적외선 열화상 비파괴검사(IRT) 결과분석에 경량화딥러닝 신경망 활용

한나라; 송재웅; 장재원; 노재규; Zhiqiang Han; 오대균

doi:10.3795/KSME-A.2024.48.10.671

추천

검색

질문

자료유형: 학술저널

저자정보: 한나라 (국립목포해양대학교) 송재웅 (국립목포해양대학교) 장재원 (국립목포해양대학교) 노재규 (국립군산대학교) Zhiqiang Han (절강해양대학교) 오대균 (국립목포해양대학교)

저널정보: 대한기계학회 대한기계학회 논문집 A권 대한기계학회논문집 A권 제48권 제10호(통권 제469호)

발행연도: 2024.10

수록면: 671 - 680 (10page)

DOI: 10.3795/KSME-A.2024.48.10.671

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

선박의 제작 품질을 검사할 때는 일반적으로 비파괴검사가 사용되고 있다. 이 중 적외선 열화상 검사(IRT)는 신속하게 품질을 확인 가능하나 결과를 이미지로 분석하기 때문에 검사자의 경험에 의해 주관적으로 분석이 진행되어 왔다. 특히 어선이나 레저보트 같은 소형선박의 경우 선체소재가 두껍고 직물이 혼합된 섬유강화플라스틱(FRP)으로 제작되어진다. 본 연구에서는 혼합직물방식과 단일직물방식 FRP 시편을 제작하여 IRT로 결함을 검출하였다. 이때, 객관적인 검사결과를 위해 온도변화율 식을 활용한 통계분석 방법과 이미지 분류 기술인 딥러닝을 활용해 결함을 검출하였다. 통계분석과 딥러닝 적용 비교결과 혼합직물시편과 단일직물시편의 결함 검출 온도의 차이가 발생되었으며 이는 단일직물시편의 온도변화율 특성 때문인 것으로 확인되었다. 특히 단일직물시편의 온도변화율 특성은 경량화딥러닝의 결과에도 악영향을 미쳤으며, 정확도 향상을 위해서는 검사 이미지의 데이터 증강과 정확한 학습데이터 추가 요구되었다. 하지만 경량화딥러닝의 효율성을 고려한다면 기존에 육안검사에만 의존하던 결함검사에 보조수단으로 충분한 역할을 기대할 수 있을 것으로 판단된다.

#MobileNet(모바일넷) #Lightweight Deep Learning(경량화딥러닝) #Convolutional Neural Network(합성곱신경망) #Infrared Thermography Testing(적외선 열화상 비파괴검사) #Statistical Analysis(통계분석)

초록
Abstract
1. 서론
2. 적외선 열화상 비파괴검사(IRT) FRP 시편 제작과 실험
3. 통계분석에 따른 적외선 열화상 비파괴 검사(IRT) 결과 분석
4. 경량화딥러닝에 의한 적외선 열화상 비파괴검사(IRT) 분석
5. 경량화딥러닝 신경망 활용 결과의 분석
6. 결론
참고문헌(References)

참고문헌 (34)

참고문헌 신청

Fishing Vessel Safety Policies and Press Releases, 2023, In 2022, The Total Number of Fishing Vessels was Reported to be 64,385… Impacts on Fishing Vessel Reduction Projects for the Management of Marine Resources (https://www.mof.go.kr/doc/ko/selectDoc.do?docSeq=52092&menuSeq=971&bbsSeq=10), Ministry of Oceans and Fisheries, Sejong, Republic of Korea.

Lee, S. G., Han, Z., Lee, C. W. and Oh, D., 2020, “Correlation between Probe Frequency and Echo-Pulse Velocity for Ultrasonic Testing of a Fiber-Reinforced Plastic Hull Plate,” Journal of the Korean Society of Marine Environment and Safety, Vol. 26, No. 2, pp. 219~226.

Kang, B. K., Nam, M. H. and Lim, I. S., 2014, “A Study on Reliability Validation by Infrared Thermography of Composite Material Blade for Wind Turbine Generator,” Journal of Applied Reliability, Vol. 14, No. 3, pp. 176~181.

Hwang, S. W., Lee, S. M., Kim, K. B., Woo, Y. W. and Song, D. H., 2013, “Analysis of Non-Destructive Flaws in Ceramic Images,” Proceedings of the Korean Institute of Information and Communication Sciences Conference, Vol. 17, No. 11, pp. 361~363.

Usamentiaga, R., Venegas, P., Guerediaga, J., Vega, L., Molleda, J. and Bulnes, F. G., 2014, “Infrared Thermography for Temperature Measurement and Non-Destructive Testing,” Sensors, Vol. 14, No. 7, pp. 12305~12348.

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (34)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)