금속 3D프린터 스파크 이미지 데이터
주요 키워드
AI 학습데이터, 3D 프린트, B-Box, 라벨링
주제
이미지 데이터
데이터 종류
이미지
소개
AI 허브에서 제공 중인 비전 분야 음식이미지 및 영양정보 데이터셋
구축 목적
금속 레이저 용융방식 3D 프린팅 공정으로 제작된 제품의 품질 수준의 예측 및 보정을 위하여 소재, 장비, 공정의 파라미터를 기계적 물성과 매칭하는 데이터 조합을 구축
데이터 영역
데이터 형식
라벨링 유형
데이터 활용 서비스
제조
bmp, txt, json, avi
바운딩박스(이미지)
최적 공정조건 추천 서비스, 이상 탐지/예측 알림 서비스
데이터 유형
데이터 출처
라벨링 형식
데이터 구축년도
데이터 구축량
텍스트, 이미지, 비디오
자체
json
2022년
56,639,642건(원천데이터)
51,268,832건(라벨링데이터)
데이터 영역
데이터 형식
라벨링 유형
데이터 활용 서비스
제조
bmp, txt, json, avi
바운딩박스(이미지)
최적 공정조건 추천 서비스, 이상 탐지/예측 알림 서비스
데이터 유형
데이터 출처
라벨링 형식
데이터 구축년도/데이터 구축량
텍스트 , 이미지 , 비디오
자체
json
2022년/56,639,642건(원천데이터), 51,268,832건(라벨링데이터)
B-Box 제품 불량 확인, Min,Max,Avg 등 수치 입력
1.서경 산업 : 3D 프린트 이미지 촬영 인하우스 소싱
2.서경 산업 : 외형 품질 이미지 수축 비교 220,000 장에 대한 바운딩 박스 및 검수
3.Cy오토텍 : 4400만장 불꽃 사진 분류
모델 학습
• 금속 3D프린팅 스파크 데이터는 동영상 데이터만큼이나 일반적인 숫자 형태로 입력되는 공정 변수가 중요
• 이종 데이터를 다루는데 적합한 Mult-modal Deep Learning 기법들 중 VSCNN의 형태로 구현
• 추출되는 특징 tensor 크기의 균형을 맞춰주는 것이 성능에 영향
출처: aihub.or.kr /<그림1> VSCNN(Visual Social CNN) 구성도
• 스파크 동영상 데이터의 경우 OpenCV 패키지를 사용해 Frame 단위 이미지들로 읽은 후 이를 일정 길이의 Tensor로 변환해 Encoder Network에 입력
• 공정 조건 데이터의 경우 재료나 장비와 같은 변수는 1-hot encoding, 레이저 출력과 스캔 스피드 사이의 비율을 추가 정규화 후 Encoder Network에 입력
• 스파크 이미지 Encoder Network는 ResNet 구성요소인 Residual Block 4개층으로 구성
• 공정 조건 데이터 Encoder Network와 특징들을 취합하는 Fusion Network는 Fully-Connected Network를 사용
출처: aihub.or.kr /<그림2> 학습 모델 구조도
• Pytorch 구현, Adam optimizer를 사용해 learning_rate = 5e-5 가 점차 감소하는 스케쥴링을 적용해 학습. 전체 데이터를 8:1:1로 분리하여 훈련 진행
• 테스트 데이터셋으로 평가한 결과 목표치를 상회하는 성능을 기록
출처: aihub.or.kr /<그림3> 기계적 특성치별 실제값 대 예측치 산포도