이미지 분류와 객체 검출 기반의 컴퓨터 부품 조립 위치 확인 시스템

분류	개인 프로젝트
소속	IXLAB
개발 기간	2020.09. ~ 2020.12.
비고

📘 프로젝트 소개

---

개요

PC의 부품 비용과 조립 난이도를 고려하여 초보자에게 발생하는 사고를 방지하기 위한 인공지능 서비스입니다.

본 프로젝트의 주제는 인식된 컴퓨터 부품에 대해 메인보드 상 결합되어야 할 위치를 반환하는 것입니다.

데이터는 크롤링을 통해 수집하였으며, 부품 Classification은 Tensorflow의 튜토리얼을 바탕으로 98.9% 정확도를 확인하였고, 메인보드 조립 위치 검출은 YoloV5 모델을 바탕으로 96.8%의 mAP를 확인하였습니다.

프로젝트 요약도

개발 환경 & 아키텍처

• Backend: Python
• Image process: OpenCV
• Crawling: Selenium
• Classification: Tensorflow MobileNetV2
• Object detection: YoloV5

📜 개발 방법

---

데이터셋 구축

	검출(메인보드) 데이터셋	분류(부품) 데이터셋
개수	메인보드 600장	CPU 300장 그래픽카드 300장 RAM 300장
비고	CVAT를 통해 BBox Labeling 진행

• 데이터 마이닝
  • Selenium을 통해 Danawa 페이지의 키워드를 검색하여 크롤링
  • 검색된 키워드의 Thumbnail 이미지를 저장
• 데이터 증강
  • Rescale
  • Color Jitter

실험 결과

• Classification
  • Model: MobileNetV2
  • Acc: 98.9%
• Object detection
  • Model: YoloV5
  • 96.8% mAP@0.5
  • 96.8% mAP@0.5:0.95

시스템 구현

1. 메인보드 이미지 입력
   • 메인보드 상 조립 위치 Detection 수행
2. 부품 이미지 입력
   • 이미지 분류를 통한 부품 식별
3. 식별된 부품이 결합되어야 할 위치를 메인보드에 표시
   • 식별된 부품 이름이 메인보드 상 조립 위치의 이름과 같은 영역에 Annotating 진행

💡 개발 경험 및 후기

---

인공지능 첫 걸음

Classification과 Object detection을 결합한 AI 분야 첫 프로젝트이다. 다양한 기술을 많이 적용하고자 하였고, 그 결과, Crawling, Classification, Object detection의 기술을 삽입할 수 있었다.

본 프로젝트가 아직은 실용적이지 않다고 생각하며, Classification과 Detection을 결합하여 새로운 Task를 생성하는데에 데 큰 의의를 두었다.

앞으로도 이와 같이 다양한 도전을 호기심과 함께 발현하고 싶다.

🔗 관련 링크

---

• Github Repo
• [DBpia] 이미지 분류와 객체 검출 기반의 컴퓨터 부품 조립 위치 확인 시스템