Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Development of a model for predicting dyeing color results of polyester fibers based on deep learning

딥러닝 기반 폴리에스터 섬유의 염색색상 결과예측 모형 개발

  • Received : 2021.11.18
  • Accepted : 2022.04.18
  • Published : 2022.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

Due to the unique recipes and processes of each company, not only differences among the results of dyeing textile materials exist but they are also difficult to predict. This study attempted to develop a color prediction model based on deep learning to optimize color realization in the dyeing process. For this purpose, deep learning-based models such as multilayer perceptron, CNN and LSTM models were selected. Three forecasting models were trained by collecting a total of 376 data sets. The three predictive models were compared and analyzed using the cross-validation method. The mean of the CMC (2:1) color difference for the prediction results of the LSTM model was found to be the best.

섬유 소재의 염색은 기업별로 고유의 레시피와 공정으로 인하여 결과물 간의 차이가 존재할 뿐만 아니라 예측하기도 어려운 실정이다. 본 연구는 염색 공정에서의 색상구현 최적화를 위해 딥러닝 기반의 예측 모형을 개발하고자 시도되었다. 이를 위하여 딥러닝 기반 모형인 다층퍼셉트론, CNN 그리고 LSTM 모형을 선정하였다. 총 376건의 데이터 세트를 수집하여 3개의 예측 모형을 학습시켰다. 교차검증 방법을 이용하여 3개의 예측 모형에 대해 비교 및 분석하였다. LSTM 모형의 예측 결과에 대한 CMC(2:1) 색차의 평균이 가장 우수한 것으로 나타났다.

Keywords

Acknowledgement

이 논문은 산업통산자원부 및 한국산업기술진흥원에서 시행한 '가상공학플랫폼구축 사업'의 지원 및 연구 결과로 수행되었음(N0002602).

