Acknowledgement
This research was supported by Basic Science Research Program through the National Research Foundation of Korea (NRF) funded by the Ministry of Education (NRF-2020R1F1A1076156)
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2021.07a
- /
- Pages.45-46
- /
- 2021
Surface Defect Detection Using CNN
CNN을 활용한 표면 결함 검출
- Kang, Hyeon-Woo (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Kim, Soo-Bin (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Oh, Joon-taek (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Lee, Chang-Hyun (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Lee, Hyun-Ji (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Lee, Sang-Mock (M.Eng. of Materials Processing and Engineering, Inha University) ;
- Park, Seung-Bo (Dept. of Software Convergence Engineering, Inha University)
- 강현우 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 김수빈 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 오준택 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 이창현 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 이현지 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 이상목 (인하대학교 제조혁신전문대학원 첨단소재공정공학과) ;
- 박승보 (인하대학교 소프트웨어융합공학과)
- Published : 2021.07.14
Abstract
본 논문에서는 제조산업의 제품 품질검사의 자동화를 위한 딥러닝 기법을 제안하고 모델의 성능 최적화를 위한 특징 추출 필터의 크기를 비교한다. 이미지 특징을 자동 추출할 수 있는 CNN을 사용하여 전문인력 없이 제품의 표면 결함을 검출하고 제품의 적합성을 판단할 수 있는 이미지 처리 알고리즘을 구축하고 산업 현장에 적용하기 위한 검증 지표로 검출 정확도와 연산속도를 측정하여 결함 검출 알고리즘의 성능을 확인한다. 또한 연산량에 따른 성능 비교를 위해 필터의 크기에 따른 CNN의 성능을 비교하여 결함 검출 알고리즘의 성능을 최적화한다. 본 논문에서는 커널의 크기를 다르게 적용했을 때 빠른 연산으로 높은 정확도의 검출 결과를 얻었다.