• 정보통신설비학회논문지
• /
• 제2권1호
• /
• pp.71-77
• /
• 2003

본 논문에서는 불량 하드디스크 드라이브의 수리판정 자동화를 위해 필요한 하드디스크 드라이브(Hard Disk Drive, HDD) 결함의 분포패턴의 분류에 관한 연구 결과를 소개한다. HDD 제조공정에서는 테스트 진행 중 검출된 결함에 관한 정보를 HDD 내부에 기록한다. 불량으로 판별된 HDD는 내부에 기록된 결함의 분포론 관찰한 후, 불량의 종류 및 그에 따른 처리방안을 결정한다. 본 논문에서는 효율적인 결함분포 패턴의 특징추출을 위해, 하드디스크의 물리적 특성에 대한 분석을 바탕으로 극좌표 (Polar Coordinates) 방식으로 표현된 결함 위치 데이터를 직교좌표(Cartesian Coordinates)로 변환한다. 그리고 디스크 상의 두 동심원 사이의 공간을 정해진 회전각별로 등분한 후, 나누어진 구간별로 결함 발생빈도 히스토그램 (Histogram) 분석을 수행하여 결함분포의 패턴을 분류하는 알고리즘을 제시한다. 설계된 알고리즘은 실제 HDD 제조공정에서 발생한 불량 HDD Set을 대상으로 적용한 결과, 그 효용성이 검증되었다.

• 비파괴검사학회지
• /
• 제17권1호
• /
• pp.11-22
• /
• 1997

원자력발전소 압력용기 및 배관은 많은 용접부를 포함하고 있으며 용접부내 결함은 크기, 위치 및 형태에 따라 압력용기 및 배관의 건전성에 커다란 영향을 미친다. 따라서 주요 압력용기와 배관의 용접부에 대해서는 가동 전 중 검사시 초음파 탐상시험을 실시하여 그 건전성을 확인하고 있다. 초음파 결함 신호로부터의 결함 분류는 비파괴 평가에 있어 매우 중요하며 초음파 형상 인식 방법이 적당하다. 본 논문에서는 탄소강 압력용기 용접부에 내재하는 결함으로부터 얻어진 초음파 결함 신호의 형상 인식을 위한 절차로써 데이터 수집, 특징 추출, 특징 선택 및 결함 분류를 하였으며, 결함 분류에 있어 결함의 종류를 크게 선형(linear)과 체적(volumetric)의 두 종류로 분류함에 있어 퍼지이론을 적용하여 퍼지이론을 적용한 초음파 형상 인식 기법의 가능성 및 효율성을 제시하였고 그 결과 기존의 분류기(classifier)들에 비해 보다 우수한 결과를 얻을 수 있었다.

• 비파괴검사학회지
• /
• 제13권2호
• /
• pp.11-19
• /
• 1993

원자력발전소의 주요 압력용기 용접부에 대한 초음파검사시 결함의 특성과 형태에 대한 정확한 분류는 원자력 발전소의 안전성을 확보하기 위한 결함평가에 중요한 요소이다. 본 연구에서 초음파검사에서 얻어진 결함신호를 digital signal processing 기법으로 처리하여 결함의 특성과 형태를 구분할 수 있는 feature vector를 추출하고 결함의 형태를 형상 인식법을 사용하여 분류 하였다. Training specimen(slit, hole)의 신호와 testing specimen(crack, slag)의 신호를 구분하기 위한 실험에서 사용된 통계적 pattern recognition algorithm은 minimum distance classifier와 maximum likelihood classifier이다. 이러한 형상 classifier를 이용하여 결함의 특성을 정량적으로 분류하여 결함 평가 능력을 향상시켰다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.482-486
• /
• 2008

