http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최학영(Hakyoung Choi),서기성(Kisung Seo) 한국지능시스템학회 2017 한국지능시스템학회논문지 Vol.27 No.3
전자 부품의 결함 검사에서 미세한 크랙이나, 표면이 균일하지 않은 경우, 그리고 결함과 주변의 구분이 명확치 않은 조건에서는 검출자 기반의 접근이 성능의 한계를 보이고 있다. 딥러닝 기법이 물체 인식에 널리 적용되고 있으며. 결함 검출에 대해서도 점차 적용이 시도되고 있다. 일반적으로 딥러닝은 방대한 규모의 학습 데이터를 필요로 하나, 일부 산업응용 문제에서는 데이터의 획득이 제한적일 수 있다. 검출 난이도가 높으면서 학습 데이터가 충분하지 않은 전자 부품의 표면 결함 검사에 대해서 딥러닝 접근법의 하나인 CNN을 적용하고 가능성을 검토한다. CNN 기법 외에 Otsu와 Gaussian blur 기법을 CNN에 결합하여 시도하였고, VOV 필터 기반의 데이터 재생성을 통해 데이터를 확충한 기법과 비교하였다. 이를 통해 검출 오류율을 5%까지 감소시킨 결과를 얻을 수 있었다. A detector based approach shows the degraded performance for defect inspection of electronic parts in particular condition such as a fine crack, non-uniformity, an indiscernible difference between the defects and its surroundings. Deep learning technique is widely used for object recognition and it’s applications to detect defects have been gradually attempted. Deep learning requires huge scale of learning data, but an acquisition of data can be limited in some industrial application. The possibility of applying CNN (Convolution Neural Network), which is one of the deep learning approaches, for surface defect inspection is investigated for electronic parts whose detection difficulty is challenging and learning data is not sufficient. Integrating Otsu and Gaussian Blur method to CNN are experimented. VOV filter based data augmentation method is executed to supplement the insufficient data additionally. As a result, detection error rate is decreased to 5%.