선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 기사에서는 이와 같은 최신 연구 동향을 반영하여 최근 개발된 세 가지 인공지능 기반 비파괴 진단 기술들을 소개하고, 머신 러닝과 인공지능 기술이 비파괴 검사 분야에 어떻게 활용되고 있는지 살펴보고자 한다. 첫 번째로 소개할 기술은 항공기 엔진 블레이드의 손상 검사를 위한 인공지능 기술이다.
- 본 기술 개발 사례에서는 결함 신호와 유사한 수준의형상 신호들을 최대한 다수 추출하여 데이터셋을 구성하였고, 정확한 레이블링을 통해 결함 신호와 형상 신호를분류하고자 하였다. 그 결과 총 205396개의 초음파 신호로 구성된 데이터셋을 확보할 수 있었으며, 그 중 정상초음파 신호는 192436개, 결함 초음파 신호는 12960개로대략 15:1 정도의 비율을 갖는다.
- 학습 결과 98% 의 신호 분류 정확도를 갖는 모델을 획득할 수 있었으며, 이때 주목할만한 점은 결함 데이터를 정상 데이터로 잘못분류한 거짓 음성 (fhlse negative) 이 한 차례도 발생하지않았다는 점이다. 이는 학습된 LSTM이 결함 초음파 신호를 절대 놓치지 않는다 것과 같은 의미이기 때문에 이를바탕으로 용접 부위 결함 평가를 수행할 수 있는 알고리즘을 개발하였다.
- 이번 기술 개발 사례에서는 방사선 투과 검사 데이터를자동으로 평가하여 결함의 크기, 위치, 종류 등을 진단하는 방법에 대해 소개하고자 한다. 방사선 투과 검사의 경우 필름 영상으로 데이터가 획득되기 때문에 이를 디지털데이터화 하는 과정이 필수적으로 선행되어야 한다.
- 이번 기술개발 사례에서는 용접 부위 위상배열 초음파 검사 데이터를 자동으로 평가하여 용접 결함의 위치, 크기, 종류 등을 진단하는 방법에 대해 소개하고자 한다. 기존의 평가 방식은 전문 검사 장비로 데이터를 불러와서 초음파 신호가 만들어내는 B/C/S-스캔 등의 영상을 기반으로 검사자가 직접 결함의 크기와 위치, 종류를 판단하는 방식이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.