금속 3D 프린터 제품의 초음파 전파 특성 분석 및 Deep Learning 알고리즘의 초음파 결함 분류 능력 비교분석 (Analysis of Ultrasonic Wave Propagation Characteristics of 3D Printer Products and Comparative Analysis of Ultrasonic Defect Classification Capabilities of Deep Learning Algorithms)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 44권 / 1호 / 30 ~ 42페이지
· 저자명 : 송현수, 박준필, 최영일, 이수민, 이재선

초록

초음파 비파괴 검사 기법중 체적파는 두께를 측정하기에 효과적인 기법으로 산업계에서 널리 사용되고 있다. 이를 활용하여 A-scan(amplitude scan) 검사 기법과 심층 학습(deep learning) 알고리즘을 접목시켜, 금속 3D(dimension) 프린터 제품의 개선된 결함 검출 연구를 진행하였다. 제품의 초음파 전파 특성 및 내부 결함 검출 가능성을 확인하기 위하여 5 mm 단위의 계단(step wedge) 형상의 시편을 제작하였으며, 결함은 각 계단 형상의 중심부에 위치하도록 하였다. 결함 유무에 따른 초음파 신호 이미지 분석을 위해 대표적 합성곱 신경망(convolution neural network, CNN)인 AlexNet과 GoolgleNet 배치구조를 이용하여 전이 학습(transfer learning) 진행 및 분류 학습(classification)을 진행하였다. 알고리즘의 검출 정확도 향상을 위해, 시계열 데이터 분류에 강점을 지닌 장단기 기억 신경망(long short-term memory, LSTM) 기법을 적용한 분류 알고리즘을 구성하였다. 본 연구를 통해 LSTM 기반 결함 검출 분류 및 검출 가능성을 규명하였으며, 추가적으로 CNN을 활용 결함별 초음파 데이터 분류 가능성을 확인하여 검출 알고리즘의 적합성을 검토하였다.

영어초록

Among ultrasonic non-destructive testing techniques, volume waves are widely used in the industry as an effective technique for measuring thickness. Using this, we conducted research on improved defect detection of metal 3D printer products by combining A-scan inspection techniques and deep learning algorithms. To check the ultrasonic propagation characteristics of the product and the possibility of detecting internal defects, a specimen in the shape of a 5 mm step wedge was manufactured, and the defect was located at the center of each step shape. To analyze ultrasound signal images according to the presence of defects, transfer learning and classification were performed using AlexNet and GoolgleNet deployment structures, which are representative convolution neural networks. To improve the algorithm detection accuracy, a classification algorithm was developed that applied the long short-term memory (LSTM) technique that has strengths in time series data classification. This study identified the LSTM-based defect detection classification and detection possibility, and it examined the suitability of the detection algorithm by additionally confirming the possibility of classifying ultrasound data by defects using CNNs.

참고자료

· 없음