References

  1. 박규태, 강용신, 임성주, 노상도, 양석곤, 강용태, "염색가공 산업의 에너지 효율 향상을 위한 디지털 트윈과 가상표현의 구현," 대한산업공학회지, 제45 권, 제6호, 491-502쪽, 2019년 12월
  2. 한무명초, 이충권, 김양석, "제조 공정에서 센서와 머신러닝을 활용한 불량예측 방안에 대한 연구," Entrue Journal of Information Technology, 제17권, 제1호, 89-98쪽, 2019년 12월
  3. 차병래, 박선, 이성호, 신병춘, 김종원, "스마트 제조혁신을 위한보호필름 공정 제조데이터의 활용모델 설계," 스마트미디어저널, 제8권, 제3호, 95-103쪽, 2019년 9월 https://doi.org/10.30693/SMJ.2019.8.3.95
  4. 박동현, 김슬기, 안예린, 정재윤, "딥러닝 기반 산업용 로봇 고장예지 알고리즘 개발," 대한산업공학회 춘계공동학술대회, 2018. 4
  5. J. Yang, Li. S, Wang. Z, Dong. H, Wang. J and Tang. S., "Using deep learning to detect defects in manufacturing: a comprehensive survey and current challenges." Materials, vol. 13, no. 24, pp. 2-23, December 2020.
  6. 강연희, 백지연, 이재웅, 김삼수, 허만우, 이난형, "섬도와 염료구조가 폴리에스테르 직물의 세탁견뢰도에 미치는 영향," Journal of the Koera Society of Dyers and Finishers, 제13권, 제3호, 26-33쪽, 2001년 6월
  7. 이정호, "면니트의 CPB 염색에서 NNMF 알고리즘을 이용한 새로운 컬러처방 예측 기법", 숭실대학교 석사학위 논문, 2010년 6월
  8. R. Furferi and M. Carfagni, "Prediction of Color and of the Color Solidity of a Jigger-dyed Cellulose-based Fabric: A Cascade Neural Netwok Approach," Textile Research Journal, vol. 80, no. 16, pp. 1682-1696, October 2015. https://doi.org/10.1177/0040517510365952
  9. 양석곤, 이화정, 서병규, 강석복, "중선형회귀분석을 이용한 염색공정의 염착곡선 예측모형 개발," 한국데이터정보과학회지, 제29권, 제3호, 705-715쪽, 2018년 5월
  10. C. Yu, Z. Xi, Y. Lu, K. Tao and Z. Yi, "LSSVM-based color prediction for cotton fabrics with reactive pad-dry-pad-steam dyeing," Chemometrics and Intelligent Laboratory Systems, vol. 199, no. 103956, pp. 1-9, April 2020.
  11. 이주헌, 김종석, 장호원, 이장춘, "다층 퍼셉트론 인공신경망 모형을 이용한 가뭄 예측," 한국수자원학회논문집, 제46권, 제12호, 1249-1263쪽, 2013년 12월 https://doi.org/10.3741/JKWRA.2013.46.12.1249
  12. 최하영, 문태원, 정대호, 손정익, "환경요인을 이용한 다층퍼셉트론 기반 온실 내 기온 및 상대습도 예측," 한국생물환경조절학회지, 제28권, 제2호, 2019년 4월
  13. 문지훈, 박성우, 황인준, "효과적인 결측치 보완을 통한 다층 퍼셉트론 기반의 전력수요 예측 기법," 정보처리학회논문지, 제8권, 제2호, 67-78쪽, 2019년 8월 https://doi.org/10.3745/KTSDE.2019.8.2.67
  14. 김서정, 이재수, 김형석, "딥러닝을 이용한 양파 발의 잡초 검출 연구," 스마트미디어저널, 제7권 제3호, 16-21쪽, 2018년 9월 https://doi.org/10.30693/SMJ.2018.7.3.16
  15. 이재준, 김완수, 이교구, "합성곱 신경망 기반 환경 잡음에 강인한 교통 소음 분류 모델," 한국음향학회지, 제37권, 제6호, 469-474쪽, 2018년 11월 https://doi.org/10.7776/ASK.2018.37.6.469
  16. 강영옥, 조나혜, 박소연, 김지연, "합성곱신경망을 활용한 SNS 사진 분류 및 관광객과 거주자의 관광 활동 특성 분석," 대한지리학회지, 제56권, 제3호, 247-264쪽, 2021년 5월 https://doi.org/10.22776/KGS.2021.56.3.247
  17. 전남열, "합성곱신경망과 초분과영상을 이용한 토양수분량 예측 연구," 제주대학교 석사학위 논문, 2021. 12
  18. 신동하, 최광호, 김창복, "RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델," 한국정보기술학회논문지, 제15권, 제10호, 9-16쪽, 2017년 6월 https://doi.org/10.14801/jkiit.2017.15.10.9
  19. 신성호, 이미경, 송사광, "LSTM 네트워크를 활용한 농산물 가격 예측 모델," 한국콘텐츠학회, 제18권, 제11호, 416-429쪽, 2018년 11월 https://doi.org/10.5392/JKCA.2018.18.11.416
  20. 이선민, 선영규, 이지영, 이동구, 조은일, 박대현, 김용범, 심이삭, 김진영, "LSTM과 GRU 딥러닝 IoT 파워미터 기반의 단기 전력사용량 예측," 한국인터넷방송통신학회논문지, 제19권, 제5호, 79-85쪽, 2019년 10월 https://doi.org/10.7236/jiibc.2019.19.5.79
  21. 이우창, 김양석, 김정민, 이충권, "머신러닝을 이용한 철광석 가격 예측에 대한 연구," 한국산업정보학회논문지, 제25권, 제2호, 57-72쪽, 2020년 4월 https://doi.org/10.9723/JKSIIS.2020.25.2.057
  22. 천성길, 이주홍, 최범기, 송재원, "대규모 외생 변수 및 Deep Neural Network 기반 금융 시장 예측 및 성능 향상," 스마트미디어저널, 제9권, 제4호, 26-35쪽, 2020년 12월
  23. 김경준, 이채정, 박윤철, 김주용, "디지털 프린팅을 위한 실시간 직물 결점 검출 시스템," 한국염색가공학회지, 제20권, 제1권, 48-56쪽, 2008년 2월 https://doi.org/10.5764/TCF.2008.20.1.048
  24. 김한도, "염색 전처리조의 NaOH 자동 농도 제어시스템의 개발," 한국염색가공학회논문지, 제15권, 제4호, 39-42쪽, 2003년 8월
  25. 정인일, 이상윤, 임교빈, 유종훈, "두 종류의 분산염료를 이용한 폴리에스테르 섬유의 초임계유체 염색," 한국청정기술학회, 제17권, 제2호, 110-116쪽, 2011년 6월
  26. M. W. Browne, "Cross-validation methods," Journal of mathematical psychology, vol. 44, no. 1, pp. 108-132, March 2000. https://doi.org/10.1006/jmps.1999.1279