메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김재혁 (파인브이티(FineVT)) 유선호 (파인브이티(FineVT)) 장숙현 (파인브이티(FineVT)) 김선영 (파인브이티(FineVT))
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제62권 제4호(통권 제569호)
발행연도
2025.4
수록면
84 - 95 (12page)
DOI
10.5573/ieie.2025.62.4.84

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
과일 품질을 판단하기 위한 비파괴검사는 농산물 유통의 디지털 전환, 상품의 가치 및 소비자의 안심 먹거리 요구에 필수적이다. 기존의 RGB 기반의 검사방식은 과일 외부 결함 검출의 정확도가 떨어지는 단점이 있다. 반면에 초분광 기반의 검사방식은 광학적 이미지 및 스펙트럼적 특성을 동시에 얻을 수 있어서, 과일의 상태변화를 상대적으로 더 정확히 포착할 수 있다. 기존의 초분광을 이용한 과일 외부 결함 검출은 PLSR(Partial Least Square Regression)에 기반하여 과일 전체를 평균화하여 분석하기 때문에 국소적인 결함을 놓칠 수 있는 단점이 존재한다. 본 논문은 이같은 단점개선을 목적으로 스펙트럴 특성과 이미지 특성을 동시에 활용하는 방법을 제안하였으며, SG필터와 스펙트럴 차분의 전처리 방법을 8가지 후보 ML방법들과 연계성능 분석을 통하여 XGboost 모델이 가장 높은 성능을 나타내었음을 확인하였다. 또한 픽셀기반 GT 마스크 라벨링으로 외부 결함을 판별하는 재귀적 학습방법을 적용하였다. 제안된 방법은 기존의 PLSR방법 대비 정확도가 27.74% 향상되었으며, 기존은 결함 유무만 판별되었으나 결함유무 및 결함정도를 판별할 수 있었으며, 98.98%의 높은 판별 정확도를 나타내었다. 초분광 과일 품질 테스트베드를 구축하여 학습데이터를 획득하였으며, 실시간 동작을 고려하여 목적은 달성하되 복잡도가 높지 않은 검사모델 개발을 목표로 하였다. 초분광 데이터셋 구축을 위해 사과, 배, 감귤, 토마토 각각 1,000장의 초분광 데이터를 라벨링하였다. 제안된 방법은 과일 품질 선별기 상용화를 위한 자동화 솔루션으로 적용이 가능하다.

목차

요약
Abstract
Ⅰ. 서론
II. 초분광 과일 데이터 획득 테스트 베드
III. 과일 외부결함 검사용 초분광 AI 모델 개발
IV. 과일 외부 결함 검사용 초분광 AI 모델 평가
V. 맺음말
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0