합성곱 신경망을 이용한 주철 미세조직 이미지 중간층 시각화

Abstract

합성곱 신경망(Convolutional neural network) 모델을 이용하여 회주철(GC250)과 구상흑연주철(GCD450)의 미세조직 이미지를 학습하고 분류하였다. 회주철과 구상흑연주철은 육안으로 보기에 그 특징이 확연하고 합성곱 신경망을 이용한 기계학습에서 쉽게 분류할 수 있다. 그러나, 일반적으로 합성곱 신경망을 포함한 대부분의 기계학습 모델은 이미지 분류에 대한 근거를 사용자에게 제공하지 않는다. 본 연구에서는 합성곱 신경망을 이용한 주철 미세조직 이미지의 기계학습에서 두 가지 종류의 이미지를 어떠한 방법으로 분류가 되는지 파악하고자, 신경망의 중간층에서 이미지를 시각화 하였다. 이를 통하여 컴퓨터가 주철의 미세조직을 어떠한 시각으로 바라보고, 어떤 사물에 반응을 보이고 판단하는지 알고자 연구의 초점을 맞추었다. 먼저 각 주철의 미세조직 이미지를 구축하여 훈련 데이터를 만들고 합성곱 신경망 모델을 이용하여 이를 학습하였다. 학습이 끝난 합성곱 신경망 모델에 훈련 데이터에 포함되지 않은 추가적인 미세조직 이미지를 통해 그 학습의 결과인 정확도를 평가하였다. 본 연구에서는 신경망 중간층 사이의 이미지와 이때 사용된 필터 등을 시각화하여, 합성곱 신경망에서 어떤 근거로 주철의 미세조직을 판별하는지 예상하고자 하였다. 신경망의 중간층에서의 이미지를 분석한 결과, 두 종류의 주철 미세조직 이미지 모두에서 펄라이트와 페라이트는 유사한 회색을 가지며 이미지 상으로 잘 구분되지 않기 때문에 특징으로 보지 않았다. 합성곱 신경망 중간층에서 본 회주철 미세조직의 구불구불한 흑연 조직은 상하좌우 강조되었다. 구상흑연주철 또한 중간층 이미지의 구상 형태 조직이 상하좌우, 대각선, 곡선형의 외곽선 등을 강조하여 시각화 되었다. | Using a Convolutional Neural Network (CNN), microstructure images of gray cast iron&nodular cast iron were learned and classified. Gray cast iron and nodular cast iron are clearly characterized by the naked eye and can be easily classified in machine learning using CNN. However, in general, most machine learning models including CNN do not provide a basis for image classification to users. In this study, images in the middle layer of a neural network are visualized to understand how the two types of images are classified in machine learning of cast iron microstructure images using CNN. With this, the focus was on determining from what point the computer sees the microstructure of cast iron and what objects it reacts to and judges. First, we constructed the microstructure image of each cast iron to generate training data and trained it using a CNN. Accuracy, which is the result of learning, was evaluated through additional microstructure images not included in the training data in the CNN model after training. In this study, we tried to predict the basis for the CNN to determine the microstructure of cast iron by visualizing the image between the neural network interlayer and the filter used at this time. Analysis of the interlayer image of the neural network showed that in both types of cast iron microstructure images, pearlite and ferrite showed similar grays and were not well distinguished in the image and were therefore not considered features. The meandering graphite structure of the gray cast iron microstructure seen from the intermediate layer of the CNN was highlighted. Nodular cast iron was also visualized by emphasizing the globular structure of the middle layer image, emphasizing the top, bottom, left and right, diagonal lines, and curved outlines.