[WIDA]2학년_2차 보고서

주제 :  김(Seaweed) 이미지 기반 이물질 검출 및 품질 분류

 

[ 도메인 ]

김(Seaweed)은 최근 중요한 수출 품목으로 대두되고 있으나, 품질 관리가 수출 경쟁력 유지에 핵심적인 요소이다. 그러나 기존의 김 품질 검사는 육안 검사에 의존하고 있어, 시간과 비용이 많이 소요되고 정확도가 낮다. 따라서 인공지능을 활용한 자동화된 결함 검출 및 품질 분류 시스템의 필요성이 대두되었다.

 

[ 전체적인 프로젝트 계획 ]

김의 이미지를 학습시켜 김이 결함이 있는지 없는지 이진분류를 진행

⇒ 결함이 있는 이미지들은 어디에 어떤 종류에 결함이 있는지 결함 위치와 결함 종류를 찾아내는 모델 고안

 

[ 현재까지 진행 상황 ]

- 김의 이미지 데이터를 시각화하여 확인

결함 있는 부분을 바운딩 박스로 나타내어 시각화한 이미지

 

김의 결함 부분만 확대하여 잘라 시각화

 

 

- 활용할 모델들의 관해 논문과 관련 깃헙을 찾아보면서 코드 및 전체적인 모델에 대한 공부를 진행

 

1. ResNet

딥러닝 모델은 레이어가 깊어질수록 성능은 좋아지지만, 학습 시간이 길어지고 기울기 소실 문제, 과적합 등의 문제 발생 이를 해결하기 위해 ResNet(Residual Network)이 개발
즉, ResNet은 잔차학습을 이용하여 깊은 신경망에서도 가중치가 사라지지 않고, 학습이 이루어질 수 있는 방법론을 제시

2.  VGGNet

하나 또는 복수의 합성곱 계층과 풀링 계층이 반복되는 네트워크 구조로, 합성곱에 쓰이는 필터(filter)를 3 X 3 크기로 제한해, 모델의 깊이를 깊게 구현한 모델

더 많은 layer을 통과하므로 모델의 더 복잡한 특징도 추출할 수 있게 됨

일반적으로 VGG16(16개의 층)과 VGG19(19개의 층) 버전이 가장 많이 사용