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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 정회룡
- 발행연도
- 2023
- 저작권
- 건국대학교 논문은 저작권에 의해 보호받습니다.
이용수17
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
자동차 산업은 품질 및 안전 요구사항에 매우 민감한 분야이다. 특히 자동차의 외관 부품 중 하나인 커버 렌즈는 디자인과 완성도의 중요한 요소로서 품질 검사가 필수적이다. 기존의 불량 검출 방법은 작업자가 현장에서 직접 육안으로 관찰하는 것이다. 그러나 이러한 방법은 효율성과 정확성이 떨어지고 신속한 품질변화에 대응하기 어렵다.
본 논문에서는 인간이 아닌 카메라를 이용한 비전 검사 시스템을 제안하고 One-Class CNN (Convolutional Neural Network)을 자동차 커버 렌즈 공정에서 불량 검출에 적용하는 방법을 제안한다. 비전 검사 시스템은 자동화된 검사가 가능하게 하고 정확성을 보장하고 일관성을 유지할 수 있으며 빠른 속도의 검사로 전체 라인의 효율성을 향상시킨다. One-Class CNN은 비지도 학습 기반의 딥러닝 알고리즘으로, 정상 데이터만을 학습하여 이상을 탐지하는 특징을 가지고 있다.
실험 결과, 제안된 One-Class CNN 모델은 자동차 커버 렌즈 공정에서 높은 정확도와 강력한 이상 감지 능력을 보였다.
이러한 결과들은 자동차 제조업체들이 빠르게 변화하는 품질 요구 사항에 대응하고, 생산성을 향상시키며, 불량품 배출을 줄일 수 있는 효과적인 검출 방법으로 One-Class CNN을 채택할 수 있음을 시사한다.
본 논문에서는 인간이 아닌 카메라를 이용한 비전 검사 시스템을 제안하고 One-Class CNN (Convolutional Neural Network)을 자동차 커버 렌즈 공정에서 불량 검출에 적용하는 방법을 제안한다. 비전 검사 시스템은 자동화된 검사가 가능하게 하고 정확성을 보장하고 일관성을 유지할 수 있으며 빠른 속도의 검사로 전체 라인의 효율성을 향상시킨다. One-Class CNN은 비지도 학습 기반의 딥러닝 알고리즘으로, 정상 데이터만을 학습하여 이상을 탐지하는 특징을 가지고 있다.
실험 결과, 제안된 One-Class CNN 모델은 자동차 커버 렌즈 공정에서 높은 정확도와 강력한 이상 감지 능력을 보였다.
이러한 결과들은 자동차 제조업체들이 빠르게 변화하는 품질 요구 사항에 대응하고, 생산성을 향상시키며, 불량품 배출을 줄일 수 있는 효과적인 검출 방법으로 One-Class CNN을 채택할 수 있음을 시사한다.
목차
제1장 서론 1제1절 연구 배경 1제2절 비전 검사 2제3절 연구 동향 3제4절 연구 목표 4제2장 기존 연구 및 아이디어 5제1절 기존 연구 51. SPADE 52. Mahalanobis AD 63. PaDiM 74. PatchCore 8제2절 아이디어 91. 데이터 수집 시스템 구축 92. 불량 검사 알고리즘 개발 103. 데이터셋 수집 및 검증 11제3장 연구 방법 12제1절 데이터 수집 시스템 구축 121. 영상취득부 구현 132. 조명부 구현 14제2절 불량 검사 알고리즘 개발 151. 데이터 전처리 152. 불량 검사 알고리즘 16제3절 데이터셋 수집 및 검증 181. 데이터셋 수집 182. 데이터셋 검증 20제4장 연구 결과 21제1절 데이터 수집 결과 21제2절 알고리즘 적용 결과 241. Gradient & Threshold 242. 알고리즘 적용 결과 24제5장 토론 및 결론 30제1절 토론 30제2절 결론 31참고문헌 32국문초록 35
최근 본 자료
댓글(0)
0