다양한 신경망 입력 학습 세트를 활용한 자동 대리석 판 분류 시스템 및 PLC 구현

초록

본 논문은 대리석 판의 표면 텍스처를 실시간으로 분류하기 위해, 텍스처 히스토그램, 이산 코사인 변환(DCT), 웨이브릿 변환을 입력 특성으로 사용하는 MLP 신경망을 설계하고, 이를 PLC에 탑재한 자동 분류 시스템을 제안한다. 세 가지 입력 방식의 분류 정확도와 처리 속도를 비교 실험한 결과, 모든 방식이 높은 정확도를 보였으며, 특히 DCT 기반 입력이 가장 빠른 응답 시간을 제공하였다.

상세 분석

이 연구는 대리석 생산 라인에서 비용 효율적이면서도 높은 정확도의 자동 검사 시스템을 구현하고자 하는 실용적 요구에 기반한다. 기존 상용 시스템은 고가의 전용 하드웨어와 전용 소프트웨어에 의존해, 중소 규모 공장에 적용하기 어려운 점이 있었다. 논문은 이러한 문제점을 해결하기 위해 세 가지 핵심 전략을 채택한다. 첫째, 입력 데이터 전처리 단계에서 원시 이미지의 텍스처 히스토그램을 직접 사용하거나, 히스토그램에 대해 DCT와 웨이브릿 변환을 적용해 차원 축소와 특징 강조를 동시에 달성한다. 히스토그램은 픽셀 강도 분포를 간단히 요약하므로 연산량이 적고, DCT는 주파수 영역에서 에너지 집중 특성을 이용해 중요한 저주파 성분을 추출한다. 웨이브릿 변환은 다중 해상도 분석을 제공해, 텍스처의 국부적 변동성을 효과적으로 포착한다. 둘째, 다층 퍼셉트론(MLP) 신경망을 분류기로 채택했으며, 입력 차원에 따라 은닉층 노드 수와 학습률을 최적화하였다. 학습은 오프라인에서 수행하고, 훈련된 가중치와 바이어스를 PLC에 직접 다운로드함으로써 실시간 추론이 가능하도록 설계했다. 셋째, 산업용 프로그래머블 로직 컨트롤러(PLC)를 실행 환경으로 선택함으로써, 기존 자동화 설비와의 통합을 최소한의 추가 비용으로 구현했다. PLC 내부에서 신경망 연산을 수행하기 위해 고정소수점 연산과 루프 최적화를 적용했으며, 이는 실시간 제어 주기(≤ 20 ms) 내에 분류 결과를 반환한다는 것을 실험적으로 검증하였다. 실험에서는 6가지 대리석 표면 유형을 대상으로 1,200장의 이미지(각 유형 200장)를 수집했으며, 10‑fold 교차 검증을 통해 정확도와 혼동 행렬을 분석했다. 결과적으로 히스토그램 기반 입력은 평균 96.8 %의 정확도를 보였고, DCT 기반 입력은 98.3 %로 가장 높은 정확도를 기록했으며, 웨이브릿 기반 입력은 97.5 %를 달성했다. 처리 속도 측면에서는 DCT 입력이 가장 짧은 연산 시간을 나타냈으며, PLC 내에서의 메모리 사용량도 가장 효율적이었다. 이러한 결과는 입력 특성 선택이 신경망 성능뿐 아니라 시스템 구현 비용과 실시간 성능에 직접적인 영향을 미친다는 중요한 인사이트를 제공한다. 또한, PLC 기반 구현이 고성능 산업용 PC 없이도 충분히 복잡한 신경망 추론을 수행할 수 있음을 입증함으로써, 중소 규모 제조 현장에서 AI 기반 비전 시스템 도입 장벽을 크게 낮출 수 있음을 시사한다.