• 반도체디스플레이기술학회지
• /
• 제21권2호
• /
• pp.68-73
• /
• 2022

In this study, we produced the surface defect detection model to automatically detect defect bone plates using a deep learning algorithm. Bone plates with a width and a length of 50 mm are most used for fracture treatment. Normal bone plates and defective bone plates were printed on the 3d printer. Normal bone plates and defective bone plates were photographed with 1,080 pixels using the webcam. The total quantity of collected images was 500. 300 images were used to learn the defect detection model. 200 images were used to test the defect detection model. The mAP(Mean Average Precision) method was used to evaluate the performance of the surface defect detection model. As the result of confirming the performance of the surface defect detection model, the detection accuracy was 96.3 %.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.316-319
• /
• 2014

전 세계적으로 커피시장이 커짐에 따라서 커피에 대한 사람들의 관심도 또한 커지고 있는 추세이다. 이러한 추세 속에서 사람들의 입맛이 더욱 고급스러워지고 커피의 맛을 결정하는 커피 원두가 중요시 되고 있다. 하지만 현재는 불량원두를 사람이 직접 보고 검출을 하고 있는데, 이는 커피 원두에 대한 전문적 지식이 있는 사람만이 할 수가 있는 작업이다. 따라서 본 논문에서는 기계학습을 이용한 불량원두 검출 시스템을 제안한다. 이 시스템에서는 불량 원두의 종류 중 큰 비율을 차지하는 원두의 모양과 Insect Damage에 대한 불량 검출에 중점을 두었다. 기계학습의 방법으로 Convolutional Neural Network를 사용하였고, 원두의 모양을 검출할 신경망과 Insect Damage를 검출할 신경망 두 개로 구성되어 있다. Insect Damage에 대한 불량을 검출할 때에는 카메라의 노출시간을 길게 하여 원두의 어두운 구멍을 더 돋보이게 하여 데이터를 만들어 신경망을 구축하였다. 이 시스템의 개발로 인하여 사람이 직접 불량 원두를 검출하는 작업을 자동화 시스템으로 전환할 수 있는 시발점이 될 수 있을 것이고, 현재는 원두의 모양과 Insect Damage의 유무만을 중점으로 검출을 하고 있기 때문에, 추후에 다른 여러 가지의 불량에 대해 검출할 수 있는 연구가 필요하다.

• 반도체디스플레이기술학회지
• /
• 제22권1호
• /
• pp.54-58
• /
• 2023

In this study, we compared the detection accuracy of the parameters of the scaffold failure detection model. A detection algorithm based on convolutional neural network was used to construct a failure detection model for scaffold. The parameter properties of the model were changed and the results were quantitatively verified. The detection accuracy of the model for each parameter was compared and the parameter with the highest accuracy was identified. We found that the activation function has a significant impact on the detection accuracy, which is 98% for softmax.

• Journal of Magnetics
• /
• 제22권1호
• /
• pp.34-42
• /
• 2017

Material defects in the Steam Generator Tubes (SGT) of sodium cooled fast breeder reactor (PFBR) can lead to leakage of water into sodium. The water and sodium reaction will lead to major accidents. Therefore, the examination of steam generator tubes for the early detection of defects is an important requirement for safety and economic considerations. In this work, the Magnetic Flux Leakage (MFL) based Non Destructive Testing (NDT) technique is used to perform the defect detection process. The rectangular notch defects on the outer surface of steam generator tubes are modeled using COMSOL multiphysics 4.3a software. The obtained MFL images are de-noised to improve the integrity of flaw related information. Grey Level Co-occurrence Matrix (GLCM) features are extracted from MFL images and taken as input parameter to train the neural network. A comparative study on characterization have been carried out using feed-forward back propagation (FFBP) and cascade-forward back propagation (CFBP) algorithms. The results of both algorithms are evaluated with Mean Square Error (MSE) as a prediction performance measure. The average percentage error for length, depth and width are also computed. The result shows that the feed-forward back propagation network model performs better in characterizing the defects.

• 전자공학회논문지 IE
• /
• 제48권4호
• /
• pp.1-6
• /
• 2011

본 논문에서는 LCD 제조공정 상에서 발생할 수 있는 결함을 검사하고 분류할 수 있는 적응적인 LCD 표면 결함 검사 시스템을 제안하였다. 즉, 반복되는 LCD 패턴의 주기를 확정한 후에 결함 패턴을 검출하고 검출된 결함 패턴의 특징을 계산하여 결함을 분류하였다. 그리고 결함을 검출하는 과정에서 발생하는 잡음은 모폴로지 연산자를 이용하여 제거하였다. 또한, 검출된 결함 패턴에서 기하학적인 특징과 통계적 특징을 계산한 후 신경회로망 알고리즘을 이용하여 여러 종류의 결함 패턴을 적응적으로 분류하였으며, 실험 결과 92.3%의 결함 검출율 및 94.5%의 결함 분류 및 인식율을 획득함으로써, LCD 결함 검사 시스템의 실질적인 구현 가능성을 제시하였다.

