Deep Learning for Ultrasonic NDT, Imaging Enhancement, and Composite Mechanics Characterization
연구 내용
초음파 기반 결함 탐지와 복합재 변형·특성화를 위해 물리적 측정 데이터를 딥러닝으로 분석·재구성·해석하는 연구
초음파 비파괴검사에서 S-scan과 TFM 간 성능 차이를 줄이기 위해 좌표 정보를 반영하는 딥러닝 기반 영상 향상 프레임을 구성합니다. 또한 초음파 결함의 내부 타깃을 생성하기 위해 diffusion-enabled conditional target generation을 적용해 결함 탐지 데이터의 일반화에 대응합니다. 복합재 영역에서는 DVC 기반 변형 및 섬유 방향장에 대한 현장 계측 분석을 수행하고, 디지털 이미지 기반 분석의 범주와 방법을 정리해 영상 처리·컴퓨터비전 관점을 확장합니다. 더불어 내부 부품 충격 위치·질량 추정처럼 좌표 불변 손실을 활용하는 계측 모델도 함께 수행합니다. 이와 연계해 다중 물리-AI 융합과 생성형 AI 기반 제조 공정 설계 지능화 프로젝트를 추진합니다.
관련 연구 성과
관련 논문
6편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 복합재의 미세 변형과 섬유 방향장을 계측하고, 초음파 측정에서 변형 특성과 응답을 딥러닝으로 예측하는 연구 축을 구성했습니다. 이후에는 초음파 영상 재구성으로 확장하여 S-scan을 TFM 품질로 변환하는 방식과, 좌표 정보를 활용하는 입력 설계를 반영했습니다. 결함 데이터가 제한적일 수 있다는 전제를 바탕으로 확률적 생성 모델 기반의 타깃 생성 연구로 확장했고, 최근에는 내부 결함 생성과 함께 다양한 계측 문제(충격 모니터링 등)로 모델링 범위를 넓히는 방향으로 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
In situ micromechanical analysis of discontinuous fiber-reinforced composite material based on DVC strain and fiber orientation fields
Deep learning-enabled accurate and interpretable stress–strain characterization from ultrasonic measurements
Digital-image-based analysis of fiber-reinforced composites: a review
DiffectNet: diffusion-enabled conditional target generation of internal defects in ultrasonic non-destructive testing
Intelligent metallic loose part monitoring in three-dimensional structures using convolutional neural networks and the position-invariant loss function
Deep learning framework for image enhancement of phased array ultrasonic imaging
관련 프로젝트
구분
제목
인공지능 기반 첨단 제조 공정 설계 지능화: 다중 물리-AI 융합 모델 구축 및 공학적 생성형 인공지능 기술 개발