이전 연구에서 개발된 딥러닝 기술과 제재목의 횡단면 이미지를 이용한 목재수종 자동판별 모델인 LeNet3는 목재 횡단면 이미지에 대해 높은 판별 성공률을 보였다. 하지만, 실제 현장에서 활...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A106170726
2019
-
학술저널
19-19(1쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
이전 연구에서 개발된 딥러닝 기술과 제재목의 횡단면 이미지를 이용한 목재수종 자동판별 모델인 LeNet3는 목재 횡단면 이미지에 대해 높은 판별 성공률을 보였다. 하지만, 실제 현장에서 활...
이전 연구에서 개발된 딥러닝 기술과 제재목의 횡단면 이미지를 이용한 목재수종 자동판별 모델인 LeNet3는 목재 횡단면 이미지에 대해 높은 판별 성공률을 보였다. 하지만, 실제 현장에서 활용할 때에는 판목면의 이미지를 얻게 될 경우가 더 많다. 따라서 현장에서의 목재수종 자동판별의 성능을 향상시키기 위해서는 판목면 이미지를 대상으로 하는 모델의 개발이 필요하다.
침엽수재의 판목면 상의 무늬는 횡단면에 비해 수종 간 차이가 덜 명확하며, 잘린 각도에 따라 다양하고 복잡한 무늬가 나타난다. 그 결과 횡단면의 이미지에 대한 높은 판별 성능을 보이는 모델을 적용할 경우, 판목면 이미지에 대한 판별 성능이 낮아질 것으로 예상된다. 따라서 횡단면 이미지, 판목면 이미지 모두에 높은 판별 성능을 보이는 모델을 개발할 필요가 있다.
본 연구에서는 목재의 횡단면, 판목면의 이미지를 이용하여 목재수종을 자동으로 식별하는 앙상블 방법을 이용하여 새로운 모델을 개발하였다. 앙상블 방법은 기존의 여러 가지 모델을 이용하여 분류성능을 향상시키는 방법으로 특정한 무늬에 대한 판별 성능이 높은 여러 개의 모델을 결합하는 방법이다. LeNet 계열의 모델들과 MiniVGGNet 계열의 모델들이 조합 중에서 LeNet2, LeNet3, MiniVGGNet4를 이용한 앙상블 모델의 성능이 가장 좋게 나왔다. 이 앙상블 모델을 이용하여 한국산 5개 수종의 횡단면, 판목면 이미지를 이용하여 목재수종 자동식별을 수행한 결과 개별 모델보다 판별 성능이 향상(f1 score > 0.98)된 것을 확인할 수 있었다. 특히, 잣나무와 소나무에 대한 판별 성능이 크게 향상된 것을 확인하였다.
< 구두-E-06 > 고밀도 무기질 재료를 기재로 사용한 바닥재의 바닥충격음 차단성능
< 구두-E-08 > Bio-Copolyester인 ECOZEN을 이용한 합성 목재 개발
< 구두-E-09 > 목재-마그네슘 적층복합재(WM Board)의 물리적 및 기계적 성질