Acknowledgement
본 연구는 한국산업기술평가관리원(KEIT)의 지원을 받아 수행한 연구 과제입니다.(No. 20012956).
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2021.07a
- /
- Pages.65-66
- /
- 2021
CNN Analysis for Defect Classification
결함 분류를 위한 CNN 분석
- Oh, Joon-taek (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Kang, Hyeon-Woo (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Kim, Soo-Bin (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Jang, Byoung-Lok (M.Eng. of Materials Processing and Engineering, Inha University)
- 오준택 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 강현우 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 김수빈 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 장병록 (인하대학교 제조혁신전문대학원 첨단소재공정공학과)
- Published : 2021.07.14
Abstract
본 논문에서는 Smart Factory의 자동 공정에서 결함의 분류를 실시간으로 시도하여 자동 공정 제어를 위한 결함 분류 딥러닝 기법을 제안하고, Pooling 종류에 따른 분류 성능을 비교한다. Smart Factory 구축에 있어서 CNN을 이용한 공정 제어를 통해 제품 생산에 있어서 생산량의 증가와 불량률의 감소를 이루어내는 것이 가능하다. Smart Factory는 자동화 공정이므로 결함의 분류 속도가 중요하지만, 생산량의 증가와 불량률의 감소를 위해서는 정확하게 결함의 종류를 분류하여 Smart Factory의 공정을 제어하는 것이 더욱 중요하다. 본 논문에서는 Pooling을 Max Pooling과 Averrage Pooling을 복합적으로 설정하였을 때 높은 성능을 보였다.