딥러닝 기반 PLC 소자 불량검사 알고리즘 고도화 = Improved PLC defect inspection algorithm Based on Deep Learning
저자
발행사항
광주 : 전남대학교, 2022
학위논문사항
학위논문(석사)-- 전남대학교 : 전자컴퓨터공학과 2022. 2
발행연도
2022
작성언어
한국어
주제어
DDC
621.381
발행국(도시)
광주
형태사항
41 ; 26 cm
일반주기명
지도교수: 이칠우
UCI식별코드
I804:24010-000000066627
소장기관
PLC(Planar Lightwave Circuit) 소자는 광통신망 구축에 사용되는 중요한 부품으로 전송 신호의 품질에 큰 영향을 미치기 때문에 제작 공정에 있어 높은 정확도를 요구한다. 따라서 대부분의 제조과정에서는 사람이 직접 현미경을 사용하여 육안으로 불량품을 가려내고 있다. 그러나 사람이 직접 눈으로 검사하는 방법은 검사자의 숙련도와 피로도에 따라 불량발견에 많은 영향을 받게 되므로 불량검사를 자동화하는 연구가 진행되고 있다.
본 논문에서는 기존에 제안된 PLC 소자 불량검사 방법의 문제점을 보완하여 더욱 인식률이 향상된 알고리즘을 제안한다. 앞서 제안된 불량검사 시스템에서는 J. Redmon 등이 제안한 YOLOv3 모델을 그대로 적용하였기 때문에 Grid의 크기보다 작은 불량을 인식하지 못하였다. 또 PLC의 모양에 적합하지 않는 정사각형의 영상을 입력으로 사용한다는 문제가 존재하였다. 이런 문제를 해결하기 위하여 본 논문에서는 YOLOv3 모델의 Grid size를 줄이고 splitter의 종횡비와 입력영상의 종횡비가 같도록 학습모델의 구조를 변경하여 인식률을 높였다. 아울러 새로운 구조의 네트워크 모델에 영상을 입력하기 전 고주파 필터를 사용하여 흐릿한 영상을 개선하고 신호전달에 있어서 가장 중요한 도파로 주변에 검사를 집중함으로써 불량 인식률을 높였다. 도파로 부분을 따로 분리하기 위해 주파수 영역에서 세그멘테이션을 수행하여 마스크를 만들어 사용하였다. 고주파 필터, 수정된 YOLOv3 모델, 도파로 마스크를 적용한 뒤 인식률의 개선이 어떻게 이루어졌는지 실험을 하고 그 결과를 분석하여 제안한 알고리즘의 성능을 확인하였다.
PLC (Planar Lightwave Circuit) device is an important component used in optical communication network construction, and since it greatly affects the quality of transmission signals, high accuracy is required in the manufacturing process. Therefore, in most manufacturing processes, a person uses a microscope to sort out defective products with the naked eye. However, since the method of inspecting with human eyes is greatly affected by defect inspection according to the skill and fatigue level of the inspector, research on automating defect inspection is being conducted.
In this paper, we propose an algorithm with improved recognition rate by supplementing the problems of the previously proposed PLC element defect inspection method. In the previously proposed defect inspection system, since the YOLO-v3 model proposed by J Redmon et al. was applied as it is, defects smaller than the size of the grid were not recognized. In addition, there was a problem of using a square image that is not suitable for the shape of the PLC as an input. To solve this problem, in this study, the recognition rate was increased by reducing the grid size of the YOLO-v3 model and changing the structure of the learning model to input images with the same splitter shape and aspect ratio. In addition, before putting the image to the network model of the new structure, a high-frequency filter was used to improve the blurred image, and the defect recognition rate was increased by focusing the inspection around the waveguide, which is the most important in signal transmission. In order to separate the waveguide part, segmentation was performed in the frequency domain to make a mask. After applying the high-frequency filter, the modified YOLO-v3 model, and the waveguide mask, we tested how the recognition rate was improved and analyzed the results to confirm the performance of the proposed algorithm.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)