문화기술의 융합 (The Journal of the Convergence on Culture Technology)

  • 제8권1호
  • /
  • Pages.409-415
  • /
  • 2022
  • /
  • 2384-0358(pISSN)
  • /
  • 2384-0366(eISSN)
국제문화기술진흥원 (The International Promotion Agency of Culture Technology)
권호 표지
DOI QR코드

DOI QR Code

자동차 부품 품질검사를 위한 비전시스템 개발과 머신러닝 모델 비교

Development of vision system for quality inspection of automotive parts and comparison of machine learning models

  • 박영민 (숙명여자대학교 융합학부) ;
  • 정동일 (숙명여자대학교 경영학부)
  • 투고 : 2021.12.31
  • 심사 : 2022.01.08
  • 발행 : 2022.01.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

컴퓨터 비전은 카메라를 이용하여 측정대상의 영상을 획득하고, 추출하고자 하는 특징 값, 벡터, 영역 등을 알고리즘과 라이브러리 함수를 응용하여 검출한다. 검출된 데이터는 사용하는 목적에 따라 다양한 형태로 계산되고 분석한다. 컴퓨터 비전은 다양한 곳에 활용되고 있으며, 특히 자동차의 부품을 자동으로 인식하거나 품질을 측정하는 분야에 많이 활용된다. 컴퓨터 비전을 산업분야에서 머신비전이라는 용어로 활용되고 있으며, 인공지능과 연결되어 제품의 품질을 판정하거나 결과를 예측하기도 한다. 본 연구에서는 자동차 부품의 품질을 판정하기 위한 비전시스템을 구축하고, 생산된 데이터에 5개의 머신러닝 분류 모델을 적용하여 그 결과를 비교하였다.

In computer vision, an image of a measurement target is acquired using a camera. And feature values, vectors, and regions are detected by applying algorithms and library functions. The detected data is calculated and analyzed in various forms depending on the purpose of use. Computer vision is being used in various places, especially in the field of automatically recognizing automobile parts or measuring the quality. Computer vision is being used as the term machine vision in the industrial field, and it is connected with artificial intelligence to judge product quality or predict results. In this study, a vision system for judging the quality of automobile parts was built, and the results were compared by applying five machine learning classification models to the produced data.

키워드

과제정보

이 논문은 2021년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구임(P0017123, 2021년 산업혁신인재성장지원사업).

참고문헌

  1. A. Bochkovskiy, C.-Y. Wang and H.-Y. Mark Liao, "YOLOv4: Optimal speed and accuracy of object detection", arXiv:2004.10934, 2020, [online] Available: http://arxiv.org/abs/2004.10934.
  2. Charbel El Gemayel, Kabalan Chaccour, "Automated Face Detection and Control System Using Computer Vision based Video Analytics to Avoid the Spreading of COVID-19", 2021 International Conference on Innovation and Intelligence for Informatics, Computing, and Technologies, IEEE, 2021, DOI: 10.1109/3ICT53449.2021.9581593
  3. Mitchell, Tom, "Machine Learning", McGraw Hill. ISBN 0-07-042807-7, 1997.
  4. Hu, J.; Niu, H.; Carrasco, J.; Lennox, B.; Arvin, F., "Voronoi-Based Multi-Robot Autonomous Exploration in Unknown Environments via Deep Reinforcement Learning" IEEE Transactions on Vehicular Technology, 2020. http://dx.doi.org/10.17703/JCCT.2021.7.3.577
  5. Youn-ji Shin, Hyun-ju Lee, Jun-hee Kim, Da-young Kwon, Seon-ae Lee, Yun-jin Choo, Ji-hye Park, Ja-hyun Jung, Hyoung-suk Lee, Joon-ho Kim, "Non-face-to-face online home training application study using deep learning-based image processing technique and standard exercise program", The Journal of the Convergence on Culture Technology (JCCT), Vol. 7, No. 3, pp.577-582, August 31, 2021 pISSN 2384-0358, eISSN 2384-0366 https://doi.org/10.17703/JCCT.2021.7.3.577
  6. Yo-Seob Lee1, Phil-Joo Moon2, "Analysis of Machine Learning Education Tool for Kids", International Journal of Advanced Culture Technology Vol.8 No.4 235-241, 2020, DOI https://doi.org/10.17703/IJACT.2020.8.4.235