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.
피인용 0
초록·키워드
본 논문에서는 실시간으로 계란의 결함을 감지하기 위해 두 가지 고급 물체 감지 모델인 RT-DETR과 YOLOv8의 성능을 비교 및 분석한다. 전 세계적으로 계란 수요가 증가함에 따라, 품질과 안전성을 보장하는 실시간 결함 감지 기술은 건강 위험과 식품 안전 문제를 예방하기 위해 필수적이다. 이에 따라, 두 객체 감지 모델을 이용하여 계란의 투광 이미지를 분석하고, 정상, 균열, 혈반, 탈색, 이물질, 기형 등 6가지 카테고리를 분류한다. 이를 위해, AI-Hub의 11,000개 계란 이미지 데이터 셋을 기반으로 훈련, 검증, 평가 비율을 9:1:1로 설정하여 실험을 진행한다. 다음으로, 두 객체 감지 모델의 성능은 감지 정확도와 추론 속도 측면에서 평가한다. RT-DETR 모델은 두 가지 버전(r18, r50)으로 학습되며, YOLOv8 모델은 세 가지 버전(nano, medium, large)으로 학습되어 상호 비교된다. 실험 결과, 정확도 측면에서는 RT-DETR-r50 모델이 IoU 임곗값 0.5에서 mAP이 0.852(mAP@0.5), 다양한 IoU 임곗값에서 0.851(mAP@0.5:0.95)을 도출하였다. 반면, 속도 측면에서는 YOLOv8n 모델이 이미지당 평균 0.0021초 의 추론 시간을 기록하여 더 나은 성능을 보였다. 본 연구는 정확성과 속도 간의 균형을 강조하며, 계란 생산 시설에서 효율적인 품질 관리 시스템을 구현하기 위한 유용한 통찰력을 제공한다.
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) : I410-151-25-02-092250782
