외관 검사 코드 따라하기

일반적인 외관 검사 워크플로를 수행하고 영상 내용에 기반하여 결함을 식별할 수 있습니다.

준비 절차:

  1. 코드를 다운로드합니다
  2. MATLAB에서 엽니다

액세스할 수 없나요? 지금 무료 평가판을 받아 보세요.

예상 소요 시간:
15~30분
선행 과정:
기초 MATLAB 사용 역량

보충교육이 필요한가요? 대화형 방식의 무료 튜토리얼을 수강해 보세요.

1단계

데이터 불러오기 및 전처리

데이터를 가져오고 딥러닝을 수행할 준비가 되었는지 확인합니다.

 

학습 내용: 데이터 불러오기 및 전처리하기

  • 영상 데이터저장소를 사용하여 데이터를 불러옵니다.
  • imageDatastore 함수는 자동으로 영상에 폴더 이름에 기반한 레이블을 지정합니다.
  • 크기와 회전이 다른 영상을 추가하여 데이터셋을 증대할 수 있습니다.
  • 영상 기반 앱은 영상의 자르기, 레이블 지정 및 정합 같은 일반적인 전처리 작업을 크게 가속화할 수 있습니다.

2단계

모델 가져오기

딥러닝 모델의 다양한 옵션을 알아봅니다. 

 

학습 내용: 딥러닝 모델을 가져오고 전이 학습을 위해 수정하기

  • 사전 훈련된 다양한 모델을 전이 학습의 시작점으로 사용합니다.
  • 심층 신경망 디자이너 앱을 사용하여 모델을 새 작업에 맞게 대화형 방식으로 변경합니다.
  • TensorFlow™-Keras, TensorFlow 2, Caffe 및 ONNX™(Open Neural Network Exchange) 모델 형식으로부터 모델과 아키텍처를 가져옵니다.

3단계

모델 훈련

데이터와 수정된 신경망을 사용하여 새 영상 분류기를 훈련시킵니다.

 

학습 내용: 학습을 위해 모델 수정하기

  • 각각 다른 훈련 결과를 만들어내는 다양한 훈련 옵션 중에서 선택합니다.
  • 모델 훈련 시간은 하드웨어와 데이터셋의 크기에 따라 길어질 수 있습니다.
  • 모델을 처음부터 만드는 방법을 배울 필요 없이 딥러닝을 수행합니다.

4단계

모델 테스트 및 결과 시각화

모델을 불러오고 테스트 데이터를 사용하여 모델의 정확도를 확인합니다.

 

학습 내용: 새 데이터에 대해 모델 테스트하기

  • (1단계에서 별도 배정한) 테스트 데이터를 분류하고 분류 정확도를 계산합니다.
  • 테스트 데이터를 그에 대응하는 레이블과 함께 시각화하여 새 데이터에 대한 모델의 정확도를 확인합니다.
  • GradCAM과 같은 설명 가능한 AI 기법을 사용하여 모델이 영상의 어느 위치에서 결함을 검출했는지 시각화합니다.