• 한국철도학회논문집
• /
• 제6권2호
• /
• pp.81-86
• /
• 2003

This study proposes the neural network simulator for the integrity evaluation of weld zone in railway rails. For these purposes, the ultrasonic signals for defects(crack) of weld zone in frames are acquired in the type of time series data and echo strength. The detection of the natural defects in railway truck is performed using the characteristics of echodynamic pattern in ultrasonic signal. And then their applications evaluated feature extraction based on the time-frequency-attractor domain(peak to peak, rise time, rise slope, fall time, fall slope, pulse duration, power spectrum, and bandwidth) and attractor characteristics (fractal dimension and attractor quadrant) etc. The constructed neural network simulator agrees fairly well with the measured results of test block(defect location, beam propagation distance, echo strength, etc). The Proposed neural network simulator in this study can be used for the integrity evaluation of weld zone in railway rails.

• 경영정보학연구
• /
• 제22권1호
• /
• pp.113-124
• /
• 2020

농가를 운영함에 있어서 수확한 작물에 대한 품질을 평가하여 불량품을 분류하는 작업은 매우 중요하다. 그러나, 농가는 부족한 자본과 인력으로 인하여 품질평가에 소요되는 비용과 시간을 감당하는데 어려움이 있다. 이에 본 연구는 인공지능 기술인 딥 러닝 알고리즘을 이용하여 과일의 표피를 분석함으로써 불량을 검출하고자 한다. 과일을 촬영한 동영상 이미지에 대하여 영역기반 합성곱 신경망(Region Convolutional Neural Network)을 기반으로 한 YOLOv3 알고리즘을 적용하여 표피를 분석할 수 있는 모델을 개발하였다. 총 4개의 클래스를 정해서 학습을 진행하였고, 총 97,600번의 epoch을 통해서 우수한 성능의 불량검출 모델을 얻을 수 있었다. 본 연구에서 제안한 농작물 불량검출 모델은 데이터 수집, 분석된 데이터를 통한 품질평가, 그리고 불량검출에 이르는 과정의 자동화에 활용될 수 있다. 특히, 농작물들 중에서도 외상에 가장 취약한 복숭아를 대상으로 분석모델을 개발하였기 때문에, 다른 작물에도 적용될 수 있을 것으로 기대된다.

• 전기전자학회논문지
• /
• 제26권2호
• /
• pp.319-328
• /
• 2022

베어링은 기계가 작동할때 중요한 역할을 한다. 때문에, 베어링에 결함이 발생하면 기계전체의 치명적인 결함을 발생시킨다. 그러므로 베어링 결함은 조기에 발견되어야한다. 본 논문에서는 연속 웨이블릿 변환과 Switchable 정규화를 기반으로 한 합성곱 신경망(SN-CNN)을 이용한 방법을 베어링 결함 감지 모델에 대해 설명한다. 모델의 정확도는 Case Western Reserve University(CWRU) 베어링 데이터 집합을 사용하여 측정되었다. 또한 배치 정규화(BN, Batch Normalization)[1] 방법과 스펙트로그램 이미지가 모델 성능의 비교를 위해 사용되었다.

• 반도체디스플레이기술학회지
• /
• 제22권2호
• /
• pp.81-86
• /
• 2023

Recently, there has been an increased demand for light-emitting diode (LED) due to the growing emphasis on environmental protection. However, the use of GaN-based sapphire in LED manufacturing leads to the generation of defects, such as dislocations caused by lattice mismatch, which ultimately reduces the luminous efficiency of LEDs. Moreover, most inspections for LED semiconductors focus on evaluating the luminous efficiency after packaging. To address these challenges, this paper aims to detect defects at the wafer stage, which could potentially improve the manufacturing process and reduce costs. To achieve this, image processing and deep learning-based defect detection techniques for Sapphire Epi-Wafer used in Green LED manufacturing were developed and compared. Through performance evaluation of each algorithm, it was found that the deep learning approach outperformed the image processing approach in terms of detection accuracy and efficiency.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1026-1034
• /
• 2021

Tire wear and defect are important factors for safe driving condition. These defects are generally inspected by some specialized experts or very expensive equipments such as stereo depth camera and depth gauge. In this paper, we propose tire safety vision inspector based on deep neural network (DNN). The status of tire wear is categorized into three: 'safety', 'warning', and 'danger' based on depth of tire tread. We propose an attention mechanism for emphasizing the feature of tread area. The attention-based feature is concatenated to output feature maps of the last convolution layer of ResNet-101 to extract more robust feature. Through experiments, the proposed tire wear classification model improves 1.8% of accuracy compared to the existing ResNet-101 model. For detecting the tire defections, the developed tire defect detection model shows up-to 91% of accuracy using the Mask R-CNN model. From these results, we can see that the suggested models are useful for checking on the safety condition of working tire in real environment.