박막 인장 시험을 위한 영상 기반의 3D CNN 기계학습 변형률 측정 = 3D CNN Machine Learning Strain Measuremen t based on the Digital Imaging for Tensile Tes t of Thin Film
저자
발행사항
부산 : 부산대학교 대학원, 2020
학위논문사항
학위논문(박사)-- 부산대학교 대학원 : 기계공학부 2020. 2
발행연도
2020
작성언어
한국어
주제어
DDC
621.8 판사항(23)
발행국(도시)
부산
형태사항
x, 111 장 : 삽화 ; 30 cm
일반주기명
지도교수: 강동중
참고문헌: p. 106-109
UCI식별코드
I804:21016-000000143739
DOI식별코드
소장기관
제조 산업의 발전에 따라 제품이 소형화되고, 경량화 되며, 박막 소재를 사용하는 제품의 신뢰성에 대한 관심이 커지고 있다. 신뢰할 수 있는 제품을 설계 하기 위해서 제품에 적용되는 소재의 기계적 특성을 정확하게 평가해야 한다. 그러므로 기계적 특성을 얻기 위한 인장 시험이나 피로 시험을 통해 얻은 실험 데이터가 반드시 필요하다. 하지만, 체적 소재에 대한 실험 방법은 많이 연구된 반면, 박막 소재에 실험 방법은 아직 연구 단계에 있다. 특히 체적 소재에서 적용했던 변형률 측정 방법은 박막 소재에 적용하기 어렵다. 체적 소재는 접촉 식 변위 측정 센서를 직접 부착하여 측정할 범위를 정확하게 측정할 수 있는 반면 박막 소재는 접촉 식 변위 측정 센서에 의해 마이크로/나노 단위의 소재 특성에 영향을 줄 수 있기 때문이다. 따라서 박막 소재에 대해 정확한 기계적 특성을 얻기 위해서는 소재에 영향을 주지 않는 비 접촉 식 측정 방법 중 하나인 영상 기반의 변형 측정 방법을 적용하여 변형이 발생하는 부분을 직접적으로 측정해야한다. 대표적인 영상 기반의 변형 측정 방법인 영상 상관 기법은 변형 측정 문제에 적용하기 위해 최적의 파라미터를 선정해야 한다. 그렇기 때문에 영상 상관 기법은 최적의 파라미터를 찾기 위해 실험을 반복해야 하며 파라미터에 따라 변형 추정 성능이 달라지는 단점을 가진다. 이러한 한계를 극복하기 위해 본 연구에서는 새로운 영상 기반의 변형 측정 방법으로 컨볼루션 신경망(CNN)을 이용한 학습 기반의 변형 측정 방법을 제안한다. 제안한 방법은 연속적으로 얻은 영상에 대해 적용하기 위해 공간 정보에 대한 학습이 가능한 2차원 컨볼루션 신경망 대신에 3차원 컨볼루션 필터를 적용하여 공간적 정보뿐만 아니라, 시간적 정보도 함께 학습이 가능한 새로운 비 접촉 변형 측정 방법이다. 또한, 본 연구에서는 인장 시험을 수행하며 동시에 고배율의 시편 표면 영상을 획득할 수 있는 시험기를 구성하고, 인장 시험을 위한 마이크로 단위의 박막 시편을 제작하였다. 시험기를 이용하여 박막 소재에 대한 인장 시험을 직접 수행하고, 인장 시험 동안 얻은 영상에 대해서 비 접촉 변형 측정 방법인 영상 상관 기법과 학습 기반의 변형 측정 방법을 이용하여 변형을 추정하고 각 방법으로 얻은 추정 결과로부터 얻은 변형률을 이용하여 기계적 특성을 얻고 각 방법에 따른 기계적 특성을 비교하였다. 실험 결과를 통해 영상 기반의 변형 추정 방법이 박막 소재에 대한 변형률을 정확하게 측정한다는 것을 증명하였다. 또한, 기계학습 기반의 변형 측정 방법은 기존의 영상 상관 기법보다 다양한 문제에 대해서도 높은 추정 성능을 보여준다.
더보기분석정보
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)