Development of a Deep Learning-Based Algorithm for Defect Size Determination in Nuts

자동차 분야에 사용되는 체결용 너트는 표면 결함으로 인해 부품 간의 결합 또는 밀착력을 저하시켜 주요 기능을 손상시킬 수 있다. 이때 너트 표면 결함의 크기에 따라 제품 기능에 미치는 영향도가 다르다. 이에 결함이 형성된 원인을 분석하고 보완하기 위해서는 불량을 크기에 따라 분류할 필요가 있다. 그러나 기존 연구들은 양품과 불량만을 구분하여 크기에 따른 불량을 크기별로 분류할 수 없는 문제가 있다. 이에 본 연구에서는 불량을 크기별 판별하기 위한 이미지 전처리 방법과 딥러닝 알고리즘을 제안한다. 너트의 불량 크기를 2단계로 구분하였으며, 불량을 명확히 검출하기 위해 이미지 전처리 시 모폴로지 연산을 적용하였다. 또한 클래스별 데이터 개수의 비율을 고려하여 딥러닝 모델 학습 시 가중치를 부여하였다. 이를 통해 학습된 모델의 불량 판별 정확도를 비교하였을 때, 모폴로지 연산을 통해 91.3%의 정확도를 확보했다. 또한 데이터 셋에 따른 가중치를 부여하여 학습한 결과 기존 대비 정확도를 1.4% 향상시켰다. 이러한 방법을 통해 개선된 알고리즘은 너트뿐만 아니라 다양한 제품의 불량 크기를 구분하는 데에도 적용할 수 있을 것으로 기대된다.