배터리 리드탭 압흔 오류 검출의 딥러닝 기법 적용Application of deep learning technique for battery lead tab welding error detection
- Other Titles
- Application of deep learning technique for battery lead tab welding error detection
- Authors
- 김윤호; 김병만
- Issue Date
- Apr-2022
- Publisher
- 한국산업정보학회
- Keywords
- 배터리 리드탭; 압흔 오류 검출; 인공지능; 딥러닝; Faster R-CNN; 객체 탐지; Battery lead tab; Welding error detection; Artificial intelligence; Deep learning; Faster R-CNN; Object detection
- Citation
- 한국산업정보학회논문지, v.27, no.2, pp.71 - 82
- Journal Title
- 한국산업정보학회논문지
- Volume
- 27
- Number
- 2
- Start Page
- 71
- End Page
- 82
- URI
- https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/21085
- ISSN
- 1229-3741
- Abstract
- 자동차용 배터리 제조공정 가운데 하나인 Tab Welding 공정에서 생산된 제품의 샘플링 인장검사를 대체하기 위해 현재 비전검사기를 개발하여 사용하고 있다. 그러나, 비전검사는 검사 위치 오차 문제와 이를 개선하기 위해 발생하는 비용 문제를 가지고 있다. 이러한 문제점들을 해결하기 위해 최근 딥러닝 기술을 적용하는 사례들이 발생하고 있다. 본 논문도 그런 사례 중 하나로 기존 제품 검사에 딥러닝 기술 중 하나인 Faster R-CNN을 적용하여 그 유용성을 파악하고자 하였다. 기존 비전검사기를 통해 획득한 이미지들을 학습 데이터로 사용하여 Faster R-CNN ResNet101 V1 1024x1024 모델을 사용하여 학습하였다. 검사 기준인 미검률 0%, 과검률 10%의 기준으로 기존 비전검사와 Faster R-CNN 검사결과를 비교 분석하였다. 미검출률은 기존 비전검사에서 34.5%, Faster R-CNN 검사에서 0%였다. 과검출률은 기존 비전검사에서 100%, Faster R-CNN에서 6.9%였다. 결론적으로 자동차용 배터리 리드탭 암흔 오류 검출에 딥러닝 기술이 매우 유용함을 확인할 수 있었다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - Department of Computer Software Engineering > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.