딥러닝 기반 탄착구멍의 규격만족여부 판독 알고리즘 개발 = Development of an algorithm for reading compliance with specifications of a deep learning-based shot hole

국문 초록 (Abstract)

최근 산업계에서는 자동객체탐지 모델을 이용하여 생산성 및 품질관리와 관련한 연구가 활발하게 이루어지고 있다. 이는 작업자가 관측 및 측정하던 작업들의 처리속도를 빠르게 수행하며, 주관적인 판정에 대해서도 객관적인 증거 기반으로 판정하기에 신뢰도가 높다는 장점이 있다. 국방 분야에서도 자동객체탐지 기술을 적용한 사례가 증가하고 있으나, 국내의 경우 총기류 취급과 데이터 확보의 제약으로 인해 관련 연구가 매우 제한적인 실정이다.
본 연구에서는 소구경화기 품질적합성 검사의 실제 산출물인 사격표적 이미지를 활용하여 탄착군의 개수 및 분산도를 자동으로 판독하는 모델을 개발하였다. 탄착군 형성 패턴에 따라 클래스를 구분하고, 여러 발이 중첩되어 판독이 어려운 경우에는 이미지 후처리를 적용하여 예측 발수를 산출하였다. 또한 인식된 탄착군에서 가장 멀리 떨어진 두 점 사이의 거리를 계산하여 최대분산직경을 측정하는 알고리즘을 구현하였다.
이를 통해 소구경화기의 품질적합성 검사 시 자동객체탐지 모델을 활용하여 탄착군의 인식 및 클래스 분류를 안정적으로 수행할 수 있었으며, 이미지 후처리를 이용하여 발사 수 예측의 정확도를 높일 수 있었다. 또한 분산도의 실제 측정값과 모델 예측값 간 유사한 결과를 보임으로써, 자동판독모델이 기존 수작업 기반 검사공정을 대체하거나 보조할 수 있는 가능성을 확인하였다. 본 연구는 탄착군 자동판독에 대한 국내 최초 시도 중 하나로, 향후 국방 분야에서의 데이터 기반 정밀 진단 및 품질관리 자동화 연구에 기여할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In recent years, research on productivity and quality management using the automatic object detection model has been actively conducted in the industry.
This has the advantage of performing the processing speed of tasks observed and measured by the operator and of high reliability because it determines subjective judgments based on objective evidence. In the defense field, the number of cases of applying automatic object detection technology is increasing, but in Korea, related research is very limited due to restrictions on gun handling and data acquisition.
In this study, a model was developed to automatically read the number and dispersion of the impact group by using the shooting target image, which is the actual product of the quality suitability test of a small calibrator. Classes were classified according to the impact group formation pattern, and predicted water repellency was calculated by applying image post-processing when it was difficult to read due to multiple overlapping feet. In addition, an algorithm was implemented to measure the maximum dispersion diameter by calculating the distance between two points farthest from the recognized impact group.
Through this, the automatic object detection model could be used to reliably perform the recognition and class classification of the impact group when testing the quality suitability of the small calibrator, and the accuracy of the launch number prediction could be increased by using image post-processing. In addition, by showing similar results between the actual measured value of the variance and the predicted value of the model, the possibility that the automatic reading model can replace or assist the existing manual-based inspection process was confirmed. This study is one of the first attempts in Korea for automatic reading of bullets, and is expected to contribute to data-based precise diagnosis and quality management automation research in the defense field in the future.

목차 (Table of Contents)

• 1. 서론 1
• 2. 관련 선행연구 3
• 3. 검출모델 선정 및 데이터셋 준비 5
• 3.1 모델 개발 전체 프로세스 5
• 3.2 데이터셋 6
• 3.3 라벨링 8
• 3.4 이미지 전처리 9
• 4. 평가방법 및 지표 11
• 4.1 객체검출 모델 11
• 4.2 평가지표 12
• 5. 모델을 이용한 객체분류 16
• 6. 이미지 후처리를 통한 발수/분산도 계산 23
• 6.1 표적에서의 발수 계산 23
• 6.2 표적에서의 분산도 계산 27
• 6.3 발수 및 분산도 결과비교 28
• 7. 결론 31
• 참고문헌 33
• Abstract 35