1 |
1
준지도학습 기반 금속 외관 결함 분류 장치를 이용하는 금속 외관 결함 분류 방법에 있어서,학습 대상 이미지를 입력받는 단계;랜드어그먼트(RandAugment) 기법을 이용하여 상기 입력받은 이미지를 증강하는 단계;어그믹스(AugMix) 기법을 이용하여 상기 증강된 이미지에 레이블이 없는 원본 이미지를 합성하는 단계;상기 합성된 이미지의 일부를 컷아웃하는 단계;상기 합성된 이미지에 상기 일부를 컷아웃한 이미지를 반영하여 금속 외관 결함 분류 모델을 학습하는 단계; 및상기 학습된 금속 외관 결함 분류 모델에 측정 대상 이미지를 입력하여 상기 측정 대상 이미지의 외관 결함 여부를 분류하는 단계를 포함하는 준지도학습 기반 금속 외관 결함 분류 방법
|
2 |
2
제1항에 있어서,상기 금속 외관 결함 분류 모델은,상기 랜드어그먼트 기법과 상기 어그믹스 기법을 결합하여 이미지를 변형해도 원본 이미지의 특징을 유지하도록 준지도학습된 모델인 준지도학습 기반 금속 외관 결함 분류 방법
|
3 |
3
제1항에 있어서,상기 금속 외관 결함 분류 모델을 학습하는 단계는,상기 합성된 이미지에 상기 일부를 컷아웃한 이미지를 반영하여 강한 데이터 증강(strong data augmentation) 기법으로 상기 금속 외관 결함 분류 모델을 학습하는 준지도학습 기반 금속 외관 결함 분류 방법
|
4 |
4
제1항에 있어서,상기 금속 외관 결함 여부를 분류하는 단계는,상기 금속 외관 결함 분류 모델에 입력된 측정 대상 금속 외관 이미지의 예측 결과가 설정 임계치를 초과하는 경우, 상기 금속 외관 이미지에 결함이 있는 것으로 분류하는 준지도학습 기반 금속 외관 결함 분류 방법
|
5 |
5
학습 대상 이미지를 입력받는 이미지 입력부;랜드어그먼트(RandAugment) 기법을 이용하여 상기 입력받은 이미지를 증강하는 이미지 증강부;어그믹스(AugMix) 기법을 이용하여 상기 증강된 이미지에 레이블이 없는 원본 이미지를 합성하고, 상기 합성된 이미지의 일부를 컷아웃하고 상기 합성된 이미지에 상기 일부를 컷아웃한 이미지를 반영하여 금속 외관 결함 분류 모델을 학습하는 모델 학습부; 및상기 학습된 금속 외관 결함 분류 모델에 측정 대상 이미지를 입력하여 상기 측정 대상 이미지의 외관 결함 여부를 분류하는 결함 분류부를 포함하는 준지도학습 기반 금속 외관 결함 분류 장치
|
6 |
6
제5항에 있어서,상기 금속 외관 결함 분류 모델은,상기 랜드어그먼트 기법과 상기 어그믹스 기법을 결합하여 이미지를 변형해도 원본 이미지의 특징을 유지하도록 준지도학습된 모델인 준지도학습 기반 금속 외관 결함 분류 장치
|
7 |
7
제5항에 있어서,상기 모델 학습부는,상기 합성된 이미지에 상기 일부를 컷아웃한 이미지를 반영하여 강한 데이터 증강(strong data augmentation) 기법으로 상기 금속 외관 결함 분류 모델을 학습하는 준지도학습 기반 금속 외관 결함 분류 장치
|
8 |
8
제5항에 있어서,상기 결함 분류부는,상기 금속 외관 결함 분류 모델에 입력된 측정 대상 금속 외관 이미지의 예측 결과가 설정 임계치를 초과하는 경우, 상기 금속 외관 이미지에 결함이 있는 것으로 분류하는 준지도학습 기반 금속 외관 결함 분류 장치
|