-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-13 데이터 최종 개방 1.0 2023-06-28 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-09-19 산출물 수정 공개 AI모델 2023-12-13 산출물 전체 공개 소개
3D프린팅 출력물은 다양한 장비의 오류나 환경적인 부분에서도 데이터에 영향을 미칠 수 있음. 비금속 재료를 이용한 3D프린팅 5가지 출력방식 이상을 대상으로 설계와 결과물의 형상 차이를 사전에 예측하여 자동으로 설계 보정함
구축목적
재료의 출력 인자와 장비의 출력 파라미터 인자가 적층 제조 품질에 미치는 영향을 예측하고자 함
-
메타데이터 구조표 데이터 영역 제조 데이터 유형 텍스트 , 이미지 데이터 형식 png, json 데이터 출처 자체 라벨링 유형 바운딩박스(이미지) 라벨링 형식 JSON 데이터 활용 서비스 3D프린터 출력물 형상보정 서비스 데이터 구축년도/
데이터 구축량2022년/221,040건(원천데이터), 221,040건(라벨링데이터) -
◯ 데이터 구축 규모
◯ 데이터 구축 규모 데이터 종류 데이터 형태 어노테이션 규모 결과물 규모 비금속 3D프린터 출력물 외형품질 이미지 PNG 165,780 165,780 외형품질 이미지 텍스트 165,780 165,780 수축분석 데이터 PNG 55,260 55,260 수축분석 데이터 텍스트 55,260 55,260 총 수량 442,080 ◯ 데이터분포
3D프린팅 출력방식에 따른 출력물 수 분포
◯ 데이터분포 3D프린팅 출력방식에 따른 출력물 수 분포 3D프린팅 출력방식에 따른 출력물 수 분포 Printer_type COUNT 결과 구성비 DLP 1,200 2.17% G_FDM 28,800 52.12% I_FDM 1,260 2.28% MJP 1,200 2.17% SLA 10,800 19.54% SLS 12,000 21.72% 합계 55,260 100% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드◯ 활용 AI모델
[모델학습]
· 출력파라미터, 출력방식, 소재 등에 의한 3D프린팅 출력물의 외형 품질 예측 인공지능과 출력파라미터등에 의한 출력물의 수축정도를 예측 사전에 보정하기 위한 인공지능을 개발하고자 함[학습 개요]
· 생성 및 외형검출 Task
- 활용 데이터 : 수축분석이미지
- 학습모델 : 이미지 전환 모델(Pix2Pix 기반)
- 핵심과제 : 도면 단면 이미지와 출력 메타데이터(프린터 파라미터)를 입력데 이터로 하여 수축분석이미지를 예측하는 학습을 진행함. 최종적으로 주어진 도면과 프린터 파라미터 변화에 따른 출력물의 변형률 예측
- 평가지표 : FID
· 분류 Task
- 활용 데이터 : 외형품질이미지
- 학습모델 : 분류 모델
- 핵심과제 : 외형품질 이미지를 모델에 입력하여 출력물의 불량 여부 판단 및 불량의 종류 분류
- 평가지표 : AUROC[모델 알고리즘]
· 생성 및 외형검출 Task· 분류 Task
[응용(시범) 서비스 개발]
- 수축 예측 분석 서비스
: 도면과 3D 프린팅 설정값 (높이, 두께, INFill, 출력속도, 압출온도, 플렛폼온도,
프린터 번호 등)에 따라 변형률을 예측할 수 있는 기능을 제공함- 외형 불량 분석 서비스
: 3D 프린팅으로 만들어진 출력물의 사진 (위,아래,전,후,좌,우)으로 출력물의 불량
상태를 파악할 수 있는 기능을 제공함 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 3D 프린터 출력물 외형품질이미지 불량유형 분류 모델 3D Object Classification EfficientNet-B0 AUC-ROC 0.9 단위없음 0.942 단위없음 2 3D 프린터 출력물 수축분석 이미지 생성 모델 Image Generation Image-to-image Translation 알고리즘 FID 30 점 25.56 점
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드◯ 데이터 설명
: 출력 파라미터들과 공정 중 발생하는 예상치 못한 불량 사이의 인과관계를 파악할 수 있는 AI 모델을 적용함으로써 설계도와 3D프린팅 출력물간 형상 또는 품질의 차이, 이상 여부를 예측하는 활용 모델 개발을 목표로 함
- 원문 데이터 파일 등이 존재하는 데이터가 아닌 3D프린팅 출력을 통해 얻어지는 데이터
– 학습모델 1(출력물 외형불량 판정 모델) → 활용 서비스2(3D 프린터 출력물 결함 판별 서비스)
– 학습모델 2(출력물 형상차이 예측 모델) → 활용 서비스1(3D 프린터 출력물 형상 보정 서비스)
◯ 어노테이션 포맷 설명
[데이터 구성]
◯ 어노테이션 포맷 설명[데이터 구성] Key Description Type { No 이미지 획득 순서 number Image creation date 6면이미지 획득 일자 yyyy-mm-dd string Image creation time 6면이미지 획득 시간 string hh:mm Image shooter 6면이미지 획득 작업자(비식별처리) string Camera model name 카메라 모델명 string (ex. iN2M-230C-6M22) Image direction 6면 이미지 방향 string (ex. A) Image horizontal size 이미지 가로 사이즈 number Image vertical size 이미지 세로 사이즈 number Source_data_image_code 6면이미지 코드(파일명) string File format 파일 포멧 string Imsize 파일 사이즈 number Print error code 출력물 품질 불량 분류 string (ex. No Error) Bbox_id 라벨링 데이터 식별자 string Bbox_x 바운딩 박스 시작점 x 좌표 number Bbox_y 바운딩 박스 시작점 y 좌표 number Bbox_width 바운딩 박스 가로 길이(픽셀) number Bbox_height 바운딩 박스 세로 길이(픽셀) number } } [어노테이션 포맷_외형 이미지]
