한국컴퓨터정보학회논문지 (Journal of the Korea Society of Computer and Information)

  • 제20권1호
  • /
  • Pages.11-20
  • /
  • 2015
  • /
  • 1598-849X(pISSN)
  • /
  • 2383-9945(eISSN)
한국컴퓨터정보학회 (Korean Society of Computer Information)
권호 표지
DOI QR코드

DOI QR Code

금속 벨로우즈 용접의 결점 탐지를 위한 서포터 벡터 머신의 이용

Use of Support Vector Machines for Defect Detection of Metal Bellows Welding

  • 박민철 (한국과학기술원 센서시스템연구센터) ;
  • 변영태 (한국과학기술원 센서시스템연구센터) ;
  • 김동원 (인하공업전문대학 디지털전자과)
  • 투고 : 2014.04.02
  • 심사 : 2014.11.18
  • 발행 : 2015.01.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

기존 벨로우즈의 용접 불량은 현미경을 이용한 작업자의 수작업과 육안확인으로 진행되고 있어 효율과 능률면에서 많은 부작용이 있다. 본 논문에서 이러한 문제점을 해결하고자 서포트 벡터 머신을 이용한다. 제안된 시스템은 서포트 벡터 머신을 이용하여 작업자의 경험적인 방법을 대체하고, 이미지 처리 과정에서 작업자로부터 발생하는 불규칙성을 극복할 수 있다. 또한 현미경과 3D 디스플레이 시스템을 통하여 제품불량을 쉽게 확인할 수 있다. 자동화 측정 장치로부터 얻어진 실험결과를 통하여 용접불량은 허용되는 에러 범위 아래로 개선됐음을 알 수 있다.

Typically welded bellows are checked with human eye and microscope, and then go through leakage test of gas. The proposed system alternates these heuristic techniques using support vector machines. Image procedures in the proposed method can cover the irregularity problem induced from human being. To get easy observation through microscope, 3D display system is also exploited. Experimental results from this automatic measurement show the welding detection is done within one tenth of permitted error range.

키워드

참고문헌

  1. V. Vapnik, The Nature of Statistical Learning Theory, New York, John Wiley, 1995
  2. W. Wang, Z. Xu, "A heuristic training for support vector regression," Neurocomputing. 61, 259-275, 2004 https://doi.org/10.1016/j.neucom.2003.11.012
  3. M. Matsumoto, J. Hori, "Classification of silent speech usisng support vector machine and relevance vector machine," Applied Soft Comput., 20, 95-102, 2014 https://doi.org/10.1016/j.asoc.2013.10.023
  4. S. Ercan, G. Kayakutlu, "Patent value anaysis using support vector machines," Soft Comput., 18, 313-328, 2014 https://doi.org/10.1007/s00500-013-1059-x
  5. D.T. Lin, D.C. Pan, "Integrating a mixed-feature model and multiclass support vector machine for facial expression recognition," Integr Comput-Aid E. 16, 61-74, 2009
  6. en.wikipedia.org/wiki/Metal_bellows
  7. S. Gunn., Support vector machines for classification and regression, ISIS Technical Report, Image Speech & Intelligent Systems Group, University of Southampton, England, 1998
  8. D. Casali, G. Costantini, R. Perfetti, and E. Ricci, "Associative Memory Design Using Support Vector Machines," IEEE Trans. Neural Networks, 17, 5, 1165-1174, 2006 https://doi.org/10.1109/TNN.2006.877539
  9. Dong W. Kim, S-J seo, C. W. Silva, G. T. Park, "Use of Support Vector Regression in Stable Trajectory Generation for Walking Humanoid Robots," ETRI J. 31, 5, 565-575, 2009 https://doi.org/10.4218/etrij.09.0108.0452
  10. http://svmlight.joachims.org/
  11. http://en.wikipedia.org/wiki/3D_display

피인용 문헌

  1. In-Process Monitoring of Lack of Fusion in Ultra-Thin Sheets Edge Welding Using Machine Vision vol.18, pp.8, 2018, https://doi.org/10.3390/s18082411