본 과제는 AI(인공지능) 기술을 활용하여 재료 시편의 미세한 조직 이미지를 자동으로 분석하고, 이를 통해 입자의 크기(입도 계측)를 측정하며 재료의 물리적 특성(물성 예측)을 예측하는 시스템을 개발하는 연구임. 이는 기존에 사람이 육안으로 판단하던 과정을 자동화하여 정확성과 효율성을 높이는 것을 목표로 함. 연구 목표는 AI 기반의 입도 계측 자동화 시스템 구축 및 미세조직 이미지와 강종별 특성 분석 기반을 마련하는 데 있음. 이를 위해 미세조직 이미지 전처리 필터 기술, AutoEncoder를 활용한 노이즈 제거 기술, 간섭 흔적 전처리용 AI 솔루션 통합 개발, 입도 계측값 레이블링 툴 개발, 그리고 미세조직 이미지 회귀분석 인공 신경망 모델 개발을 추진함. 핵심 연구 내용은 강종 및 공정별 미세조직 이미지의 특성을 분석하여 비정형 데이터와 강종 특성 간의 상관관계를 파악하고 신경망 개발 방향을 설정하는 것임. 또한, 미세조직 이미지에 최적화된 edge detection 및 edge 강화 필터, Grain boundary를 유지하면서 노이즈를 효과적으로 제거하는 AutoEncoder 아키텍처를 개발함. 간섭 흔적 전처리용 AI 솔루션을 통합하고, 현업 오퍼레이터가 사용 가능한 입도 계측값 레이블링 툴을 개발하며, 비정형 데이터를 통한 입도 계측 인공 신경망 모델을 개발하는 것임. 기대 효과는 Packing 이후 발생하는 제조 품질 클레임을 최소화하고 비용을 절감하며, 담당자의 육안 입도 판단을 균일화하는 것임. 또한, 특수강 물성 분석에 대한 표준적인 AI 품질 시험 절차를 마련하고, 입도 계측 부정확으로 인한 고객 불만 및 매출 감소 우려를 해소하여 매출 효과를 증대시킴. 시편 전처리 시간 및 비용 절감, 입도 관련 이미지 데이터 확보를 통한 기술 고도화 기반 마련, 샘플링 작업 횟수 절감 및 공정 시간 단축, 물성 시험 전처리 과정 개선을 통한 상당한 비용 절감 효과가 예상됨.