earticle

영어

X-rays are extensively employed for non-destructive inspection, applied to packaged food, human anatomy, and industrial products. Recently, this technology has extended to inspecting batteries in electric vehicles. Given the challenge of manual inspection for a substantial volume of batteries, deep learning is leveraged to detect battery defects. However, the effectiveness of deep learning heavily depends upon data size, and acquiring authentic defective images is a difficult and time-consuming task. In this study, we use data augmentation and investigate the impact of data size on battery inspection performance. The results provide valuable insights for enhancing the capabilities of the inspection process.

한국어

X-ray는 주로 식품 검사, 의료 진단, 산업제품의 비파괴 검사에 사용되어 왔다. 최근에는 전기자동차의 핵심 부품인 배터리 검사에도 X-ray가 많이 활용되고 있다. 빠르게 증가하는 배터리 검사 수요를 고려할 때 수동 검사보다는 딥러닝 기반의 자동 배터리 검사의 도입이 필요하다. 딥러닝 성능은 기본적으로 학습 데이터 크기에 의존하는데 X-ray 응용 분야에서는 다량의 불량 데이터 확보가 쉽지 않다. 본 논문에서는 한정된 불량 데이터로부터 데이터 증강을 통해 학습, 검증, 테스트 데이터를 확보하고 학습 데이터 크기에 따른 X-ray 배터리 검사의 성능 변화를 확인하였다. 본 논문 결과를 통해 검사 성능 개선 프로세스에 대한 이해를 높일 수 있다.