KCC 2021
Current Result Document :
| 한글제목(Korean Title) |
입력 이미지 분할 기법을 활용한 YOLOv4 기반 소형 피트 결함 검출 성능 개선 |
| 영문제목(English Title) |
Improving YOLOv4-based Tiny Pit Defect Detection by Partitioning ROI of Input Images |
| 저자(Author) |
반근우
권경필
정성우
유성은
배성호
유준혁
Geun-Woo Ban
Kyung-Pil Gwon
Seong-Woo Jeong
Seong-eun Yoo
Seong-Ho Bae
Joonhyuk Yoo
|
| 원문수록처(Citation) |
VOL 48 NO. 01 PP. 0953 ~ 0955 (2021. 06) |
한글내용
(Korean Abstract) |
본 논문에서는 디스플레이용 필름의 공정 과정에서 촬영된 필름 이미지에서 사람의 육안으로 식별하기 어려운 크기의 피트(Pit) 결함을 검출하기 위해 YOLOv4 모델을 활용하여 이를 검출하는 시스템을 제안한다. 기존의 YOLOv4 모델은 입력 이미지 대비 미세한 크기의 피트 결함과 배경과 구분이 힘든 낮은 대비차이로 인해 피트 결함에 대한 학습 및 검출이 불가능하다. 이러한 문제를 해결하기 위해 고해상도 입력 이미지에서 관심 영역을 찾아 이미지를 작은 패치 단위로 분할하고 낮은 대비차를 개선시키기 위한 데이터 전처리 기법을 적용한다. 실험 결과에서는 추출된 관심 영역에서 분할된 이미지 패치의 크기에 따라 검출 성능과 속도간의 트레이드 오프를 보여주고, 최적값을 적용할 경우 제안된 처리 방식으로 YOLOv4 모델을 활용하여 약 0.8초의 속도로 피트 결함을 검출 가능하다는 것을 입증한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
