용접 파이프의 용접선 추적을 위한 3D Part Segmentation

국문 초록 (Abstract)

산업 현장에서 용접 부위는 매우 정밀한 작업이 요구되며, 특히 용접선(Weld Seam)의 정확한 추적은 품질 관리의 핵심 과제다. 이를 해결하기 위해 3D Vision 기술이 주목받고 있으며, 복잡한 형상을 가진 부품의 정밀 인식과 세분화에 효과적으로 활용되고 있다.. 본 연구에서는 직접 구축한 3D CAD 기반 용접 파이프 데이터셋을 활용하여, 실제 용접 파이프 형상을 반영한 3D part Segmentation 모델을 제안한다. 모델 구조로는 Point2Vec 아키텍처를 기반으로 하며, self-supervised learning 으로 학습된 feature를 part segmentation 작업에 전이하는 방식이다. 또한, Cross Entropy, Dice, Focal Loss를 조합한 loss scheduling을 통해, 학습 안정성과 semi-supervised 환경에서도 높은 정확도를 달성하였다.

다국어 초록 (Multilingual Abstract)

In industrial sites, welding tasks require high precision, and accurate tracking of weld seams is a key issue in quality control. To address this, 3D vision technology is gaining attention and is effectively used for precise recognition and segmentation of parts with complex shapes. In this study, we propose a 3D part segmentation model using a self-constructed 3D CAD-based welding pipe dataset that reflects real welding pipe geometry. The model is based on the Point2Vec architecture and transfers features learned through self-supervised learning to the part segmentation task. In addition, by applying a loss scheduling strategy combining Cross Entropy, Dice, and Focal Loss, the model achieves stable training and high accuracy even in semi-supervised settings.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 모델 아키텍처 개요 (Model Architecture)
• Ⅲ. 손실 함수 및 학습 전략 (Loss Function and Training Strategy)
• Ⅳ. 실험 및 분석 (Experiments and Analysis)
• Ⅴ. 결론 (Conclusion)
• 참고문헌