개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
Recently, the fourth industrial revolution has been presented as a new paradigm and additive manufacturing (AM) has become one of the most important topics. For this reason, process monitoring for each cross-sectional layer of additive metal manufacturing is important. Particularly, deep learning can train a machine to analyze, optimize, and repair defects. In this paper, image classification is proposed by learning images of defects in the metal cross sections using the convolution neural network (CNN) image labeling algorithm. Defects were classified into three categories: crack, porosity, and hole. To overcome a lack-of-data problem, the amount of learning data was augmented using a data augmentation algorithm. This augmentation algorithm can transform an image to 180 images, increasing the learning accuracy. The number of training and validation images was 25,920 (80 %) and 6,480 (20 %), respectively. An optimized case with a combination of fully connected layers, an optimizer, and a loss function, showed that the model accuracy was 99.7 % and had a success rate of 97.8 % for 180 test images. In conclusion, image labeling was successfully performed and it is expected to be applied to automated AM process inspection and repair systems in the future.
목차
ABSTRACT
1. Introduction
2. Training Data
3. Structure of the CNN Model
4. Training and Testing
5. Result and Discussion
6. Conclusion
References
참고문헌 (20)
참고문헌 신청
Liu, Y. K. / 2016 / Industry 4. 0 and Cloud Manufacturing : A Comparative Analysis / Journal of Manufacturing Science and Engineering 139(3)
Arel, I. / 2010 / Deep Machine Learning-A New Frontier in Artificial Intelligence Research / IEEE Computational Intelligence Magazine 5(4):13~18
이민기 / 2018 / 금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교 / 전기학회논문지 67(7):865~870
Ahn, J. H. / 2018 / Multi-class image classification techniques based on CNN
Cui, H. / 2016 / Geeps: scalable deep learning on distributed GPUs with a GPU-specialized parameter server / Proceedings of the Eleventh European Conference on Computer Systems (4):1~16
Arel, I. / 2010 / Deep Machine Learning-A New Frontier in Artificial Intelligence Research / IEEE Computational Intelligence Magazine 5(4):13~18
이민기 / 2018 / 금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교 / 전기학회논문지 67(7):865~870
Ahn, J. H. / 2018 / Multi-class image classification techniques based on CNN
Cui, H. / 2016 / Geeps: scalable deep learning on distributed GPUs with a GPU-specialized parameter server / Proceedings of the Eleventh European Conference on Computer Systems (4):1~16
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
이미지 라벨링을 이용한 결함 분류
한국기계가공학회 춘추계학술대회 논문집
2020 .06
-
적층 제조기법의 공정 결함에 대한 전산 해석 관련 연구
항공우주시스템공학회 학술행사 논문집
2024 .10
-
이미지 라벨링 시스템(Label Now)
대한전자공학회 학술대회
2022 .11
-
[적층제조시스템 부문] 적층제조의 미래 - 다중재료 적층제조 및 응용
한국정밀공학회 학술발표대회 논문집
2024 .11
-
[적층제조시스템 부문] 적층제조 KS 표준화 동향
한국정밀공학회 학술발표대회 논문집
2021 .11
-
항공우주 분야 적용을 위한 적층 제조 공법 연구
항공우주시스템공학회 학술행사 논문집
2018 .11
-
Geometry Correction Approach for Support-Free Image-based 3D Model Using Additive Manufacturing Ontology
대한기계학회 춘추학술대회
2019 .11
-
Quantification based on Image Processing for Pore Characteristics by Additive Manufacturing
한국기계가공학회 춘추계학술대회 논문집
2021 .06
-
협동 적층 제조를 위한 모바일 매니퓰레이터 개발
대한기계학회 춘추학술대회
2024 .11
-
집단지성 기반 딥러닝용 데이터 셋 구축을 위한 이미지 라벨링 게임 어플리케이션
한국정보과학회 학술발표논문집
2019 .06
-
Unlabeled 데이터의 의사 라벨을 활용한 약지도 의미론적 이미지 분할
한국지능시스템학회 논문지
2022 .08
-
Deep Learning-Based Reliability Assessment of Fatigue Life Considering Uncertainty of Additive Manufacturing
한국신뢰성학회 학술대회논문집
2021 .11
-
적층제조시스템의 신뢰성 설계 및 시험 평가에 관한 기초 연구
대한기계학회 춘추학술대회
2020 .07
-
인공지능을 활용한 적층제조용 부품 선정을 위한 평가 방법 개발
대한기계학회 춘추학술대회
2022 .11
-
다중 라벨 분류 기법을 통한 구조물 결함 분류 모델 개발
한국통신학회 학술대회논문집
2023 .06
-
이미지-텍스트 쌍을 활용한 이미지 분류 정확도 향상에 관한 연구
전기전자학회논문지
2023 .12
-
적층제조에 최적화된 내부 유로 형상에 관한 연구
한국기계가공학회 춘추계학술대회 논문집
2021 .06
-
항공우주산업의 적층제조 개발 트렌드
대한용접학회 특별강연 및 학술발표대회 개요집
2023 .10
-
수처리 분야 나노소재 관리 효율 향상을 위한 라벨링 방법 개발
한국유체기계학회 학술대회 논문집
2021 .12
-
적층 제조 분야 자동 품질검사를 위한 비전 AI 연구
대한용접학회 특별강연 및 학술발표대회 개요집
2024 .10
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-581-000846159