$\require{mediawiki-texvc}$

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.

다중 객체 추적 알고리즘을 이용한 가공품 흐름 정보 기반 생산 실적 데이터 자동 수집
Automatic Collection of Production Performance Data Based on Multi-Object Tracking Algorithms 원문보기

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.27 no.2, 2022년, pp.205 - 218  

임현아 (Department of Industrial and Systems Engineering, Kyonggi University) ,  오서정 (Department of Industrial and Systems Engineering, Kyonggi University) ,  손형준 (Department of Industrial and Systems Engineering, Kyonggi University) ,  오요셉 (Department of Industrial and Systems Engineering, Kyonggi University)

초록
AI-Helper 아이콘AI-Helper

최근 제조업에서의 디지털 전환이 가속화되고 있다. 이에 따라 사물인터넷(internet of things: IoT) 기반으로 현장 데이터를 수집하는 기술의 중요성이 증대되고 있다. 이러한 접근법들은 주로 각종 센서와 통신 기술을 활용하여 특정 제조 데이터를 확보하는 것에 초점을 맞춘다. 현장 데이터 수집의 채널을 확장하기 위해 본 연구는 비전(vision) 인공지능 기반으로 제조 데이터를 자동 수집하는 방법을 제안한다. 이는 실시간 영상 정보를 객체 탐지 및 추적 기술로 분석하고, 필요한 제조 데이터를 확보하는 것이다. 연구진은 객체 탐지 및 추적 알고리즘으로 YOLO(You Only Look Once)와 딥소트(DeepSORT)를 적용하여 프레임별 객체의 움직임 정보를 수집한다. 이후, 움직임 정보는 후보정을 통해 두 가지 제조 데이터(생산 실적, 생산 시간)로 변환된다. 딥러닝을 위한 학습 데이터를 확보하기 위해 동적으로 움직이는 공장 모형이 제작되었다. 또한, 실시간 영상 정보가 제조 데이터로 자동 변환되어 데이터베이스에 저장되는 상황을 재현하기 위해 운영 시나리오를 수립하였다. 운영 시나리오는 6개의 설비로 구성된 흐름 생산 공정(flow-shop)을 가정한다. 운영 시나리오에 따른 제조 데이터를 수집한 결과 96.3%의 정확도를 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, digital transformation in manufacturing has been accelerating. It results in that the data collection technologies from the shop-floor is becoming important. These approaches focus primarily on obtaining specific manufacturing data using various sensors and communication technologies. In o...

주제어

#인공지능   #다중 객체 추적   #제조 데이터 수집   #흐름 생산 공정  

표/그림 (11)

참고문헌 (17)

  1. Bae, G., Bae, S., Jeong, T., Heo, J., Moon, S., Song, S., Lee, S., Lee, J., Bae, Y., Jung, J., Na, H., Park, Y., Shin, G., Wang, J., and Kim,. B., "Smart Factory Management & Technology," Dreamdesign, 2019. 

  2. Bewley, A., Ge, Z., Ott, L., Famos, F., and Upcroft, B., "Simple Online and Realtime Tracking," arXiv:1602.00763, 2016. 

  3. Choi, W., and Cho, S., "Development of Mask Inspection Systems Based on Deep Learning," IE Magazine, Vol. 29, No. 1, pp. 42-44, 2022. 

  4. Jeong, J., Kim, J., Chi, S., Roh, M., and Biggs, H., "Solitary Work Detection of Heavy Equipment Using Computer Vision," KSCE Journal of Civil and Environmental Engineering Research, Vol. 41, No. 4, pp. 441-447, 2021. 

  5. Cho, C., Kim, J., Lee, S., Kim, B., Seo, Y., Park, Y., and Kwak, H.., "Vision-based Inspection Systems for Defect Detection," Proceedings of The Korean Society of Manufacturing Technology Engineers Conference, No. 12, pp 34-34, 2021. 

  6. Jung, B., Seo, S., Park, B., and Bae, S., "Microscopic Traffic Parameters Estimation from UAV Video Using Multiple Object Tracking of Deep Learning-based," The Journal of The Korea Institute of Intelligent Transportation Systems, Vol. 20, No. 5, pp. 83-99, 2021. 

  7. Kim, J., and Jeong, J., "Smart Warehouse Management System Utilizing IoT-based Autonomous Mobile Robot for SME Manufacturing Factory," The Journal of the Institute of Internet, Broadcasting and Communication, Vol. 18, No. 5, pp. 237-244, 2018. 

  8. KSX9101-1, Manufacturing Business Data Interchange Between Manufacturing Enterprise Business Systems - Part 1: Data Model, 2021. 

  9. Lee, B., Liew, L., Cheach, W., and Wang, Y., "Occlusion handling in videos object tracking: A survey," IOP Conference Series Earth and Environmental Science, Vol. 18, 2014. 

  10. Moon, S., Lee, J., Nam, D., and Kim, H., "A comparative study on multi object tracking methods for sports video," Proceedings of the Korea Information Processing Society Conference, Vol. 23, No. 2, pp. 653-654, 2016. 

  11. Park, J., Hong, J., and Kim, W., "A Study on Intuitive IoT Interface System using 3D Depth Camera," The Journal of Society for e-Business Studies, Vol. 22, No. 2, pp. 137-152, 2017. 

  12. Park, J., Park, D., Hyun, D., Na, Y., and Lee, S., "Deep-Learning Based Real-time Fire Detection Using Object Tracking Algorithm," Journal of the Korea Society of Computer and Information, Vol. 27, No. 1, pp. 1-8, 2022. 

  13. Park, E., "Multi-Object Tracking Using Joint Detection and Identification Network based MLFPN," Hanyang University, MS Thesis, 2021. 

  14. Redmon, J., Divvala, S., Girshick, R., and Farhadi, A., "You Only Look Once: Unified, Real-Time Object Detection," arXiv:1506. 02640, 2016. 

  15. Wojke, N., Bewley, A., and Paulus, D., "Simple Online and Realtime Tracking with a Deep Association Metric," arXiv:1703.07402, 2017. 

  16. Yang, S., Jung, I., Kang, D., and Baek, H., "Real-Time Multi-Object Tracking using Mixture of SORT and DeepSORT," The Journal of Korean Institute of Information Technology, Vol. 19, No. 10, pp. 1-9, 2021. 

    상세보기

  17. Yun, J., An, H., and Choi, Y., "A Machine Learning Based Facility Error Pattern Extraction Framework for Smart Manufacturing," The Journal of Society for e-Business Studies, Vol. 23, No. 2, pp. 97-110, 2018. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

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