MANU HUB 검색
총 8건
식품
목적
유형
정렬
식품
식품 포장용기 외관 비전 검사를 위한 5종 분류 이미지 데이터셋 (13,369건)
PNG
육안 검사에 의존하던 식품 포장용기 외관 검사를 자동화하기 위해 구축된 데이터셋입니다. 미세 이물 검출 및 불량을 정상으로 오판하는 '언더킬(under-kill)' 최소화에 초점을 맞췄습니다. 본 데이터셋으로 학습된 2단 Cascade 모델(YOLO11m-cls + YOLO11m)은 독립 현장 평가셋에서 불량 검출률 99.62~99.74%, Macro F1 96.11~98.54%, 추론 속도 약 90ms를 기록했습니다. 실제 현장의 클래스 불균형, 조명 변화, 미세 이물 조건이 반영되어 있어 산업용 머신비전 모델 연구 및 실증에 유용합니다.
식품
제품분류, OCR, 바코드디코딩 데이터셋, 모델
JPG
.
식품
이화학,미생물 검사 결과 AI예측 솔루션 데이터셋
CSV
신규 제품 개발 시, 이전 제품 레시피 정보와 이화학·미생물 분석 데이터를 통합 분석하여 식품위해요소 발생 가능성을 사전 예측·차단하는 AI 솔루션
식품
외관 검사 / OCR 검사
BMP
본 과제는 OCR 및 컴퓨터 비전 기술을 활용하여 파우치 포장재의 씰링 상태, 문자 인식, 품질 검사를 실시간으로 수행하는 AI 기반 자동화 시스템 개발을 목표로 합니다.
식품
골뱅이 원료 품질검사용 정상·불량 이미지 데이터셋
JPG
식품 제조 현장의 원료 선별·상태 검사 공정에서 골뱅이 원료의 외관 불량을 자동 검출하기 위해 구축한 데이터셋이다. 컨베이어 위를 이동하는 골뱅이 원료를 고정 카메라로 촬영한 이미지와, 불량 부위의 위치를 표시한 라벨(YOLO 형식)로 구성된다. 단일 클래스(불량 ng)로 라벨링되어 있으며, 정상 원료는 라벨이 없는 배경 이미지로 포함된다. 원본 이미지에 좌우·상하 반전 및 회전 증강을 적용하되 중복 이미지를 제거하여 학습용 데이터의 다양성을 확보하였다. 학습용(train) 11,106장과 검증용(val) 534장으로 구성된다.
식품
김치 절임 공정 최적 조건 추천 및 품질 예측용 배치 데이터
CSV
본 데이터셋은 김치 절임 공정에서 수집된 배치 단위 요약 데이터와 공정 중 시게열 측정 데이터로 구성된다. 배치 요약 데이터에는 배추 품종, 평균 무게, 경도, 잎 두께 등 원재료 특성과 계절, 실내외 온도, 초기 염도, 초기 수온, 웃소금 투입량 등 공정 시작 조건이 포함된다. 시계열 측정 데이터에는 절임 진행 중 상단 염도, 하단 염도, 수온, pH 등의 값이 시간 흐름에 따라 기록된다.
이 데이터셋은 공정 시작 전에는 최적 절ㅇ미시간과 권장 초기 염도를 추천하고, 공정 진행 중에는 남은 시간을 예측하며, 공정 종료 후에는 최종 품질등급을 판정할 수 있는 형태로 설계되었다. 또한, 일부 데이터는 실측 기반 보완 및 시뮬레이션/증강을 통해 학습 가능한 규모로 확장되었다.
식품
김치 절임 공정 최적 조건 추천 및 품질 예측용 시계열 데이터
CSV
본 데이터셋은 김치 절임 공정에서 수집된 배치 단위 요약 데이터와 공정 중 시게열 측정 데이터로 구성된다. 배치 요약 데이터에는 배추 품종, 평균 무게, 경도, 잎 두께 등 원재료 특성과 계절, 실내외 온도, 초기 염도, 초기 수온, 웃소금 투입량 등 공정 시작 조건이 포함된다. 시계열 측정 데이터에는 절임 진행 중 상단 염도, 하단 염도, 수온, pH 등의 값이 시간 흐름에 따라 기록된다.
이 데이터셋은 공정 시작 전에는 최적 절ㅇ미시간과 권장 초기 염도를 추천하고, 공정 진행 중에는 남은 시간을 예측하며, 공정 종료 후에는 최종 품질등급을 판정할 수 있는 형태로 설계되었다. 또한, 일부 데이터는 실측 기반 보완 및 시뮬레이션/증강을 통해 학습 가능한 규모로 확장되었다.
식품
육가공 건조공정 작업시간 및 수분율 예측 데이터셋
CSV
건조 설비에서 수집된 작업 로그, 센서 정보(온도, 습도), 제품 정보(품목, 두께, 형태) 및 수분율 측정값으로 구성된 데이터셋으로, 건조 시간 최적화 및 품질 정량화를 위한 AI 모델 학습에 활용 가능