현재 위치
Home
X-ray 영상 인공지능 판독을 통한 검역 자동화 가능성 연구
A Study on the Possibility of Automating Quarantine through Artificial Intelligence Interpretation of X-ray Images
-
- 발행기관
- 국제차세대융합기술학회 바로가기
-
- 간행물
- 차세대융합기술학회논문지 KCI 등재 바로가기
-
- 통권
- 제9권 12호 (2025.12)바로가기
-
- 페이지
- pp.3354-3367
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A477027
※ 기관로그인 시 무료 이용이 가능합니다.
4,600원
원문정보
초록
- 영어
- This study aims to empirically analyze the detection performance of prohibited plant items using X-ray images collected at actual quarantine sites and propose a method for improving the accuracy of deep learning-based X-ray image recognition technology. To this end, we constructed a dedicated plant dataset that reflects the complex characteristics of actual international mail and airport logistics center environments. We then trained three representative object detection models—Mask R-CNN, YOLOv8, and YOLACT—on the data and compared and evaluated their performance. The evaluation metrics used were precision, recall, F1-score, mAP, and FPS. Experimental results showed that the YOLOv8 model had the highest detection accuracy but relatively low recall, while YOLACT performed best in all metrics, including precision, recall, and speed. This study empirically demonstrated the applicability of an AI-based X-ray reading system to quarantine sites.
- 한국어
- 본 연구는 실제 검역 현장에서 수집된 X-ray 영상을 활용하여 식물류 반입금지 물품의 탐지 성능을 실 증적으로 분석하고, 딥러닝 기반 X-ray 영상 인식 기술의 정확도 향상 방안을 제시하는 것을 목적으로 한다. 이 를 위해 실제 국제우편 및 공항 물류센터 환경의 복합적 특성을 반영한 식물류 전용 데이터셋을 구축하였으며, Mask R-CNN, YOLOv8, YOLACT 세 가지 대표 객체탐지 모델을 대상으로 데이터를 각각 학습하여 성능을 비 교·평가하였다. 평가 지표는 Precision, Recall, F1-score, mAP, FPS를 적용하였다. 실험 결과 YOLOv8 모델은 탐지 정밀도 측면에서 가장 우수하였으나 상대적으로 낮은 재현율을 보였고, YOLACT는 정밀도, 재현율, 속도 등 모든 지표에서 가장 높은 성능을 보였다. 본 연구는 AI 기반 X-ray 판독 시스템의 검역 현장 적용 가능성을 실 증적으로 입증하였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 이론적 배경 및 선행 연구
2.1 객체탐지 기술의 발전
2.2 딥러닝 기반 X-ray 영상 인식 연구 동향
2.3 X-ray 영상 데이터 클래스 분류
2.4 연구의 차별성
Ⅲ. 데이터 처리 및 방법
3.1 데이터 수집
3.2 데이터 라벨링
3.3 딥러닝 기반 X-ray 영상 판독
3.4 데이터 전처리
3.5 모델 학습 방법
3.6 실험 환경
Ⅳ. 결과 및 고찰
4.1 실험 결과 요약
Ⅴ. 결론
REFERENCES
키워드
딥러닝 X-ray 판독 객체 탐지 반입금지 물품 탐지 모델 식물류 데이터셋 Deep learning X-ray reading Object Detection Prohibited Items Detection Model Plant Dataset저자
간행물 정보
발행기관
-
- 발행기관명
- 국제차세대융합기술학회 [International Next-generation Convergence technology Association]
- 설립연도
- 2017
- 분야
- 복합학>기술정책
- 소개
- Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.
간행물
-
- 간행물명
- 차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
- 간기
- 월간
- pISSN
- 2508-8270
- 수록기간
- 2017~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 506 DDC 606
이 권호 내 다른 논문 / 차세대융합기술학회논문지 제9권 12호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.