KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
메타 데이터를 활용한 자가-집중연산 컨볼루션 게이팅 기반 스마트폰 글라스 표면결함 탐지 모형 |
| 영문제목(English Title) |
Convolutional Gating Attention-based Smartphone Glass Surface Defect Detection Model using Meta-Data |
| 저자(Author) |
고광명
부석준
조성배
Gwang-Myong Go
Seok-Jun Bu
Sung-Bae Cho
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0442 ~ 0444 (2020. 12) |
한글내용
(Korean Abstract) |
스마트폰 글라스의 표면 품질이슈는 제품의 전체 외관품질에 치명적인 영향을 미치기 때문에, 출하제품의 품질을 높이기 위한 여러 선행연구가 진행중이다. 기존의 Rule기반의 알고리즘은 불량 형상의 다형성으로 인해 적용에 한계를 가지고 있으며, 딥러닝 모델이 검사판정의 중요한 모듈로서 자리잡고 있으나 외관표면 영상의 구분 클래스별 유사도에 의한 문제로 인해 모델의 강건성이 크게 위협받고 있다. 데이터로부터 근간하는 유사성의 문 제는 입력데이터를 보완하는 추가데이터의 활용한 전문가시스템을 도입하여 극복 가능하다. 본 논문은 클래스별 모호한 입력의 유사성을 극복하기 위해 기존의 입력에 대응하는 메타정보를 같이 획득하여 학습과 추론에 의한 분류를 수행하는 모델의 비가중연산에 의한 게이팅 방법의 한계점을 극복하기 위해 추가정보의 가중치를 자가집중연산에 의한 학습에 의해 부여하는 메타 데이터 앙상블 분류모델을 제안한다. 학습모델은 양/불로 구성된 88,522개의 실제산업현장에서 전용 광학계를 통해 획득한 고해상도 글라스 영상 데이터셋과 이에 대응하는 여러 가지 항목의 메타 데이터로 구성된 데이터셋에 대해 기존 컨볼루션 기반의 게이팅을 통한 앙상블 모형 중 최고 성능인 92.98%의 분류 정확도를 달성하였다. 제안하는 방법의 정량적 성능을 10겹 교차검증으로 평가함으로써 실제 산업분야에 제안하는 가중치 기반의 컨볼루션 분류모형의 타당성을 검증하였다
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
