표제지
목차
Abstract 11
1. 서론 12
2. 관련 연구 14
2.1. CNN(Convolutional Neural Network) 14
2.2. 전이 학습(Transfer learning) 16
2.2.1. 가중치 동결 17
2.2.2. 가중치 재학습 18
2.3. Dropout 19
2.4. Overfitting 21
2.5. Optimizer 22
3. 자두 분류를 위한 환경구성 및 설계 23
3.1. 데이터 수집 23
3.2. 실험 장비 구성 27
3.2.1. Raspberry Pi High Quality Camera(Pi HQ Camera) 27
3.2.2. 16mm C-mount Lens 29
3.2.3. 포토박스 구성 & Raspberry Pi 4 30
3.3. 데이터 전처리 31
3.4. 실험 구성 37
4. 실험 결과 39
5. 결론 및 추후 연구 48
참고문헌 50
〈표 1〉 Raspberry Pi Camera V2 정보 27
〈표 2〉 Raspberry HQ Camera 정보 28
〈표 3〉 16mm 망원 렌즈 상세 정보 29
〈표 4〉 포토박스 구성 30
〈표 5〉 품질 상태 이미지 데이터 수량 36
〈표 6〉 실험 구성표 38
〈표 7〉 T1 실험 결과 39
〈표 8〉 T2 실험 결과 40
〈표 9〉 T3 실험 결과 41
〈표 10〉 T4 실험 결과 42
〈표 11〉 T5 실험 결과 43
〈표 12〉 T6 실험 결과 44
〈표 13〉 실험 모형 모음 45
[그림 1] 기본 CNN 모델의 구조 14
[그림 2] 기존 기계 학습과 전이학습 차이 16
[그림 3] 가중치 동결 17
[그림 4] 가중치 재학습 18
[그림 5] 기본 신경망과 Dropout 사용 신경망 20
[그림 6] 과적합 그래프 21
[그림 7] Optimizer 변화 과정 22
[그림 8] 과일 상품 가치 분류 모델 구성도 24
[그림 9] 1차 자두 이미지 데이터 24
[그림 10] 2차 이미지 데이터 25
[그림 11] 3차 이미지 데이터 25
[그림 12] 실제 포토박스 구성 모습 30
[그림 13] YoloLabel Program 32
[그림 14] A-GaussianBlur 적용, B-Grayscale, C-Thresholding 처리 D-Bounding Box 생성 33
[그림 15] Image Slicing 34
[그림 16] 2차 데이터 슬라이싱 35
[그림 17] 3차 데이터 슬라이싱 35
[그림 18] 품질 상태별 자두 이미지 36
[그림 19] 실험 구성 37
[그림 20] T4 ResNet50V2 분류 결과 46