객체탐지와 오토인코더를 활용한 스마트 공장 이상탐지 방안 개발 = Development of Smart Factory Abnormal Detection Method Using Object Detection and AutoEncoder

국문 초록 (Abstract)

최근 다양한 산업 분야에서 인공지능 알고리즘 적용을 시도하고 있다. 이러한 흐름에 맞추어 제조 산업에서도 분류, 예측 및 감시 등의 영역에서 인공지능에 관한 연구를 수행하고 있다. 하지만 제조 산업의 특성상 중소기업들은 인공지능과 같은 새로운 영역으로의 투자는 쉽지 않다. 새로운 관리영역의 추가는 기업의 입장으로는 부담이 될 수 있기 때문이다. 이에 본 연구에서는 저비용 및 고효율 관점에서 제조시스템 설비에 이미지를 기반으로 한 공정 관리 시스템을 제안하고자 한다. 대표적인 객체 탐지 알고리즘인 YOLOV5와 오토인코더를 공정 이상 탐지 방향으로 활용하고자 한다. 먼저 YOLOv5 알고리즘을 통해 모바일 기기 수준에서 촬영한 영상의 정보에서 객체를 실시간으로 추출한다. 그 후 추출된 객체의 이미지 영역을 오토인코더에 입력값으로 정의하고, 주요 특징을 추출하고자 한다. 특히 학습에 필요한 데이터의 양과 시나리오 분석을 통하여 객체 탐지의 성능을 비교하였다. 본 연구에서 제시된 이상 탐지 방법론을 통해 국내 제조 중소기업들의 스마트 공장 구축과 생산성 및 수율 향상 등의 목적에 기여되길 기대한다.

다국어 초록 (Multilingual Abstract)

Recently, artificial intelligence algorithms are being applied in various industrial fields. Under these circumstances, the manufacturing industry is also conducting research on artificial intelligence in areas such as classification, prediction, and monitoring. However, it is not easy for SMEs to invest in new areas such as artificial intelligence. Therefore, this study proposes an image-based process management system for the manufacturing system. In this paper, We utilize the object detection algorithms YOLOV5 and autoencoder in the direction of process anomaly detection. First, the object is extracted in real time from the information of the image taken at the mobile device level through the YOLOv5. Next, the extracted image is defined as an input value of the autoencoder, and a main feature is to be extracted. In particular, the performance of object detection was compared through scenario analysis and the amount of data required for learning. It is expected that the abnormality detection methodology presented in this study will contribute to the purpose of establishing a smart factory and improving productivity and yield of domestic manufactured SMEs.

목차 (Table of Contents)

• Ⅰ. 서 론
• Ⅱ. 선행연구 검토
• Ⅲ. 연구방법 및 과정
• Ⅳ. 실증분석 결과
• Ⅴ. 결 론
• 참고문헌