비파괴검사(Non-Destructive Testing, NDT)에서 결함 탐지 정확도를 향상시키기 위한 유용한 도구로서 심층 신경망이 기대된다. 본 논문에서는 시간에 따라 변하는 자속 밀도의 분포를 영상화한 고급 NDT(이하 자기 영상)에서 결함 탐지 정확도를 향상시키기 위한 심층 신경망 기반 기법을 연구하였다. 심층 신경망은 높은 성능을 달성하기 위해 대규모 데이터에 대한 학습이 필요하나, 자기 영상 기반 NDT의 여러 현장에서 유용한 학습 데이터를 대량으로 확보하기는 쉽지 않다. 따라서 본 연구에서는 흩어져 있는 결함 정보를 특정 영역으로 사상(mapping)함으로써 제한된 양의 학습 데이터만으로도 결함 탐지 정확도를 향상시키는 방법을 탐구하였다. 본 논문에서는 자기 영상 기반 NDT를 위해 변환된 영상을 이용하여 심층 신경망을 학습시켰는데, 변환된 영상은 자기 영상 신호의 교류(AC) 성분은 보존하고, 직류(DC) 오프셋 값은 단일 기준 값에 맞추도록 구성하였다. 여기서 결함 정보는 주로 AC 성분에 포함된다. 실험 결과, 변환된 영상을 사용해 학습한 심층 신경망은 변환이 적용되지 않은 영상으로 학습한 기존 심층 신경망에 비해 결함 탐지 정확도를 유의하게 향상시켰음이 입증되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.