Real-time quality classification using multi-view image deep learning system
연구 내용
다각도 이미지를 합성한 멀티뷰 입력을 구성하고, ConvNeXt V2 기반 모델을 ONNX 및 TensorRT로 최적화하여 실시간 품질 분류를 구현하는 연구
표면 검사에서 단일 상부 촬영은 형상 변화가 큰 대상에 대해 정보 손실을 유발할 수 있습니다. 본 연구는 멀티뷰 이미지 취득을 통해 서로 다른 각도의 시각 정보를 확보하고, 구조적 특징이 반영된 합성 멀티뷰 입력을 구성합니다. 네 대의 산업용 카메라로 상부·하부 관점을 동시에 수집한 뒤 하나의 합성 이미지를 만들고, ConvNeXt V2 모델로 품질 클래스를 분류합니다. 또한 ONNX로 변환하고 TensorRT로 최적화하여 실시간 배치가 가능한 추론 파이프라인을 구축하는 데 중점을 둡니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
연구는 농산물 품질 분류에서 기존 단일 뷰 기반 접근이 불완전한 표면 커버리지를 만들 수 있다는 문제 인식에서 출발합니다. 이후 무작위 회전 방식의 커버리지 변동성을 줄이기 위해, 특정 구조에서 일관된 관점 정보를 확보하는 멀티뷰 취득 구성을 설정합니다. 2025년에는 Calistar grader의 구조를 반영한 다각도 카메라 배치로 이미지를 수집하고, ConvNeXt V2 기반 분류 모델을 적용한 뒤 ONNX와 TensorRT 최적화를 통해 실시간 시스템으로 검증하는 흐름으로 전개됩니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Development of a Deep Learning System for Real-Time Quality Classification Using Multi-View Images