메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Binayak Bhandari (Woosong University) Gijun Park (Woosong University)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.10 No.3
발행연도
2021.6
수록면
189 - 198 (10page)
DOI
10.5573/IEIESPC.2021.10.3.189

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Many companies agree on the need to introduce smart factories that promote low-cost, high-efficiency operation by applying IoT technologies to manufacturing plants. To assist in efficient manufacturing, this paper proposes a system for evaluating surface roughness through deep learning AI methods from the distribution of shade on the surface of an object. This is thought to greatly relieve the meticulous and tedious process of manual quality control for precision-machined surfaces and assist in the establishment of smart manufacturing industries. To demonstrate the usefulness of the developed technique, 305 samples of paper were categorized into three classes based on Ra threshold values, and images of paper were taken using a microscope camera. Luminance values, standard deviations, mean values, and image histograms were used to train custom-designed CNN+ LSTM composite neural networks. Completely new samples of non-training data were used for validation, which showed an accuracy of 85.185%. The proposed method can be economical, efficient, and fast compared to conventional surface roughness evaluation procedures. It can be easily integrated into an assembly line and automate quality assurance processes. This method could also prove useful in reducing labor costs and streamlining quality assurance processes due to its flexible adaptability.
#Surface roughness #Artificial intelligence #Deep learning #Evaluation method #Light and shade

목차

Abstract
1. Introduction
2. Configuration and Design of the System
3. Results and Discussion
4. Conclusions
5. Limitations and Future Study
References

참고문헌 (23)

참고문헌 신청
Yun, I. C. (2019). A Strategy of Application for Smart Factories to the Precision Machining Industry. Republic of Korea: Korea Smart Manufacturing Industry Association. google schola Bhandari, B., Lee, M. (2019). Haptic identification of objects using tactile sensing and computer vision. Advances in Mechanical Engineering, 11(4), Article(CrossRefLink) google schola Kim, D., Kim, T.J.Y., Wang, X. et al. Smart Machining Process Using Machine Learning: A Review and Perspective on Machining Industry. Int. J. of Precis. Eng. and Manuf.-Green Tech. 5, 555–568 (2018). Article(CrossRefLink) google schola Lee, G., Kim, M., Quan, Y. et al. (2018). Machine health management in smart factory: A review. J Mech Sci Technol 32, 987–1009. Article(CrossRefLink) google schola Rojko, A. (2017). Industry 4.0 concept: background and overview. International Journal of Interactive Mobile Technologies (iJIM), 11(5), 77-90. Article(CrossRefLink) google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Prediction of Machining Conditions from EDMed Surface Using CNN
이지효 ,  김재연 ,  심대보 외 1명 Journal of the Korean Society for Precision Engineering 2024 .11
표면 텍스처 파라미터와 의사결정 나무기법을 활용한 복사용지의 분류 특성 분석
이용주 ,  이지민 ,  차지은 외 2명 한국펄프·종이공학회 학술발표논문집 2022 .10

최근 본 자료

전체보기

댓글(0)

0