Welding
용접(鎔接,) 또는 웰딩(영어: welding)은 금속, 유리, 플라스틱 등을 열과 압력으로 접합하는 기술이다. 이는 두 물질 사이의 원자간 결합을 이루어 접합하는 것으로, 재료를 절감할 수 있다.
용접은 보통 매우 높은 온도에서 작업이 이루어지므로 보호 용구를 꼭 착용하여야 한다.
Categories
기공 (Porosity)
스패터 (Spatter)
용접중에 전류, 전압의 조합이 적절치 않은 경우, 어스의 접촉불량 등의 이유로 용접봉이나 와이어의 용융금속이 용접부 모재에 정상적으로 용착되지않고 사방으로 튀어 비산되거나 주위에 작은 덩어리의 상태로 일부 녹아 붙어 있거나 가볍게 붙어있는 것으로 일종의 결함 발생의 원인이 되기도 하며 그 자체가 결함이 되기도 한다.
이상치 탐지 (Anomaly Detection)
결함 탐지 (Defect Detection)
데이터셋
- Search | Kaggle # Welding
- Starter: TIG Stainless Steel 304 ee6df282-0
- Welding Defect - Object Detection
- Welding Defect - Object Detection using YOLOv8
- Welding Defects Object Detection YOLOv12
- Type of welding detection||Yolo V8
- Welding quality prediction: 100% accuracy (tabpfn)
- welding detection using Yolo V8
- Welding Detection - YOLOvX
thillRobot/seam_detection (ROS Weld Seam PCD)
| 항목 | 내용 |
| 설명 | 3D LiDAR로 사전 녹화된 point cloud 기반 용접 시임(seam) 감지용 ROS 패키지. Fillet weld, T-joint 등 다양한 형상의 PCD 파일 포함. |
| 포맷 | PCD |
| URL |
Intel Robotic Welding Multimodal Dataset
| 항목 | 내용 |
| 설명 | 236개 용접 세션에 대한 멀티모달 데이터셋. 각 세션에 AVI 동영상, FLAC 오디오, CSV 프로세스 데이터, 후처리 이미지 5장 포함. 직접 point cloud는 아니지만 용접 품질 판정용 멀티모달 학습에 유용. |
| 포맷 | AVI, FLAC, CSV, JPG |
| 플랫폼 | HuggingFace |
| URL | https://huggingface.co/datasets/IntelLabs/Intel_Robotic_Welding_Multimodal_Dataset |
Figshare - Weld Seam Analysis Dataset (Laser Beam Welding)
| 항목 | 내용 |
| 설명 | 100개 용접 세션의 레이저 빔 맞대기 용접 녹화 데이터. 유도 프로브 및 LWIR 카메라 데이터 포함. 용접 중 시트 변위 측정 데이터로 프로파일 분석에 활용 가능. |
| 포맷 | CSV, 열화상 |
| 플랫폼 | Figshare |
| URL | |
| Keywords | Laser Beam Welding, Inductive Probes, LWIR Camera, Time Series, Images, Thin Steel Sheets, Classification, Regression |
This dataset contains recordings of 100 welds with two different welding configurations. The dataset was recorded with three inductive probes which measure the absolute positional change of the metal sheet during the weld. A Long-wave Infrared (LWIR) camera was used to record the thermal radiation and receive a visual representation of the weld. The dataset can be utilized for forecasting purposes, such as gap prediction and classification tasks like quality monitoring.
산업용 3D Point Cloud 이상 탐지 데이터셋
용접 품질 검사 파이프라인에 직접 적용 가능한 3D point cloud 이상 탐지 데이터셋이다.
