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
김경수 (고려대학교) 김성범 (고려대학교)
저널정보
한국경영과학회 경영과학 經營科學 第41卷 第2號
발행연도
2024.6
수록면
1 - 12 (12page)
DOI
10.7737/KMSR.2024.41.2.001

이용수

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

이 논문의 연구 히스토리 (3)

2024

열간압연 제품의 폭 방향 온도 불량 분류를 위한 준지도 학습
김경수 ,  김성범 경영과학 2024.06 학술저널

2023

열화상 이미지를 활용한 열간압연 제품의 폭방향 온도이상 분류 모델
김경수 ,  김성범 한국경영과학회 학술대회논문집 2023.05 학술대회자료
열화상 이미지를 활용한 열간압연 제품의 폭방향 온도이상 분류 모델
김경수 ,  김성범 대한산업공학회 춘계공동학술대회 논문집 2023.05 학술대회자료

초록· 키워드

오류제보하기
In this study, we propose a semi-supervised learning approach for classifying transverse temperature defects during the hot rolling process. Thermal imaging cameras capture and store thermal images of each product for measuring the transverse temperature variations, which can cause defects in steel pipe manufacturing. To mitigate this risk, thermal defect images are manually classified by individuals. However, classifications by human rely heavily on experience, leading to differences among classifiers. Thus, there is a need for a model capable of automatically classifying transverse temperature images in the hot rolling process. Labeling these thermal images for model training pose a challenge because of the time-intensive nature. To address this challenge and ensure good performance, we propose using a semi-supervised learning approach that leverages both labeled and unlabeled images for actual steel manufacturing data. To the best of our knowledge, this study is the first to apply semi-supervised learning to classify thermal defect images of steel products. The proposed model achieves outstanding performance with an F1-Score of 0.9608 even when trained using only 50% of the labeled data. We demonstrate the effectiveness and practicality of the propose method by using actual thermal images of steel products. We believe that the outcome of this study can lead to significant time and resource savings in defect detection within steel manufacturing processes.
#Hot Rolling Mill #Image Classification #Thermal Image #Transverse Temperature #Semi-Supervised Learning

목차

Abstract
1. 서론
2. 관련 연구
3. 데이터 및 적용 방법론
4. 결과
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

이미지 기반 샴 네트워크를 활용한 반도체 제조 공정의 이상 분류 및 중요 구간 탐지
김정인 ,  목충협 ,  김현지 외 9명 대한산업공학회지 2024 .08
수집품 NFT 가치의 영향요인 분석
구훈영 ,  이희정 ,  이근철 경영과학 2024 .12
뉴스 감성 분석을 반영한 포트폴리오 선정 모형의 투자 성과 분석: 한국 주식시장을 중심으로
박주미 ,  정민수 ,  김홍선 외 1명 한국경영과학회지 2024 .11
열간 압연 H형강의 잔류응력 분포 및 휨 부재에 미치는 영향
김희동 ,  최종열 ,  이현수 외 1명 한국강구조학회 논문집 2024 .06
심층 강화학습을 활용한 이미지 분류
고병은 ,  김성범 대한산업공학회지 2024 .02

최근 본 자료

전체보기

댓글(0)

0