딥러닝 기반 에폭시 도포 불량 검출시스템의 데이터셋 구축 및 학습 (Dataset Construction and Learning for Deep Learning-based Epoxy Application Defect Detection System)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 34권 / 4호 / 284 ~ 289페이지
· 저자명 : 한재웅, 조재훈, 김용태

초록

본 논문은 딥러닝 기반으로 3축 직교 로봇과 동축 광원, GigE 카메라를 활용한 에폭시 도포불량 검출시스템을 제안하였다. 에폭시 도포는 전자 제품 조립 과정에서 중요한 단계로, 도포 불량 발생 시에 제품의 신뢰성에 큰 영향을 미친다. 본 연구는 적은 양의 데이터셋으로도높은 성능을 달성할 수 있는 자동화된 에폭시 도포 불량 검출시스템을 설계하는 것이다. 불량 검출을 위해 ImageNet 데이터셋으로 사전 학습된 EfficientNet-B0 모델을 전이학습하여사용하였으며, 데이터 증강 기법을 적용하였다. 또한, Grad-CAM 기법을 통해 학습 모델의판단 과정을 시각적으로 검증하였다. 실험에서 제안된 도포 불량 검출시스템은 실제 환경에서 높은 신뢰성을 가지며, 적은 데이터셋으로도 높은 정확도를 나타냈다. 본 연구는 소량의데이터셋으로도 효과적인 딥러닝 기반 불량 검출시스템의 가능성을 제시한다.

영어초록

"This paper presents the development of a deep learning-based automated system for detecting epoxy application defects using a 3-axis Cartesian robot, coaxial light source, and GigE camera. Epoxy application is a critical step in the assembly process of electronic products, and defects in this process can significantly affect product reliability. The objective of this research is to propose an automated defect detection system that can achieve high performance with a limited dataset. For detecting epoxy application defects, we utilized the EfficientNet-B0 model pre-trained on the ImageNet dataset and applied transfer learning, along with data augmentation techniques. Additionally, the Grad-CAM method is used to visually verify the model's decision-making process. Experimental results demonstrate that the proposed system exhibits high reliability in real defect detection environments and achieves high accuracy even with a small dataset. This study suggests the potential for effective deep learning-based defect detection systems with limited dataset"

참고자료

· 없음