MVTec 3D-AD
| 항목 | 내용 |
| 설명 | 10개 실물 카테고리에서 4,147개의 고해상도 3D point cloud 스캔으로 구성된 비지도 3D 이상 탐지 및 위치 추정용 데이터셋. 스크래치, 덴트, 홀, 오염, 변형 등의 결함 포함. 용접 결함 탐지 모델의 사전학습 또는 전이학습에 적합. |
| 포맷 | TIFF (organized point cloud), PNG (RGB) |
| 카테고리 | bagel, cable_gland, carrot, cookie, dowel, foam, peach, potato, rope, tire |
| 논문 | Bergmann et al., "The MVTec 3D-AD Dataset for Unsupervised 3D Anomaly Detection and Localization", VISAPP 2022 |
| URL |
Real3D-AD (NeurIPS 2023)
| 항목 | 내용 |
| 설명 | 12개 카테고리 총 1,254개 샘플의 고정밀 point cloud 이상 탐지 데이터셋. 각 아이템이 수만~수백만 포인트로 구성(해상도 0.0010mm~0.0015mm). 360도 커버리지 및 완전한 프로토타입 제공. |
| 포맷 | PCD, PLY |
| 카테고리 | Airplane, Car, Candybar, Chicken, Diamond, Duck, Fish, Gemstone, Seahorse, Shell, Starfish, Toffees |
| 라이선스 | CC BY 4.0 |
| 논문 | Liu et al., "Real3D-AD: A Dataset of Point Cloud Anomaly Detection", NeurIPS 2023 |
| URL |
Eyecandies
| 항목 | 내용 |
| 설명 | 합성 기반 멀티모달 3D 이상 탐지 데이터셋. RGB + Depth + Normal Map 제공. MVTec 3D-AD와 함께 벤치마크로 자주 사용됨. |
| 포맷 | PNG (RGB, Depth, Normal) |
| URL |
용접 2D 이미지 데이터셋 (보조 학습용)
GDXray - Welding subset
| 항목 | 내용 |
| 설명 | X선 비파괴검사(NDT) 이미지 데이터셋. 용접 결함(기공, 크랙, 슬래그 등) 이미지 포함. |
| 포맷 | PNG |
| URL |
Weld-defect-detection-datasets
| 항목 | 내용 |
| 설명 | 실제 산업 방사선 검사 환경에서 수집된 용접 시임 X선 디지털 이미지 데이터셋 2종. 기공, 슬래그, 용입 부족, 크랙 등 다양한 결함 포함. 학술 연구 및 비상업적 용도. |
| 포맷 | 디지털 X선 이미지 |
| 플랫폼 | GitHub |
| URL |
데이터셋 요약 비교
| 데이터셋 | 데이터 유형 | 포맷 | 용접 직접 관련 | 다운로드 가능 |
| thillRobot/seam_detection | 3D Point Cloud | PCD | Yes | Yes |
| Intel Robotic Welding | 멀티모달 (영상/음향/프로세스) | AVI/FLAC/CSV | Yes | Yes |
| Figshare Weld Seam Analysis | 센서 측정 + 열화상 | CSV | Yes | Yes |
| MVTec 3D-AD | 3D Point Cloud + RGB | TIFF/PNG | No | Yes |
| Real3D-AD | 3D Point Cloud | PCD/PLY | No | Yes |
| Eyecandies | 합성 3D (RGB+Depth+Normal) | PNG | No | Yes |
| GDXray | 2D X선 이미지 | PNG | Yes | Yes |
| Weld-defect-detection | 2D X선 이미지 | 디지털 이미지 | Yes | Yes |
활용 전략
LVS + PTv3 파이프라인을 고려할 경우, 다음과 같은 2단계 전략이 현실적이다:
- 사전학습 단계: MVTec 3D-AD와 Real3D-AD로 point cloud segmentation/anomaly detection 모델을 사전학습
- Fine-tuning 단계: 실제 Micro-Epsilon scanCONTROL LVS 센서에서 수집한 용접 프로파일 데이터로 fine-tuning
thillRobot의 PCD 데이터는 파이프라인 테스트용 샘플로 바로 사용할 수 있어 초기 프로토타이핑에 유용하다.
Documentations
- MVTec 3D-AD 논문: https://arxiv.org/abs/2112.09045
- Real3D-AD 논문: https://arxiv.org/abs/2304.12154
- Awesome 3D Anomaly Detection: https://github.com/M-3LAB/awesome-industrial-anomaly-detection
See also
- 강재
- 대한용접협회
- Point Transformer V3 (PTv3)
- Micro-Epsilon scanCONTROL LVS
- 용접 품질 검사 시스템
- 3D Point Cloud Segmentation
- MVTec 3D-AD
- 데이터셋
- 용접
- 3D Point Cloud
- 딥러닝
- 품질검사