http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
YOLO-V3 를 활용한 부품 결함 검사 시 Feature Map Scale 이 성능에 미치는 영향
이호준(Hojun Lee),유승환(Seunghwan Yu),박태준(Taejoon Park),윤종완(Jong-Wan Yoon),서광원(Kwangwon Seo) 한국HCI학회 2021 한국HCI학회 학술대회 Vol.2021 No.1
현재 금속제품 결함 검사에 널리 사용되고 있는 딥러닝 기반 Object Detection은 높은 실시간 검출 성능을 보유하고 있으나 그 정확도는 제품 검사 공정자동화를 달성하기에 충분하지 않다. 따라서 기존의 금속 제품 결함 검사 성능을 향상시킬 수 있는 연구가 필요하다. 본 논문에서는 YOLO-V3를 활용하여 금속 부품의 미세 결함 검사 시 detection layer와 연결하는 feature map의 스케일이 결함 검출 성능에 미치는 영향을 실험을 통해 비교하고 YOLO-V3를 활용하여 금속 부품의 미세 결함을 효과적으로 검출하기 위한 최적의 네트워크 구성 방법을 제시한다. 본 논문에서 제안하는 네트워크 구조를 적용할 경우 기존의 YOLO-V3의 구조를 적용한 경우보다 8.12%의 mAP의 성능 향상을 얻을 수 있다. 또한 제안하는 네트워크 구조 적용을 통해 향후 연구에서 부품 결함 검사 시 결함 검출율 향상을 기대할 수 있다.
주성분분석과 지구통계법을 이용한 제주도 지하수의 수리지화학 특성 연구
고경석(Kyung-Seok Ko),김용제(Yongje Kim),고동찬(Dong-Chan Koh),이광식,이승구,강철희(Cheol-Hee Kang),성현정(Hyun-Jeong Seong 1),박원배(Won-Bae Park) 대한자원환경지질학회 2005 자원환경지질 Vol.38 No.4
본 연구는 다변량 통계분석을 이용하여 수리지화학적 특성을 분석하고, 주성분 분석을 통해 얻어진 변수를 설명하는 수리지화학적 과정에 대한 해석, 그리고 각 성분과 주성분을 이용한 공간정보에 대하여 지구통계기법을 적용하여 연구지역 지하수의 유동 및 순환 과정을 해석하고자 하였다. 제주도 지하수의 수질에 가장 많이 영향을 미치는 성분은 Cl 과 NO 3 이었으며, 특히 농업활동에 의해 증가되는 NO 3 는 지하수 성분 중 가장 큰 변동을 보여주었다. 다변량 통계분석법인 주성분 분석(PCA)에 의한 수리지화학적 특성 분석 결과, 초기 3 개의 주성분은 전체 분산의 73.9% 를 설명하였다. 주성분 1 은 용존 이온의 증가를 나타내며, 주성분 2 는 탄산염 광물의 용해와 질산염 오염의 영향, 주성분 3 은 양이온 교환반응과 규산염광물의 용해과정을 지시한다. 실험적 반베리오그램 유형 분석 결과 지하수 성분은 크게두 그룹으로 분류되며 각각의 그룹에는 EC, Cl, Na, NO 3 와 HCO 3 , SiO 2 , Ca, Sr 이 속한다. 지하수 성분의 공간분포 특징을 조사한 결과, 전기전도도(EC), Cl, Na 는 해수의 영향을 받는 해안가로 갈수록 증가하는 경향을 보여주며, NO 3 는 농경지의 분포와 밀접한 상관관계를 가진다. 이들 성분은 또한 지형과도 상관성을 가지며 이는 지하수 함양과의 관련성을 나타낸다. 요인 크리깅 수행 결과 PC1 은 Cl, Na, EC 의 공간분포와는 다른 양상을 보여주는데 이는 pH, Ca, Sr, HCO 3 가 PC1 에 미치는 영향 때문인 것으로 분석되었다. 서부지역에서는 PC2 의 이상대가 길게 나타나며 이는 탄산염 광물의 용해와 관련이 있는 것으로 사료된다. 이상의 결과로부터 연구지역 지하수에 대한 다변량 통계분석및 지구통계 분석 기법의 적용은 수질에 대한 복합적 정보의 정량화와 공간 특성을 해석하는데 사용될 수 있다. The purpose of the study is to analyze the hydrogeochemical characteristics by multivariate statistical method, to interpret the hydrogeochemical processes for the new variables calculated from principal components analysis (PCA), and to infer the groundwater flow and circulation mechanism by applying the geostatistical methods for each element and principal component. Chloride and nitrate are the most influencing components for groundwater quality, and the contents of NO 3 increased by the input of agricultural activities show the largest variation. The results of PCA, a multivariate statistical method, show that the first three principal components explain 73.9% of the total variance. PC1 indicates the increase of dissolved ions, PC2 is related with the dissolution of carbonate minerals and nitrate contamination, and PC3 shows the effect of cation exchange process and silicate mineral dissolution. From the results of experimental semivariogram, the components of groundwater are divided into two groups: one group includes electrical conductivity (EC), Cl, Na, and NO 3 , and the other includes HCO 3 , SiO 2 , Ca, and Sr. The results for spatial distribution of groundwater components showed that EC, Cl, and Na increased with approaching the coastal line and nitrate has close relationship with the presence of agricultural land. These components are also correlated with the topographic features reflecting the groundwater recharge effect. The kriging analysis by using principal components shows that PC1 has the different spatial distribution of Cl, Na, and EC, possibly due to the influence of pH, Ca, Sr, and HCO 3 for PC1. It was considered that the linear anomaly zone of PC2 in western area was caused by the dissolution of carbonate mineral. Consequently, the application of multivariate and geostatistical methods for groundwater in the study area is very useful for determining the quantitative analysis of water quality data and the characteristics of spatial distribution.