본 논문에서는 하드 디스크 드라이브(Hard Disk Drive, HDD) 생산 공정 과정에서 발생할 수 있는 불량 HDD의 결함 분포에 대해서 패턴을 자동으로 분류해주는 기법을 제시한다. 이를 위해서 표준 패턴 클래스로 분류되어 있는 불량 HDD의 각 클래스의 확률 모델을 GMM(Gaussian Mixture Model)로 가정한다. 실험은 전문가에 의해 분류된 실제 HDD 결함 분포로부터 5가지의 특징 값들을 추출한 후, 결함 분포의 클래스를 표현할 수 있는 GMM의 파라미터(Parameter)를 학습한다. 각 모델의 파라미터를 추정하기 위해 EM(Expectation Maximization) 알고리즘을 사용한다. 학습된 GMM의 분류 테스트는 학습에 사용되지 않은 HDD 결함 분포에서 5가지의 특징 값을 입력 값으로 추정된 모델들의 파라미터 값에 의해 사후 확률을 구한다. 계산된 확률 값 중 가장 큰 값을 갖는 모델의 클래스를 표준 패턴 클래스로 분류한다. 그 결과 제시된 GMM을 이용한 HDD의 패턴 분류의 결과 96.1%의 정답률을 보여준다.

• 비파괴검사학회지
• /
• 제30권1호
• /
• pp.13-19
• /
• 2010

본 논문에서는 원전SG세관 결함 크기 추정을 위한 새로운 구조의 추정시스템에 대한 연구를 수행한다. 기존의 연구에서는 결함 크기를 추정하기 위하여 각각의 결함 형태별로 결함크기추정시스템을 설계하였다. 이와 같은 경우, 추정시스템의 구조가 복잡해지고 결함 크기 추정 이전에 수행하는 결함형태분류기의 정확성이 떨어질 경우 결함 크기 추정 성능도 결과적으로 악화될 수밖에 없다. 이에 본 논문에서는 결함 형태 분류 과정을 필요로 하지 않는 결함크기추정시스템의 성능을 분석하고 이를 향상시키기 위한 방안을 연구하였다. 기존의 추정시스템은 각각의 결함 형태별로 특화된 추정기를 사용하기 때문에 추정 성능이 훨씬 뛰어날 것으로 예상되었지만, 실험 결과 두 추정시스템의 성능 차이는 그리 크지 않다는 것을 알 수 있었다. 따라서 결함형태분류기의 정확성이 완벽하지 않을 경우, 본 논문에서 제안한 구조의 추정기가 효과적으로 사용될 수 있을 것으로 기대된다.

• 비파괴검사학회지
• /
• 제15권4호
• /
• pp.531-539
• /
• 1996

본 연구에서는 초음파 신호형상인식법을 이용하여 용접부의 인공 결함을 분류하기 위한 연구를 실시하였다. 이를 위해 신호처리 및 특징 변수를 추출할 때에 많은 사용자 정의 변수를 가지는 신호 형상 인식 패키지를 개발하였으며 디지탈 신호처리, 특징 변수 추출, 특징 변수의 선택, 분류기 선정 등의 과정을 일괄적으로 처리하였다. 특히, 선형 분류기, 경험적 Bayesian 분류기 등의 통계적 분류기와 신경회로망 분류기를 함께 사용하여 비교, 검토하였다. 이에 관한 적용 연구로 노치와 구멍으로 이루어진 인공 결함을 분류하였다. 그 결과 인공결함 분류에서 높은 인식률을 얻었으며, 특히 적절히 학습 시켰을 경우 신경회로망 분류기가 통계적 분류기에 비하여 인식률 면에서 유리하였다.

• 한국지능시스템학회논문지
• /
• 제10권2호
• /
• pp.75-82
• /
• 2000

이논문에서는 영상처리 기법과 신경회로망 분류기를 이용하여 냉연강판의 표면에 나타나는 결함을 검출하는 기법을 제안한다. 냉연강판 표면의 입력영상을 웨이블렛 변환하여 영상신호 데이터량을 감소시키고 영상신호의 저주파수 영역에 해당하는 부분영상으로부터 구한 co-occurrence 행렬을 이용하여 주된 특징들을 추출한 후 신경회로망 분류기를 이용하여 표면결함을 분류하는 과정을 밟는다 현장에서 직접입수한 실제 냉연강판 표면결함 영상에 대하여 결함의 검출 및 분류기법을 제시하고 실험을 통해 기존의 백터양자화 기법과 비교하여 우수한 성능을 보임을 입증하였다.

