【 청년일보 】 최근 품질관리에 딥러닝을 활용하는 사례가 점점 늘고 있다. 용접 이미지를 촬영해 표면 이미지를 딥러닝 학습을 통해 학습하고 용접 비드의 품질검사를 수행하거나, 스마트폰으로 촬영한 영상을 이용하여 딥러닝을 통해 위조지폐 판별을 하는 모델에 대한 연구도 수행되기도 한다. 이외에도 딥러닝을 다양하게 활용하여 효율적인 품질관리를 체계화 시키고자 하는 연구가 많이 진행 중에 있다.

많은 연구 중 품질관리의 체계를 도와 활용되는 제품이 요구사항을 만족하는지를 확인하고, 이를 문서로 남기는데 활용되는 시험성적서에 대한 연구가 있다. 자동으로 시험성적서 양식에 측정데이터를 입력하여 학습데이터를 생성해 자동으로 합격과 불합격을 판단해주는 딥러닝 네크워크 모델을 구축하는 것이다.

기존 딥러닝을 통한 문자인식은 이미지를 컴퓨터 데이터로 변환하여 기존에 이미 알고 있는 정보와 비교하여 처리를 하는 경우가 대부분이었다. 하지만 위의 연구에서는 여러 산업에서 품질관리에 활용되는 시험성적서에 대해 자동으로 합격여부를 판단하는 딥러닝 네크워크 모델을 연구하였다.

품질관리에서 이러한 시험성적서의 확인은 중요한 절차이지만, 복잡한 체계의 경우 문서의 양이 많아 직접 확인하기 어려운 문제을 CNN 기법을 활용하여 해결한 것이다.

특히 품질관리에 딥러닝을 활용할 때, 학습에 필요한 딥러닝 네트워크는 이미지 분석에 가장 적합하다고 판단되는 CNN(Convolutional Neural Network)을 사용하는 것이 적합하다. CNN 알고리즘은 이미지의 미세한 특징들을 잡아내는 부분적인 신경망들의 가중치를 공유하는 방식으로 기존의 완전연결 신경망 방식보다 구조를 단순화할 수 있기 때문이다.

이와 같이 이미지를 단순 비교하여 처리하는 것이 아니라 단순 정보만을 입력하였을 때 학습을 통해 판정할 수 있는 딥러닝 모델 설계의 중요성과 필요성이 커질 것이라 예상된다.

컨볼루션 신경망(CNN)은 이미지의 선, 색, 테두리 등의 시각적 특징이나 특성을 감지하는 것을 주요 목적으로 한다.

CNN은 합성곱(convolution)을 이용하여 동작하며 특정 패턴을 가진 규칙 적인 곱 연산을 수행한다. 이를 통해 이미지를 이해하고 높은 수준으로 추상화된 정보를 추출할 수 있어 영상인식, 컴퓨터 비전 등의 다양한 분야에 활용되고 있다.

CNN기법의 이미지 학습을 통해 모델을 연구하여 활용되는 것처럼 딥러닝을 여러 방면에서 다양하게 사용하여 품질관리를 더욱 체계화시켜 생산성을 높이고 그 외에 많은 분야에서도 많이 활용되어야 한다. 연구된 다양한 딥러닝 네크워크 모델은 여러 사업에서 공정의 효울화에 큰 기여를 할 것이라고 판단된다.

【 청년서포터즈 5기 정예은 】