• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.166-166
• /
• 2017

모돈의 건강 상태를 정량 지수화 하기 위한 연구를 수행 중이다. 지제이상, 섭식 불량, 수면 패턴 등의 운동 특성 분석을 위하여 복수의 초음파 센서를 이용하였다. 시계열 계측 신호를 분석하여 정량 지수화를 수행하는 과정에서 주파수 도메인 분석을 시도하였다. 이 과정에서 주파수 도메인의 분해능에 따른 편차 극복을 위한 비선형 모델링을 수행하였다. 또한 인접한 시계열 데이터 구간 간의 상관성 분석이 가능하면 대용량 데이터의 실시간 처리로 인한 지연 시간 극복 및 기대되는 예후에 대한 조기 진단이 가능할 것이다. 본 연구에서는 구글에서 제공하는 Tensorflow와 NVIDIA에서 제공하는 CUDA 엔진을 동시 적용한 심층 학습 시스템을 이용하였다. 전 처리를 위하여 주파수 분해능 (2분, 3분, 5분, 7분, 11분, 13분, 17분, 19분)에 따른 데이터 집합을 1단계로 두고, 상위 10 순위 안에 드는 파워 스펙트럼 밀도의 크기를 2단계로 하여, 총 2~10개의 입력 노드를 순차적으로 선정하였고, 동일한 방식으로 인접한 시계열의 파워 스펙터럼 밀도를 순위를 변화시켜 지정하였다. 대표적인 심층학습 모델인 Softmax regression with a multilayer convolutional network를 이용하여 Recursive feature selection 경우의 수를 $8{\times}9{\times}9$로 총 648 가지 선정하고, Epoch는 10,000회로 지정하였다. Calibration 모델링의 경우 Cost function이 10% 이하인 경우 해당 경우의 학습을 중단하였으며, 모델 간 상호 교차 검증을 수행하기 위하여 $_8C_2{\times}_8C_2{\times}_8C_2$ 경우의 수에 대한 Verification test를 수행하였다. Calibration 과정 상 모든 경우에 대하여 10% 이하의 Cost function 값을 보였으나, 검증 테스트 과정에서 모든 경우에 대하여 $r^2$ < 0.5 인 결정 계수 값이 나타났다. 단적으로 심층학습 모델의 과도한 적합(Over fitting) 방식의 한계를 보인 것이라 판단할 수 있다. 적합한 Feature selection 및 심층 학습 모델에 대한 지속적이고 추가적인 고려를 통해 과도적합을 해소함과 동시에 실효적이고 활용 가능한 Classification을 위한 입, 출력 노드 단의 전후 Indexing, Quantization에 대한 고려가 필요할 것이다. 이를 통해 모돈 생체 정보 정량화를 위한 지능형 현장 진단 기술 연구를 지속할 것이다.

• Proceedings of the KIEE Conference
• /
• 1999.11c
• /
• pp.674-676
• /
• 1999

본 연구에서는 시각센서를 이용하여 CAD데이터와 측정치와의 오차를 실시간으로 판정하여 다양한 형태의 불량검사 및 부품분류를 할 수 있는 2D 측정용 Machine Vision System을 개발하였다. 또한, 본 시스템은 품질검사 및 수율 관리를 하여 제품의 품질을 향상시킬 수 있도록 하기 위한 품질관리 제어시스템이다. 이를 위하여, 고성능 카메라와 서브픽셀, 레이블링, 켈리브레이션등의 최첨단 영상처리 기술을 개발하여 고속 온-라인 상에서 가공물의 치수를 정확하게 측정(10 ${\mu}m$ 단위)할 수 있도록 하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.443-444
• /
• 2016

최근의 개발되는 스위치들은 보증 횟수뿐만 아니라 사용자가 느끼는 감성적인 부분이 강조되고 있고 실제 생산라인에 작동력 측정 시스템을 적용하여 검사를 실시하고 있다. 하지만 취득된 데이터를 어떠한 알고리즘으로 처리하느냐에 따라 가성 불량의 발생빈도에 영향을 미치기 때문에 제품의 생산성에 많은 영향을 미친다. 따라서 최적의 동작 점을 찾는 알고리즘을 구현하여 검출 성능을 향상시키고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.95-98
• /
• 1998