• 한국정보통신학회논문지
• /
• 제17권8호
• /
• pp.1899-1907
• /
• 2013

본 논문에서는 초미세 패턴으로 구성된 칩-온-필름(Chip-on-Film, COF) 패키징 작업에서 발생하는 결함들을 참조영상에 기초하여 효율적으로 검출하고 분류하는 시스템을 제안한다. COF패키징 제작 과정에서 발생하는 치명적인 결함은 개방(open), 일부개방(mouse bite, near open), 단락(hard short) 및 돌기(protrusion, near short, soft short) 등을 포함한다. 이러한 결함을 검출하기 위해서는 기존에 직접 육안으로 식별하거나 또는 전기회로 설계를 이용하는 방법을 사용하였다. 그러나 이러한 방법은 매우 많은 시간과 고비용이 요구되는 단점이 있다. 본 논문에서는 참조영상을 사용하여 효과적으로 결함유무를 판단하고 결함이 발생되는 경우에 결함의 종류를 4 가지 형태로 분류하는 시스템을 제안한다. 제안방식은 검사영상의 전처리, 관심영역 추출, 지역이진분석에 의한 이물 특징 분석과 분류 등을 포함한다. 수많은 실험을 통해, 제안된 시스템은 초미세 패턴을 가진 COF의 결함 검사 및 분류에 대해 기존의 방식에 비해 시간과 경비를 줄이는데 효과적임을 보인다.

• 한국전자통신학회논문지
• /
• 제17권4호
• /
• pp.577-586
• /
• 2022

철강 표면 결함의 검출 및 분류는 철강 산업의 제품 품질 관리에 중요하다. 그러나 정확도가 낮고 속도가 느리기 때문에 기존 방식은 생산 라인에서 효과적으로 사용할 수 없다. 현재 널리 사용되는 알고리즘(딥러닝 기반)은 정확도 문제가 있으며 아직 개발의 여지가 있다. 본 논문에서는 이미지 분류를 위한 EfficientNetV2와 물체 검출기로 YOLOv5를 결합한 강철 표면 결함 검출 방법을 제안한다. 이 모델의 장점은 훈련 시간이 짧고 정확도가 높다는 것이다. 먼저 EfficientNetV2 모델에 입력되는 이미지는 결함 클래스를 분류하고 결함이 있을 확률을 예측한다. 결함이 있을 확률이 0.3보다 작으면 알고리즘은 결함이 없는 샘플로 인식한다. 그렇지 않으면 샘플이 YOLOv5에 추가로 입력되어 금속 표면의 결함 감지 프로세스를 수행한다. 실험에 따르면 제안된 모델은 NEU 데이터 세트에서 98.3%의 정확도로 우수한 성능을 보였고, 동시에 평균 훈련 속도는 다른 모델보다 단축된 것으로 나타났다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.248-251
• /
• 2020

전 반도체 제조 및 검사 공정 과정을 자동화하는 스마트 팩토리의 실현에 있어 제품 검수를 위한 검사 장비는 필수적이다. 하지만 딥 러닝 모델 학습을 위한 데이터 처리 과정에서 엔지니어가 전체 웨이퍼 영상에 대하여 결함 항목 라벨을 매칭하는 것은 현실적으로 불가능하기 때문에 소량의 라벨 (labeled) 데이터와 나머지 라벨이 없는 (unlabeled) 데이터를 적절히 활용해야 한다. 또한, 웨이퍼 영상에서 결함이 발생하는 빈도가 결함 종류별로 크게 차이가 나기 때문에 빈도가 적은 (minor) 결함은 잡음처럼 취급되어 올바른 분류가 되지 않는다. 본 논문에서는 소량의 라벨 데이터와 대량의 라벨이 없는 데이터를 동시에 활용하면서 결함 사이의 발생 빈도 불균등 문제를 해결하는 점진적 데이터 평준화 (progressive pseudo-labeling balancer)를 제안한다. 점진적 데이터 평준화를 이용해 분류 네트워크를 학습시키는 경우, 기존의 테스트 정확도인 71.19%에서 6.07%-p 상승한 77.26%로 약 40%의 라벨 데이터가 추가된 것과 같은 성능을 보였다.