YOLO 기반 금속 외관 결함영역 검출 = YOLO-Based Detection of Metal Surface Defects

국문 초록 (Abstract)

최근 다양한 분야에 딥러닝 기술이 도입되었고, 특히 영상 처리에 특화된 합성곱신경망(CNN: Convolutional Neural Network)이 많이 활용되고 있다. 금속 외관의 결함영역을 검출하는 많은 응용 분야(예를 들어, 스마트 제조 및 스마트팩토리 분야)에서도 합성곱신경망을 활용한 연구가 활발하게 이루어지고 있다. 본 논문에서는 합성곱신경망 기반 객체 검출(Object Detection) 알고리즘 중 하나인 YOLOv4(YOLO 알고리즘의 4번째 버전)를 활용하여 금속 외관의 결함영역을 검출하는 연구를 수행하고자 한다. 특히, 본 논문에서는YOLOv4 네트워크 구조에 여러 후처리 기법들과 전이 학습을 적용하여 향상된 검출 성능을달성하는 방안을 제안한다. 두 가지 종류의 학습데이터셋((i)공용 데이터셋과 (ii)실측 데이터셋)에 대한 실험을 통해 제안한 방법의 성능을 검증하고 분석한다. 또한 성능 검증을 통해공용 데이터셋과 실측 데이터셋에서의 후처리 기법 및 전이학습에 대한 최적의 조합을 도출하였다.

참고문헌 (Reference)

1 이민기 ; 서기성, "금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교" 대한전기학회 67 (67): 865-870, 2018

2 Redmon, J., "You only look once: Unified, real-time object detection" 779-788, 2016

3 Bochkovskiy, A., "Yolov4: Optimal speed and accuracy of object detection"

4 Redmon, J., "Yolov3: An incremental improvement"

5 Redmon, J., "YOLO9000: better, faster, stronger" 7263-7271, 2017

6 Everingham, M., "The pascal visual object classes challenge: A retrospective" 111 (111): 98-136, 2015

7 Zhao, J., "The cold rolling strip surface defect on-line inspection system based on machine vision" 1 : 402-405, 2010

8 Arikan, S., "Surface defect classification in real-time using convolutional neural networks"

9 Hatab, M., "Surface Defect Detection Using YOLO Network" 505-515, 2020

10 Hearst, M. A., "Support vector machines" 13 (13): 18-28, 1998

11 Loshchilov, I., "Sgdr: Stochastic gradient descent with warm restarts"

12 Girshick, R., "Rich feature hierarchies for accurate object detection and semantic segmentation" 580-587, 2014

13 Li, Y., "Research on a surface defect detection algorithm based on MobileNet-SSD" 8 (8): 1678-, 2018

14 Liu, Y., "Real-Time Classification of Steel Strip Surface Defects Based on Deep CNNs" 257-266, 2019

15 Hung Tzu-Yi, "Phase fourier reconstruction for anomaly detection on metal surface using salient irregularity" 290-302, 2017

16 Kechen Song, "NEU surface defect database"

17 Lin, T. Y., "Microsoft coco: Common objects in context" 740-755, 2014

18 Wu, W., "Machine vision inspection of electrical connectors based on improved Yolo v3" 8 : 166184-166196, 2020

19 Darken, C., "Learning rate schedules for faster stochastic gradient search" 2 : 3-12, 1992

20 Hosang, J., "Learning non-maximum suppression" 4507-4515, 2017

21 Wang, F., "Intelligent recognition of surface defects of parts by Resnet" 1883 (1883): 2021

22 Campbell, F. C, "Inspection of metals: un derstanding the basics" ASM International 2013

23 LeCun, Y., "Gradient-based learning applied to document recognition" 86 (86): 2278-2324, 1998

24 Ghiasi, G., "Dropblock: A regularization method for convolutional networks"

25 Zheng, Z., "Distance-IoU loss: Faster and better learning for bounding box regression" 34 (34): 2020

26 Jia, F., "Deep normalized convolutional neural network for imbalanced fault classification of machinery and its understanding via visualization" 110 : 349-367, 2018

27 Wu, X. Y., "Application of undecimated wavelet transform to surface defect detection of hot rolled steel plates" 4 : 528-532, 2008