◯ 어노테이션 포맷 설명[어노테이션 포맷_외형 이미지] No 항목 타입 길이 타입 필수여부 비고 한글명 영문명 3 원천 데이터-이미지 라벨 정보 annotation_info 3-1 이미지 획득 순서 No number n 3-2 6면이미지 획득 일자 Image creation date string y yyyy-mm-dd 3-3 6면이미지 획득 시간 Image creation time string y hh:mm 3-4 6면이미지 획득 작업자(비식별처리) Image shooter string y 3-5 카메라 모델명 Camera model name string y iN2M-230C-6M22 3-6 6면 이미지 방향 Image direction string y ex. C 3-7 이미지 가로 사이즈 Image horizontal size number y 3-8 이미지 세로 사이즈 Image vertical size number y 3-9 6면이미지 코드(파일명) Source_data_image_code string y 3-10 파일 포멧 File format string y 3-11 파일 사이즈 Imsize number y 3-12 출력물 품질 불량 분류 Print error code string y 3-13 라벨링 데이터 식별자 Bbox_id string y 3-14 바운딩 박스 시작점 x 좌표 Bbox_x number y 3-15 바운딩 박스 시작점 y 좌표 Bbox_y number y 3-16 바운딩 박스 가로 길이(픽셀) Bbox_width number y 3-17 바운딩 박스 세로 길이(픽셀) Bbox_height number y 실제 예시 : I_FDMXCHPCL1XXXXXX5701C.png
{
"dataset":{
"No": 3.0,
"Date": "2022-08-02",
"Slicing completion time": "10:00",
"Slicing worker": "****",
"Blueprint number": 57.0,
"Slicing SW": "Cura",
"Printer type": "I_FDM",
"Printer manufacturer": "Lincsolution",
"Printer product name": "EP500S",
"Material type": "PC",
"Print core": 1.75,
"Material product name": "RB-PC",
"Material company name": "Hanil",
"Layer_hight": 0.2,
"S_thickness": null,
"Infill": null,
"Print_speed": null,
"Print_position": null,
"Cure_depth": null,
"Laser_power": null,
"Travel_speed": 40.0,
"Top_solid_layers": null,
"Bottom_solid_layers": null,
"Fill_pattern": "zigzag",
"Extruder_temperature": 250.0,
"Platform_temperature": 130.0,
"Raw data-slicing code": "I_FDMXCHPCL1XXXXXX57"
},
"label_info":{
"No": 3.0,
"Raw data-slicing code": "I_FDMXCHPCL1XXXXXX57",
"Blueprint number": 57.0,
"Printer type": "I_FDM",
"Printer manufacturer": "Lincsolution",
"Printer product name": "EP500S",
"Material type": "PC",
"Print core": 1.75,
"Material company name": "Hanil",
"Material product name": "RB-PC",
"Printer number": null,
"Print start date": "2022-08-02",
"Printing start time": "10:00",
"Print start worker": "****",
"Site temperature at startup": 26.8,
"Site humidity at startup": 47.0,
"Print End Date": "2022-08-02",
"Printing end time": "18:00",
"Print end worker": "****",
"Site temperature at end": 26.5,
"Site humidity at the end": 49.0,
"Other occurrences": null,
"Raw data-output code": "I_FDMXCHPCL1XXXXXX5701"
},
"annotation_info":{
"No": 3.0,
"Image creation date": "2022-10-18",
"Image creation time": "14:15",
"Image shooter": "****",
"Camera model name": "iN2M-230C-6M22",
"Image direction": "B",
"Image horizontal size": 1920.0,
"Image vertical size": 1080.0,
"Source_data_image_code": "I_FDMXCHPCL1XXXXXX5701C.png",
"File format": "png",
"Imsize": 1367067.0,
"Print error code": "No Error",
"Bbox_id": "****",
"Bbox_x": null,
"Bbox_y": null,
"Bbox_width": null,
"Bbox_height": null
}
} -
데이터셋 구축 담당자
수행기관(주관) : 씨와이오토텍
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 조재형 031-831-5603 jchho43@gmail.com 데이터 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 컨셉션 데이터 수집 및 관리 링크솔루션 데이터 수집 씨이피테크 데이터 수집 서경산업 데이터 정제 및 가공 지미션 데이터 검사 및 인공지능 학습모델 개발 생산기술연구원 데이터 정제 3D프린팅연구조합 데이터 정제 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 조재형 031-831-5603 jchho43@gmail.com
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.