인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
초록·키워드
In this study, a deep-learning-based defect classification system was developed for the surface inspection of automotive parts. A compact conveyor-based setup was constructed to simulate the actual production conditions and ensure consistent image acquisition. To minimize background noise from the patterned belt, HSV (hue, saturation, value) color space segmentation and morphological filtering were applied. A lightweight VGG16-based convolutional neural network (CNN) was trained using transfer learning and partial fine-tuning. Despite using a small and balanced dataset, the model achieved over 95% validation and 95-100% prediction accuracy on unobserved test images. Therefore, CNNs can effectively classify known and previously undefined defects and thereby overcome the limitations of rule-based machine vision systems. Future studies will explore the integration of lighting control and the application of advanced models for real-time defect localization and classification.
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
UCI(KEPA) : I410-151-26-02-094698918
