딥러닝을 이용한 전기 도면의 전기소자 검출 및 분류 연구 (A Study on Detection and Classification of Electrotechnical Symbols in Electrotechnical Diagrams using Deep Learning)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 9권 / 6호 / 17 ~ 28페이지
· 저자명 : 김근형

초록

여러 산업영역에서 인공지능과 데이터를 활용한 4차 산업혁명이 활발하게 이루어지면서 아날로그 데이터의 디지털 전환이 빠르게 이루어지고 있다. 그러나 디지털 경제가 도래하기 전에도 기업들은 아날로그 형태의 데이터를 축적하고 활용하였다. 데이터를 활용한 기계학습 기술의 등장으로 데이터의 가치가 증가하고 있어 기존의 아날로그 데이터의 활용도를 높이기 위해 아날로그 데이터를 컴퓨터가 이해할 수 있는 디지털 데이터로 변환하는 것이 매우 중요하다. 종이 도면을 컴퓨터에서 활용하기 위해서 종이 도면의 전기소자, 회선, 텍스트를 검출하여야 한다. 본 논문에서는 종이 도면에서 전기소자를 검출하여 디지털 데이터로 변환하는 데 필요한 기술과 딥러닝 기술을 활용한 전기소자 인식 방법에 대해 논의한다. 구체적으로 우리는 종이 도면을 디지털 도면으로 전환하는 단계를 전기소자 검출, 회선 검출, 텍스트 검출의 세 개의 절차적인 단계로 나눈다. 또한 Faster R-CNN 신경망에 기반을 둔 전기소자 검출 방법을 제안한다. IEC 60617 표준의 대표적인 전기소자로 구성된 실제 도면과 테스트 도면을 사용하였으며 제안한 방법이 Fast R-CNN 기반 전기소자 검출 방법보다 정밀도와 재현율이 높음을 확인했다.

영어초록

As the fourth industrial revolution, based on artificial intelligence and data, is actively taking place in various industrial domains, digital transformation is also happening rapidly. Even before the advent of the digital economy, companies accumulated and utilized analog data. With the emergence of machine learning technologies using data, the value of data is increasing, so it is crucial to transform analog data into data that computers can understand to increase the utilization of existing analog data. In order to utilize paper-based diagrams in a computer, electrotechnical symbols, lines, and text on the paper-based diagrams must be detected. In this paper, we discuss the technology required to convert paper-based diagrams into digital data so that they can detect electrotechnical symbols and the electrotechnical symbol recognition method using deep learning technology. Specifically, we divide the step of converting paper-based diagrams to digital diagrams into three procedural steps: electrotechnical device detection, line detection, and text detection. In addition, we propose an electrotechnical device detection method based on the Faster R-CNN neural network. We use the actual and test diagrams synthesized with representative electrotechnical devices of the IEC 60617 standard. We confirm that the proposed method has higher precision and recall than the Fast R-CNN-based electrotechnical device detection.

참고자료

· 없음