국가연구개발성과

연구보고서
패키징 인쇄물의 불량 감정용 인공지능의 학습용 이미지 데이터 생성을 위한 Stable Diffusion 기반 생성형 인공지능 개발 (Development of a Generative Artificial Intelligence based on Stable Diffusion for Creating Training Image Data for Artificial Intelligence that Inspects Defects in Packaging Prints)

상세데이터 조회
등록번호 TRKO202500010438 발행년월 2024-11
발행기관명 한국생산기술연구원 발행국가/사용언어 대한민국 /국문
발주기관 한국생산기술연구원 과제관리(전문)기관 한국생산기술연구원
키워드 생성형 인공지능;패키징;인쇄;데이터 증강;이미지 판단;
Generative AI;Packaging;Printing;Data Augmentation;Image Inspect;
초록
□ 연구내용
○ 패키징 인쇄물 양/불 판정을 위한 비전 기반 데이터 수집 시스템 구축
○ 주어진 디자인 시안에서 촬영 될 것으로 예상되는 양품과 불량품의 촬영된 이미지들을 생성할 수 있는 알고리즘 개발
○ 디자인 시안으로부터 생성된 이미지들로 학습하여 양/불을 판단할 수 있는 양불 판정 Classifier 개발

□ 연구개발 성과
○ 정성적 성과
- 패키징 인쇄물의 정상 이미지 생성 (규칙 기반 알고리즘 활용)
- 패키징 인쇄물의 불량 이미지 생성 (규칙 기반 알고리즘 활용)
- Supervised Learning 기반 양불 판정 Classifier 개발
○ 정량적 성과
○ 기술스펙 달성 성과

□ 기술적우수성
○ 일반적으로 제조 공정 내 비전 기반 불량 판별 알고리즘은 충분한 수의 반복 생산을 통해 제품의 양/불에 대한 충분한 학습이미지가 존재하여 Classifier의 개발이 용이함
- 본 연구는 다품 종 소량 생산 체계의 패키징 인쇄에서 디자인 시안 당 500개 미만의 생산이 되는 상황에서, 처음에 생산된 5개에서 20개 정도의 정상 이미지를 기반으로 양/불 이미지를 인위적으로 생성하여, 생성된 이미지를 바탕으로 Classifier를 학습하는 few-shot 기반의 접근법을 제시함

□ 한계점 및 개선방안
○ 패키징 원본 디자인 파일의 경우 고객사의 재산으로 인쇄 기업 외의 다른 기관의 접근이 불가하여 학습의 활용이 불가함
- 당초 디자인 파일을 기준으로 양/불 이미지를 생성한 후 classifier를 one-shot으로 만들려고 목표했으나, 고객사와 협력사 간의 계약 사항에 따라 디자인 파일을 학습에 활용하는게 불가함으로, 초기 생산된 5개에서 20개 정도의 정상 이미지를 기반으로 양/불 이미지를 생성하여 classifier를 few-shot 기반으로 개발함

□ 성과활용 계획
○패키징 불량을 줄이려는 국내 중소 인쇄 업체에 패키징 솔루션의 판매

(출처 : 요약서 4p)

NTIS에서 제공하는 본 정보는 국가연구개발사업 수행을 통해 발생한 연구보고서를 과제관리(전문)기관을 통해 연구성과 전담기관(KISTI)에 등록된 정보를 제공하고 있으며, 연구보고서 정보 공개/비공개 여부, 연구보고서 원문 활용 여부 등은 해당 과제관리(전문)기관에 문의하시기 바랍니다.