딥러닝 기반 펄프 몰드 패키지 표면 이물질 불량 검출 기법
Deep Learning-Based Methods for Detecting Foreign Matter Defect on the Molded Pulp Packaging Surface
- 주제(키워드) Image detection , Laplacian of Gaussian , Faster RCNN , YOLOv4
- 발행기관 서강대학교 일반대학원
- 지도교수 박운상
- 발행년도 2021
- 학위수여년월 2021. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- UCI I804:11029-000000065822
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
최근 다양한 산업 분야에서 머신비전 기술을 적용한 공정의 자동화에 대한 연구가 활발히 이루어지고 있다. 이와 관련하여 펄프 몰드 산업에서는 표면단차가 큰 3차원의 고각 형상에서 발생할 수 있는 환경변수들로 인해 자동 불량 검출의 구현이 어려운 문제점이 존재하여 이에 대한 솔루션 확보가 필요한 상황이다. 본 논문에서는 펄프 몰드 패키지 표면 불량 검사공정의 자동화를 위한 머신비전 기술 개발에 적용하기 위해서 계란 트레이를 샘플로 하여 불량 검출 기법을 개발을 위한 연구를 진행하였다. 먼저, 효율적인 불량 검출을 위해 카메라와 조명 등을 고려한 최적의 영상 획득 조건에 대해 연구한 후, 펄프 몰드 패키지 표면에 나타나는 불량의 종류를 비교하여 각 종류별 특성을 분석한다. 본 논문에서는 그 중 이물질 불량 검출에 대해서만 다루기로 하며, 이물질 불량 검출 기술의 성능 평가를 위하여 직접 수집한 MPSD 데이터 세트를 사용하는데, 이는 이물질 불량이 있는 계란 트레이에 대한 영상을 상기 연구한 조건에서 획득하여 구성하였다. 이를 바탕으로 본 논문은 딥러닝 기반의 이물질 불량 검출기 개발을 목표로 하며, Faster RCNN과 YOLOv4를 각 객체 검출 모델로 사용하여 이물질 불량을 학습하는 두 가지 딥러닝 기반 방법을 제안하고, 그 성능을 비교하기 위한 규칙 기반 방법으로서 전통적 특징점 검출 기법인 가우시안-라플라시안 필터링 기반 방법을 개발하여 최종적으로 표면 품질 검사 자동화를 위한 기술 개발에 기여하고자 한다.
more초록/요약
In recent years, research on the process automation to which machine vision technology is applied has been actively conducted in various industrial fields. In this regard, in the molded pulp industry, there is a problem in that it is difficult to implement automatic defect detection due to environmental variables that can occur in a three-dimensional elevation shape with a large surface step, and thus a solution for this is required. In this paper, in order to apply to the development of machine vision technology for automation of the molded pulp package surface defect inspection process, a study was conducted to develop a defect detection technique using an egg tray as a sample. First, for efficient defect detection, an optimal image acquisition condition in consideration of cameras and lighting is studied, and then the characteristics of each type are analyzed by comparing the types of defects appearing on the molded pulp package surface. In this paper, we only deal with the detection of foreign matter defects, and to evaluate the performance of the foreign matter defect detection technique, the MPSD dataset collected directly is used, which is constructed by obtaining an image of an egg tray with foreign matter defects under the above-studied conditions. Based on this, this paper aims to develop a foreign material defect detector based on deep learning, and proposes two deep learning-based methods for learning foreign material defects using Faster RCNN and YOLOv4 as each object detection model, and as a rule-based method for comparing their performance, a traditional keypoint detection technique, Laplacian of Gaussian filtering-based method, is developed and finally contributes to the development of technology for automating surface quality inspection.
more