SteelDefectDetection

2022 후기 졸업과제 - 졸업시켜조

연구 개요

연구 배경

• 고품질 철판에 대한 수요 상승
• 철판 제조 과정에서 결함은 필연적이나, 일부 결함 발생시 철판 품질에 치명적인 영향
• 결함 검사는 주로 수동으로 이루어져 비용이 크기 때문에 자동으로 식별하는 방법을 필요로함

연구 목표

• 철판 이미지를 전처리해 CNN 모델을 바탕으로 철판 결함 검출
• 결과를 시각화 하고자 함

연구 상세

• 사용한 데이터셋 및 이미지 전처리 방법

  • 데이터셋 : Kaggle - Severstal: Steel Defect Detection
    • 1600 x 256 사이즈의 이미지로 구성
    • 4가지 종류의 결함
    • 하나의 이미지에 여러개, 여러 종류의 결함으로 구성
  • 이미지 전처리
    • Resailing, Flip, Cutout 등의 Augmentation 기법을 이용
    • Augmentation을 이용해 각 클래스의 데이터의 balance를 맞춰 줌

• 활용 모델 및 Class 별 Confusion Matrix

  • Base 모델 : Xception

    • 선행 연구에서 Xception과 ResNet50을 활용한 연구가 우수한 성능 지표를 나타냄
    • 이중 Xception이 레이어 수정이 쉽고 간편해 선정

  • Confusion Matrix

    • 성능 지표는 f1-score
    • 기존 데이터셋의 4가지 결함과(Class 1 ~ 4) 결함 없음(Class 0)으로 총 5개의 클래스로 학습 진행
    • Xception을 Base Model로 튜닝해 학습한 모델에 적용한 f1-score는 좌측의 그림과 같음

결과 프로그램

• Pyqt5를 이용해 프로그램 설계
• 파일 불러오기를 통해 이미지를 전체적으로 불러옴
• 실행하기 버튼을 이용해 이미지의 결함 부분을 검출한 뒤 Bounding Box 형태로 나타냄
• 각 결함의 확대된 이미지를 새창에서 출력