스마트공장 품질관리에 있어 기계학습 기반의 표면 결함 검사 = Surface defect inspection based on machine learning method in smart factory quality management
저자
발행사항
시흥 : 한국산업기술대학교 일반대학원, 2019
학위논문사항
학위논문(석사)-- 한국산업기술대학교 일반대학원 : 컴퓨터공학과 2019. 2
발행연도
2019
작성언어
영어
주제어
DDC
621.39 판사항(21)
발행국(도시)
경기도
형태사항
vii, 59 p. : 삽화 ; 26 cm.
일반주기명
지도교수: 배유석
참고문헌: p. 56-58
UCI식별코드
I804:41069-200000175555
소장기관
스마트 팩토리의 미래에는 장애물을 유연하게 피하고 작업장을 돌아 다니며 인간과 협업을 하고, 작업장을 자유롭게 움직일 수 있는 비주얼 컴퓨팅 시스템을 통해 실시간으로 응답해야 하는 자동 로봇이 제조 활동의 모든 발전을 이룰 것이다. 환경 주변의 물체를 구별하고, 컨베이어 밴드상의 제품을 신속하게 분류하고, 작동 부품을 식별 및 위치 지정, 다른 센서에 의해 제공된 정보를 완성하여 위치 정확성을 향상시키는 등의 다른 컴퓨터 비전 기술. 화상 처리 (변형 , 코딩 및 전송) 및 통계 패턴 분류 (일반 패턴에 적용된 통계 결정 이론, 시각적) 등이 있으며, 현재 현업 공장 및 로봇지도 분야에서 검사 및 품질 관리 프로세스를 널리 사용된다.
지난 몇 년 동안 로봇 행동을 유도하는 컴퓨터 비전 기술의 사용이 꾸준히 증가되었다. 요즘 컴퓨터 비전 기술을 로봇 애플리케이션에 통합하는 것이 더 쉬어 졌다. 필요한 모든 작업은 오류 프로세스를 신속하게 제거하고 제조 자동화 및 조립품 확인 및 부품 추적으로 인해 카메라와 센서가 로봇에 내장되어 있다. 따라서 본고에서는 다음과 같은 내용을 다시 소개하고자 한다. 스마트 공장 품질 관리에서 기계 학습 방법을 기반으로 한 표면 결함을 검사한다. 이 연구는 컴퓨터 비전에 대한 기술 및 기계 학습에 대한 분석, 비교, 알고리즘 및 시뮬레이션을 나타낸다.
In the future of smart factory, all progresses in the activities of the manufacture will be peformed by automatic robots which need to be responded in real-time by visual computing system to move around the workshop avoiding obstacles flexibly, to work collaboratively with humans, to distinguish objects surrounding environment, to classify products on the conveyor bands rapidly, to identify and locate the working parts, to complete the information provided by other sensors to improve their positioning accuracy, etc. The other computer vision techniques such as: image processing (transforming, encoding, and transmitting images) and statistical pattern classification (statistical decision theory applied to general patterns, visual) which are widely used for inspection and quality management processes in the industry, the smart factory and robot guidance presently.
The use of computer vision technology to guide robotic actions has been steadily increasing over the past few years. Nowadays, it’s easier to integrate computer vision technology into robotic applications. All needed things are with cameras and sensors embedded into the robot due to eliminating quickly the error processes, automating manufacture and verify assembly and track parts. Thus, in this paper, I would like to introduce a research about: Surface defect inspection based on machine learning method in smart factory quality management. This research indicates to an analysis, comparison, algorithm and simulation about techniques and machine learning on computer vision.
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)