초음파센서는 저렴성, 단순한 구조, 기계적 강인성, 사용상의 적은 제약 등의 이점 때문에 다양한 응용분야에 적용된다. 물체의 인식에 초음파센서를 사용하기에는 낮은 분해능을 초래하는 불량한 방향성과 측정오류를 유발하는 반사성의 어려움을 내재하고 있다. 이런 문제를 개선하기 위해서 다양한 센사의 배열형태에서 많은 수의 센서를 사용하거나, 일정 수의 센서를 사용할 경우에는 센서의 배열을 기계적으로 이동시킨다. 본 논문에서는 물체의 패턴인식에 있어서 가장 기본적인 거리, 물체크기, 물체각도 값을 얻기 위해 간단하게 구성된 전자회로를 부가하여 초음파센서의 송출전압을 여러 단계로 변경시켜 얻어낸 데이터에 뉴로퍼지 기반의 지능적 계산 알고리즘을 적용하여 개선된 결과를 얻는다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2011.05a
• /
• pp.805-807
• /
• 2011

In this paper, we propose a method to inspect defects of injection molded automotive parts. In order to inspect them, we developed and used a line detection algorithm and a defect analysis algorithm. The line detection algorithm defines center point of a laser line and the inspection algorithm determines the defects of automotive parts using pattern data of inspected objects and the data results from the line detection algorithm. We evaluated the accuracy and the processing time of inspection and they showed good performance.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.15 no.4
• /
• pp.257-270
• /
• 2022

In this paper, we design a smart factory risk improvement system and risk improvement method using AI edge devices. The smart factory risk improvement system collects, analyzes, prevents, and promptly responds to the worker's work performance process in the smart factory using AI edge devices, and can reduce the risk that may occur during work with improving the defect rate when workers perfom jobs. In particular, based on worker image information, worker biometric information, equipment operation information, and quality information of manufactured products, it is possible to set an abnormal risk condition, and it is possible to improve the risk so that the work is efficient and for the accurate performance. In addition, all data collected from cameras and IoT sensors inside the smart factory are processed by the AI edge device instead of all data being sent to the cloud, and only necessary data can be transmitted to the cloud, so the processing speed is fast and it has the advantage that security problems are low. Additionally, the use of AI edge devices has the advantage of reducing of data communication costs and the costs of data transmission bandwidth acquisition due to decrease of the amount of data transmission to the cloud.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.18 no.9
• /
• pp.24-33
• /
• 2017

Multitemporal MODIS vegetation index (VI) data are widely used in vegetation monitoring research into environmental and climate change, since they provide a profile of vegetation activity. However, MODIS data inevitably contain disturbances caused by the presence of clouds, atmospheric variability, and instrument problems, which impede the analysis of the NDVI time series data and limit its application utility. For this reason, preprocessing to reduce the noise and reconstruct high-quality temporal data streams is required for VI analysis. In this study, a data reconstruction method for MODIS NDVI is proposed to restore bad or missing data based on the statistical properties of the oscillations in the NDVI temporal dynamics. The first derivatives enable us to examine the monotonic properties of a function in the data stream and to detect anomalous changes, such as sudden spikes and drops. In this approach, only noisy data are corrected, while the other data are left intact to preserve the detailed temporal dynamics for further VI analysis. The proposed method was successfully tested and evaluated with simulated data and NDVI time series data covering Baekdu Mountain, located in the northern part of North Korea, over the period of interest from 2006 to 2012. The results show that it can be effectively employed as a preprocessing method for data reconstruction in MODIS NDVI analysis.

• Proceedings of the Korea Contents Association Conference
• /
• 2006.05a
• /
• pp.148-151
• /
• 2006

This paper is to design materials management system using RFID which is the core technology of ubiquitous. With existing materials management system, it is hard to manage and analysis effectively. But RFID can be the solution of these problems. In this research, it will be studied how to analysis materials management system Workflow and shall be adapted context awareness technology in order to effective materials management as well as input/output function. Also it shall be completed state management process, position management process, badness management process and be designed PDA interface in order to display the most suitable data.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.21 no.6
• /
• pp.94-101
• /
• 2007

In the Hard Disk Drive(HDD) production, the detect pattern or defective HDD set is important information to diagnosis of defective HDD set. This paper proposes a pattern recognition neural network for the defect distribution of HDD. In this paper, 5 characteristics are determined for the classification to six standard defect pattern classes. A multi-layer perceptron is trained for the pattern classification the inputs of which are 5 characteristic values and the 6 outputs are the nodes of standard patterns. The experiment with proposed neural network shows satisfactory results.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.11
• /
• pp.21-28
• /
• 2023

In manufacturing companies that focus on small-scale production of multiple product varieties, defective products are manually selected by workers rather than relying on automated inspection. Consequently, there is a higher risk of incorrect sorting due to variations in selection criteria based on the workers' experience and expertise, without consistent standards. Moreover, for non-standardized flexible objects with varying sizes and shapes, there can be even greater deviations in the selection criteria. To address these issues, this paper designs a quality inspection system using artificial intelligence-based unsupervised learning methods and conducts research by experimenting with accuracy using a dataset obtained from real manufacturing environments.