AI 인공지능 데이터 분석 프로젝트) 오디오 파일 학습을 통한 자동 검사 모델 만들기

소개

"AI 인공지능 데이터 분석 프로젝트) 오디오 파일 학습을 통한 자동 검사 모델 만들기"에 대한 내용입니다.

목차

1. 분석 배경
2. 분석 목적
3. 분석 효과
4. 학습 결과
5. 분석 환경
6. 학습 데이터셋 형태 및 개수
7. 데이터 분석(EDA) 및 전처리
8. 학습 모델 구축 및 예측

본문내용

분석 배경
문제 발생 장소 : 음향 기기 제조업체
문제 발생 공정 : 오디오 검사 공정 (노이즈, 무음 등 불량 검출)
문제 발생 내용 :
1) 현재 사람이 직접 청각으로 검사한다.
2) 최소 3개월 이상의 숙련공 필요 (검사 인력 한계에 의한 생산 Capa 문제),
3) 스피커를 귀에 대고 고주파음을 하루종일 듣다보면 검사자의 청력에 문제 생길 수 있음
4) 검사자의 실수로 불량을 양품으로 판정할 수 있음

분석 목적
양품과 불량의 오디오파일(wav) 학습을 통한 자동 검사 모델 개발

분석 효과
정상 소리와 불량 시료의 미세한 차이는 일반인은 구분하기 어려운 정도이나 모델 학습을 통해 자동검사 가능
검사자의 교육 기간이 필요 없고, 검사 시간에 제약이 없어 생산 Capa 증가
사람의 실수가 발생 되지 않아 불량 검출력 향상

학습 결과
- 결과 요약
가장 학습이 잘 되는 데이터셋 : STFT_dB (STFT의 진폭을 데시벨로 스케일링 한 데이터)
베스트 모델 : LSTM 모델 (Long Short-Term Memory)
베스트 모델 정확도 : 99.0%

참고자료

· 없음