인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Many companies agree on the need to introduce smart factories that promote low-cost, high-efficiency operation by applying IoT technologies to manufacturing plants. To assist in efficient manufacturing, this paper proposes a system for evaluating surface roughness through deep learning AI methods from the distribution of shade on the surface of an object. This is thought to greatly relieve the meticulous and tedious process of manual quality control for precision-machined surfaces and assist in the establishment of smart manufacturing industries. To demonstrate the usefulness of the developed technique, 305 samples of paper were categorized into three classes based on Ra threshold values, and images of paper were taken using a microscope camera. Luminance values, standard deviations, mean values, and image histograms were used to train custom-designed CNN+ LSTM composite neural networks. Completely new samples of non-training data were used for validation, which showed an accuracy of 85.185%. The proposed method can be economical, efficient, and fast compared to conventional surface roughness evaluation procedures. It can be easily integrated into an assembly line and automate quality assurance processes. This method could also prove useful in reducing labor costs and streamlining quality assurance processes due to its flexible adaptability.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
