초록
표면 결함 검출의 주류 접근 방식은 수작업으로 설계된 특징 기반 방법을 사용하는 것이다. 그러나 이미지 추출에 영향을 미치는 조건이 변화할 경우 이러한 방법은 한계에 부딪힌다. 따라서 본 논문에서는 최신의 복합 신경망(Convolutional Neural Networks, CNN)들이 표면 결함 검출 작업에서 얼마나 효과적인지 평가하고자 하였다. 또한 두 가지 새로운 방법을 제안한다. 첫 번째는 모든 네트워크의 예측을 통합하여 최종 예측을 도출하는 CNN-Fusion이며, 두 번째는 AutoML을 활용해 분류 성분을 수정함으로써 CNN의 성능을 향상시키는 새로운 접근 방식인 Auto-Classifier이다. 본 연구에서는 DAGM2007 데이터셋에서 다양한 데이터셋을 사용하여 제안한 방법의 표면 결함 검출 성능을 평가하기 위한 실험을 수행하였다. 그 결과, 전통적인 방법에 비해 복합 신경망을 사용할 경우 더 우수한 성능을 달성함을 확인하였으며, 특히 Auto-Classifier는 모든 데이터셋에서 100%의 정확도와 100%의 AUC를 기록하며 기존의 모든 방법보다 뛰어난 성능을 보였다.