멀티피쳐 스펙트로그램 및 트랜스포머 모델을 이용한 회전기계 이상음향 진단 및 설명 시스템 연구
Multi-Feature Spectrogram Based Transformer Approach for Anomalous Sound Detection of Rotating Machinery with Explainable AI
- 주제어 (키워드) Multi-feature Spectrogram , Attention Roll-out , Audio Spectrogram Transformer , Conformer , Explainable AI
- 발행기관 서강대학교 AI.SW대학원
- 지도교수 구명완
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 AI.SW대학원 데이터사이언스 · 인공지능
- 실제 URI http://www.dcollection.net/handler/sogang/000000081814
- UCI I804:11029-000000081814
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
목차
제 1장 서론1
제 2장 관련 연구 4
제 1절 음향 진단 모델 (ASD) 과제 정의 및 Transformer 모델소개 4
제 2절 Self-Supervised 모델 소개6
제 3절 Multi-Feature Spectrogram 기법 9
제 4절 Explainable AI 적용 사례 11
제 3장 문제 정의 및 데이터셋(DCASE2024, AFC 실측 데이터셋 소개) 13
제 4장 Multi-feature 및 Transformer 기반 이상 진단 및 설명 시스템 14
제 1절 Multi-Feature Spectrogram 적용 기법과 최종 모델 구조 14
제 2절 Explainable AI 시스템 17
제 5장 실험 설정 및 성능 평가 (DCASE 2024 데이터) 21
제 1절 실험 환경 및 Hyperparameter 및 평가 지표 21
제 2절 DCASE 회전기계 Dataset기준 분류 모델 성능 평가 23
제 3절 Multi-feature Spectrogram 효과 분석 25
제 4절 시각화 Explainable AI 및 정량 지표 분석 (DCASE 데이터) 27
제 6 장 산업 현장 적용 사례 (Air Fan cooler 음향 분석) 32
제 1절 Air Fan Cooler (AFC) 구조 및 데이터 특성 32
제 2절 모델 성능 결과 33
제 3절 시각화 Explainable AI 및 정량지표 분석 (AFC 데이터) 34
제 7 장 결론 및 향후 연구 38
