표제지
Abstract
요약
목차
제1장 서론 14
제2장 관련 연구 16
2.1. 영상처리 검사 방법 관련 연구 16
2.2. Faster R-CNN 관련 연구 20
2.2.1. R-CNN 관련 연구 20
2.2.2. Fast R-CNN 관련 연구 23
2.2.3. Faster R-CNN 관련 연구 25
제3장 제안 시스템 27
3.1. 시스템 구성 27
3.2. 영상처리 검사 29
3.3. Faster R-CNN 검사 35
3.4. 실험 결과 50
제4장 결론 55
참고문헌 56
[표 3.1] 구축된 산업용 PC 사양 27
[표 3.2] 검사 성능 결과 비교 50
[그림 2.1] 자동차용 배터리의 종류 16
[그림 2.2] 리드탭(Lead Tab) 융착 16
[그림 2.3] Tab Welding 검사기 17
[그림 2.4] Tab Welding 검사기 촬상 원본 이미지 18
[그림 2.5] 영상처리 검사 확대 이미지 19
[그림 2.6] R-CNN 구조 20
[그림 2.7] R-CNN 구조 상세 21
[그림 2.8] Sliding Window 22
[그림 2.9] Selective Search 22
[그림 2.10] Fast R-CNN 구조 23
[그림 2.11] Fast R-CNN 구조 상세 24
[그림 2.12] ROI Pooling 24
[그림 2.13] Faster R-CNN 구조 25
[그림 2.14] RPN 구조 26
[그림 3.1] 시스템 구성도 28
[그림 3.2] Tab Welding 검사기 메인화면 29
[그림 3.3] Tab Welding 검사기 얼라인먼트 설정 30
[그림 3.4] Tab Welding 검사기 ROI 설정 31
[그림 3.5] Tab Welding 검사 결과 32
[그림 3.6] Tab Welding 검사 결과 확대 32
[그림 3.7] 얼라인먼트 전처리 실패 33
[그림 3.8] Tab Welding 검사 결과 이미지 파일 34
[그림 3.9] Tab Welding 검사 결과 데이터 파일 34
[그림 3.10] Tab Welding 검사 결과 데이터 파일 상세 35
[그림 3.11] 이미지 레이블링 36
[그림 3.12] 이미지 레이블링 완료 37
[그림 3.13] 이미지 레이블링 결과 폴더와 파일 내용 38
[그림 3.14] 학습 모델 링크 페이지 39
[그림 3.15] Faster R-CNN ResNet101 V1 1024x1024 모델 39
[그림 3.16] TFRecord 변환과 학습을 위한 파이썬 명령어 40
[그림 3.17] Labelmap.pbtxt 파일 내용 40
[그림 3.18] train.csv 파일과 train.record 파일 생성 41
[그림 3.19] 학습모델 파일 수정 내용 1 42
[그림 3.20] 학습모델 파일 수정 내용 2 43
[그림 3.21] 학습 진행 과정 44
[그림 3.22] 학습 완료 44
[그림 3.23] 검사 소스 1 45
[그림 3.24] 검사 소스 2 46
[그림 3.25] 검사 소스 3 47
[그림 3.26] 검사 소스 4 48
[그림 3.27] 검사 결과 이미지와 데이터 파일 49
[그림 3.28] 검사 결과 데이터 파일 내용 49
[그림 3.29] 1번 영상처리검사 미검출과 과검출 51
[그림 3.30] 19번(좌)과 47번(우) Faster R-CNN 검사 과검출 52
[그림 3.31] 7번 영상처리검사(좌)와 Faster R-CNN 검사(우) 결과 비교 53
[그림 3.32] 19번 영상처리검사(좌)와 Faster R-CNN 검사(우) 결과 비교 54
[수식 3.1] 미검출률 수식 50
[수식 3.2] 과검출률 수식 50