[논문] 영상 기반 대기 플라즈마 스프레이 비행 입자 특성 예측
개요
대기 플라즈마 스프레이(APS)는 입자 온도와 속도가 코팅 품질에 크게 영향을 미치는 널리 사용되는 코팅 공정입니다. 그러나 이러한 입자 특성은 운전 중 지속적으로 모니터링하기 어렵기 때문에 비침습적인 데이터 기반 진단 방법 개발이 필요합니다. 본 연구에서는 플라즈마 플룸의 고속 비디오 관찰을 이용해 APS에서 비행 중 입자 특성을 추정하는 예측 가능성을 조사합니다. 세 가지 서로 다른 비디오 기반 특징 표현을 제안하고, 이를 표형 사전 데이터 적합 네트워크(TabPFN), 합성곱 신경망(CNN), 그리고 랜덤 포레스트, 그래디언트 부스팅, 서포트 벡터 회귀, XGBoost와 같은 고전 회귀 베이스라인과 함께 평가합니다. 실험은 63번의 APS 스프레이 실행에서 얻은 126개의 라벨이 지정된 전·후 스프레이 비디오 녹화(그룹별 leave-one-out 교차 검증)를 사용해 수행되었습니다. 설계된 특징 실험 전반에 걸쳐, TabPFN은 온도 예측에서 가장 일관된 성능을 보였으며, 결합된 특징 표현을 사용할 때 R² = 0.86에 도달했습니다. CNN 모델은 특히 속도 예측에서 강한 성능을 보여 R² 0.81을 기록했습니다. 또한, 사전 학습된 CNN에 회귀 헤드를 추가한 모델이 원시 비디오 프레임에 직접 적용했을 때 가장 높은 성능을 보였으며, 온도와 속도에 대해 각각 R² 0.90 및 0.82를 달성했습니다. 이러한 결과는 비디오 기반 플룸 정보가 비침습적인 APS 진단 및 실시간 공정 모니터링을 위한 유망하고 확장 가능한 기반이 될 수 있음을 보여줍니다.
주요 기여
이 논문은 다음 분야의 연구를 제시합니다:
- cs.LG
방법론
자세한 방법론은 전체 논문을 참고하십시오.
실용적 함의
본 연구는 cs.LG 분야의 발전에 기여합니다.
저자
- Abhijeet Praveen
- Sareh Soleimani
- Cormac Cureton
- Aman Sidhu
- Kintak Raymond Yu
- Cristian Cojocaru
- Narges Armanfard
논문 정보
- arXiv ID: 2606.07416v1
- 분류: cs.LG
- 발표일: 2026년 6월 5일
- PDF: PDF 다운로드