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
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.8
- 수록면
- 229 - 239 (11page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Convolution Neural Network(CNN) is a class of deep learning algorithms and can be used for image analysis. In particular, it has excellent performance in finding the pattern of images. Therefore, CNN is commonly applied for recognizing, learning and classifying images. In this study, the surface defect classification performance of Al 6061 extruded material using CNNbased algorithms were compared and evaluated. First, the data collection criteria were suggested and a total of 2,024 datasets were prepared. And they were randomly classified into 1,417 learning data and 607 evaluation data. After that, the size and quality of the training data set were improved using data augmentation techniques to increase the performance of deep learning. The CNN-based algorithms used in this study were VGGNet-16, VGGNet-19, ResNet-50 and DenseNet-121. The evaluation of the defect classification performance was made by comparing the accuracy, loss, and learning speed using verification data. The DenseNet-121 algorithm showed better performance than other algorithms with an accuracy of 99.13% and a loss value of 0.037. This was due to the structural characteristics of the DenseNet model, and the information loss was reduced by acquiring information from all previous layers for image identification in this algorithm. Based on the above results, the possibility of machine vision application of CNN-based model for the surface defect classification of Al extruded materials was also discussed.
목차
Abstract
1. 서론
2. Deep Learning Model
3. Experimental Method
4. 결과 및 고찰
5. 결론
REFERENCES
참고문헌 (36)
참고문헌 신청
S. Barella, A. Gruttadauria, R. Gerosa, G . Mainetti, T. Mainetti, 2021, Predictive Tools for in-Line Isothermal Extrusion of 6xxx Aluminum Alloys, Mater. Proc, Vol. 3, No. 1, pp.24-31. https://doi.org/10.3390/IEC2M-09239
W. Zhou, Z. Shao, J. Yu, J. Lin, 2021, Advances and Trends in Forming Curved Extrusion Profiles, Mater, Vol. 14, No.7, pp. 1603-1631. https://doi.org/10.3390/ma14071603
A. Chondronasios, I. Popov, I. Jordanov, 2016, Feature selection for surface defect classification of extruded aluminum profiles, JAMT, Vol. 83, No.1, pp. 33-41. https://doi.org/10.1007/s00170-015-7514-3
Z. Peng, T. Sheppard, 2014, Study of surface cracking during extrusion of aluminium alloy AA 2014, Mater. Sci. Technol, Vol. 20, No. 9, pp. 1179-1191. DOI: 10.1179/026708304225022016
J. Yang, S. Li, Z. Wang, H. Dong, J. Wang, S. Tang, 2020, Using Deep Learning to Detect Defects in Manufacturing: A Comprehensive Survey and Current Challenges, Mater, Vol. 13, No. 24, pp. 5755-5777. https://doi.org/10.3390/ma13245755
W. Zhou, Z. Shao, J. Yu, J. Lin, 2021, Advances and Trends in Forming Curved Extrusion Profiles, Mater, Vol. 14, No.7, pp. 1603-1631. https://doi.org/10.3390/ma14071603
A. Chondronasios, I. Popov, I. Jordanov, 2016, Feature selection for surface defect classification of extruded aluminum profiles, JAMT, Vol. 83, No.1, pp. 33-41. https://doi.org/10.1007/s00170-015-7514-3
Z. Peng, T. Sheppard, 2014, Study of surface cracking during extrusion of aluminium alloy AA 2014, Mater. Sci. Technol, Vol. 20, No. 9, pp. 1179-1191. DOI: 10.1179/026708304225022016
J. Yang, S. Li, Z. Wang, H. Dong, J. Wang, S. Tang, 2020, Using Deep Learning to Detect Defects in Manufacturing: A Comprehensive Survey and Current Challenges, Mater, Vol. 13, No. 24, pp. 5755-5777. https://doi.org/10.3390/ma13245755
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
CNN을 이용한 Al 6061 표면 결함 분류
한국소성가공학회 학술대회 논문집
2022 .05
-
표면 결함 검출을 위한 CNN 구조의 비교
전기학회논문지
2017 .07
-
표면 결함 분류를 위한 적정 규모의 딥러닝 모델
전기학회논문지
2020 .12
-
전이학습에 방법에 따른 컨벌루션 신경망의 영상 분류 성능 비교
멀티미디어학회논문지
2018 .12
-
표면 결함 검출을 위한 데이터 확장 및 성능분석
전기학회논문지
2018 .05
-
금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교
전기학회논문지
2018 .07
-
전이학습을 이용한 비전기반 결함 탐지 알고리즘 개발
한국CDE학회 논문집
2020 .09
-
협업 계층을 적용한 합성곱 신경망 기반의 이미지 라벨 예측 알고리즘
멀티미디어학회논문지
2020 .06
-
결함 검출을 위한 CNN 구조의 비교
대한전기학회 학술대회 논문집
2017 .07
-
CNN 기반의 한약재 이미지 비교학습 알고리즘
대한전자공학회 학술대회
2021 .06
-
초음파 영상에서 질병 추출을 위한Keras 기반의 CNN 모델
디지털콘텐츠학회논문지
2018 .10
-
CNN 기법을 이용한 공간정보 자동분류연구
대한공간정보학회 학술대회
2017 .05
-
다양한 이미지 향상 기법을 사용한 전립선 병리영상 딥러닝 이진 분류 연구
멀티미디어학회논문지
2020 .04
-
CNN을 활용한 실내화재 이미지 분석 알고리즘 개발
한국통신학회 학술대회논문집
2022 .11
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
전자부품의 표면 결함 검출을 위한 CNN 기법
한국지능시스템학회 논문지
2017 .06
-
CNN을 이용한 차량 수 카운팅 알고리즘
한국생산제조학회 학술발표대회 논문집
2019 .11
-
CNN 기반 전자소자의 표면 결함 검출
대한전기학회 학술대회 논문집
2018 .07
-
이미지화 알고리즘 및 딥러닝을 이용한 자동 변조 분류
한국전자파학회논문지
2021 .04
-
3D DenseNet을 활용한 공항 내 이상행동 인식
대한전자공학회 학술대회
2021 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Reference Image-Based Contrastive Attention Mechanism for Printed Circuit Board Defect Classification
박성호
,
이승훈
Journal of KIISE
2025
.01
오토인코더를 사용한 이상탐지 모델의 비교분석 및 이상치 판별 기준 제안
강건하
,
손정모
,
심건우
한국컴퓨터정보학회논문지
2021
.08
딥러닝 기술을 활용한 악성댓글 분류: Highway Network 기반 CNN 모델링 연구
이현상
,
이희준
,
오세환
한국경영학회 융합학술대회
2020
.08
Two-Stage CNN 모델을 이용한 선박 분류 기법
백운영
,
강상길
한국정보기술학회논문지
2023
.08
다양한 CNN모델을 사용한 컬러 콘택트렌즈 불량 검출
김기남
,
김성훈
,
주인
외 1명
한국콘텐츠학회논문지
2022
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-551-001618999