초록 ▼

개발의 목표
Smart Factory 구현의 핵심 기술인 자동결함검사시스템에 딥러닝 기술의 활용 가능성을 분석하고 기술의 장단점, 한계를 파악하여 차기 연구과제를 계획 및 수행하기 위한 기획 과제.

개발내용 및 결과
◦딥러닝 기술 분석
- 최신 딥러닝 기술 분석
: 머신비전 및 비파괴 기술을 이용한 결함검사시스템 개발 전문기업인 수아랩, 파이벡스등과 실제 결함검사시스템을 운영하는 POSCO의 전문가들의 딥러닝 활용 가능성 자문
: 딥러닝 전문가 교육 프로그램을 통하여 딥러닝 기술 분석
:

개발의 목표
Smart Factory 구현의 핵심 기술인 자동결함검사시스템에 딥러닝 기술의 활용 가능성을 분석하고 기술의 장단점, 한계를 파악하여 차기 연구과제를 계획 및 수행하기 위한 기획 과제.

개발내용 및 결과
◦딥러닝 기술 분석
- 최신 딥러닝 기술 분석
: 머신비전 및 비파괴 기술을 이용한 결함검사시스템 개발 전문기업인 수아랩, 파이벡스등과 실제 결함검사시스템을 운영하는 POSCO의 전문가들의 딥러닝 활용 가능성 자문
: 딥러닝 전문가 교육 프로그램을 통하여 딥러닝 기술 분석
: RNN, CNN, LSTM 등의 최신 딥러닝 구조 분석
: CNN이 영상 인식 분야에 효과적인 기술이므로 검사시스템에 적용 가능할 것이라 분석됨.
◦결함 분류를 위한 딥러닝 S/W 구축
- 다양한 딥러닝 Library 분석
: tensorflow, Caffe, keras, theano, torch 등 여러 딥러닝 오픈소스 라이브러리 장단점 분석
: Google의 알파고 개발에 사용된 딥러닝 라이브러리인 tensorflow가 가장 많이 사용되고 또한 업데이트가 빠르므로 tensorflow를 이용하여 개발하는 것이 최적.

- 윈도우에서 동작 할 수 있는 S/W 개발
: python 기반의 tensorflow 설치 및 GPU를 이용한 가속화
: 영상 파일 입력 및 결과 저장 code 개발
: 영상 파일을 npy로 변환 및 batch, epoch 수 변경 기능 개발
: MNIST 영상으로 딥러닝 원리 및 구조 분석

- 주요 모듈별 동작 특성 분석
: convolution layer, pooling layer, fully connected layer 의 원리 및 동작특성 파악
: parameter update 원리 파악
: 다양한 activation function 특성 및 ReLu의 효과 파악

◦샘플 영상 분류 테스트 및 학습된 특징 분석
- 6가지 종류의 영상 각 900장(총, 5400장)을 학습
- 각 100장(총 600장)에 대해 분류한 결과 분류 성능 100%
- 학습 데이터가 적을 경우 over-fitting을 극복하기 위해 pre-trained model 응용 가능성 파악

◦산업체의 검사장비에 응용할 수 있는 기술 개발에 대한 후속 과제 도출
- 결함 분류뿐만 아니라 결함 검출과 분류를 동시에 수행할 수 있는 기술을 개발하고 이를 머신 비전 검사 장비에 적용하는 후속과제 계획서 작성 완료

(출처 : 기관주요사업 요약서(초록))

목차 Contents

• 표지 ... 1제 출 문 ... 2기관주요사업 요약서(초록) ... 3목차 ... 6제 1 장 서론 ... 7 제 1 절 개발기술의 중요성 및 필요성 ... 7 제 2 절 국내 · 외 관련 기술의 현황 ... 8 제 3 절 기술개발 시 예상되는 기술적 · 경제적 파급 효과 ... 10제 2 장 기술개발 내용 및 방법 ... 12 제 1 절 당해연도 목표 및 평가방법 ... 12 제 2 절 당해연도 개발 내용 및 개발 범위 ... 12제 3 장 결과 및 향후 계획 ... 15 제 1 절 연구개발 추진 체계 ... 15 1. 연구개발 추진 전략 ... 15 2. 연구개발 추진 체계 ... 16 3. 연구수행 편성도 ... 16 제 2 절 당해연도 연구개발 결과 ... 17 1. 당해연도 연구개발 추진 일정 및 달성도 ... 17 2. 당해연도 연구개발 추진 실적 ... 17 제 3 절 기대효과 및 사업화 계획 ... 20제 4 장 참고문헌 ... 22끝페이지 ... 23