), n.d., veiwed January 2010, , 2010. 

  2. S. Lee, G. Kim, and J. S. Cho, "The inspection for volts on vehicle frames using polar coordinated histogram," The 25 th Workshop on Image Procesesing and Image Understanding (in Korean), p. 106, Jeju, 2013. 

  3. C. Cortes and V. N. Vapnik, Support-Vector Networks, Machine Learning, 20, 1995. 

  4. V. Vapnik, The Nature of Statistical Learning Theory, New York:Springer-Verlag, 1995. 

  5. C.-X. Dong, S.-Q. Yang, X. Rao, and J.-L. Tang, "An algorithm of estimating the generalization performance of RBF-SVM," Proc. of the Fifth International Conference on Computational Intelligence and Multimedia Applications (ICCIMA'03), pp. 61-66, Sep. 2003. 

  6. X. Liang, "Effective method of pruning support vector machine classifiers," Neural Networks, IEEE Transactions on, vol. 21, no. 1, pp. 26-38, Dec. 2009. 

  7. C. H. Park, H. M. Bae, J. P. Yun, and S. W. Yun, "Automated surface inspection systm for black resin coated steel," International Conference on Control Automation and Systems (ICCAS), Oct. 2012. 

  8. S. J. Lee and S. W. Kim, "Classifying scrach defects on billets using image processing and SVM," Journal of Institute of Control, Robotics and Systems (ICROS) (in Korean), vol. 19, no. 3, pp. 256-261, Mar. 2013. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로