• Journal of IKEEE
• /
• v.27 no.3
• /
• pp.345-349
• /
• 2023

In this paper, we propose a study on the development of deep learning structure for defective pixel detection of next-generation smart LED display board using imaging device. In this research, a technique utilizing imaging devices and deep learning is introduced to automatically detect defects in outdoor LED billboards. Through this approach, the effective management of LED billboards and the resolution of various errors and issues are aimed. The research process consists of three stages. Firstly, the planarized image data of the billboard is processed through calibration to completely remove the background and undergo necessary preprocessing to generate a training dataset. Secondly, the generated dataset is employed to train an object recognition network. This network is composed of a Backbone and a Head. The Backbone employs CSP-Darknet to extract feature maps, while the Head utilizes extracted feature maps as the basis for object detection. Throughout this process, the network is adjusted to align the Confidence score and Intersection over Union (IoU) error, sustaining continuous learning. In the third stage, the created model is employed to automatically detect defective pixels on actual outdoor LED billboards. The proposed method, applied in this paper, yielded results from accredited measurement experiments that achieved 100% detection of defective pixels on real LED billboards. This confirms the improved efficiency in managing and maintaining LED billboards. Such research findings are anticipated to bring about a revolutionary advancement in the management of LED billboards.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.10a
• /
• pp.1018-1020
• /
• 2013

Conventionally, PCB fabrication processes detects simply electrical characteristics of TCP and COF by automatic manufacturing system and additionally, by introducing human visual detection, those are very ineffective in view of low cost implementation. So, this paper presents an efficient detection algorithm for short and protrusion-type defects based on reference images by using local binary pattern analysis. The proposed methods include several preprocessing techniques such as histogram equalizing, the compensation of spatial position and maximum distortion coordination Through several experiments, it is shown that the proposed method can improve the defect detection performance compared to the conventional schemes.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1995.04a
• /
• pp.273-284
• /
• 1995

카메라를 통하여 얻은 영상자료로부터 대상물의 특징을 추출하여 검사에 응용하는 자동검사기법의 수요가 늘고 있다. 본 연구에서는 그러한 자동검사의 실예로서 접속 케이블(wire hardness)의 색깔인식을 이용한 양/불량을 구별하는 시스템을 구축하였다. 색깔인식을 위한 도구로서 입력층, 1개의 은닉층 및 출력층으로 이루어진 2층 구조의 역전파신경망(back-propagation neural network)을 사용하였다. 입력자료로는, 화상에서 케이블의 위치를 파악하고 그 케이블에 속한 화소로부터 필요한 정보(Y, U, V)를 추출한 후, 보다 변별력이 좋은 (L, a, b) 좌표계로 변환하여 사용하였다. 본 검사시스템은 인식속도를 향상시키기 위하여 영상정보를 프레임 버퍼(frame buffer)에서 직접 사용하고 자료의 검사과정을 극소화 하였기 때문에 불량품의 실시간 검출이 가능하다. 불량품 검출의 성능을 평가하기 위하여 실제 표본을 가지고 시스템의 성능을 평가한 결과, 양/불량의 인식율이 100%를 나타내어 약간의 성능보완이 이루어지면 현장에서 바로 활용할 수 있을 것으로 판단된다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.280-282
• /
• 2009

본 논문에서는 굴곡에 의한 조도량의 차이와 명암도 차이를 퍼지 기법에 적용하여 개선된 반도체 불량 검출 방법을 제안한다. 제안된 방법은 먼저 회전각과 양선형 보관법을 이용하여 반도체 영상의 각도를 보정하는 전처리 과정 수행한다. 그리고 굴곡에 대한 조도량의 차이와 패턴 매칭를 이용하여 얻어진 오류 영역의 명암도 차이를 퍼지 소속 함수에 적용하여 결과 값을 추론한다. 최종적으로 비퍼지화된 결과 값을 적용하여 반도체의 초기 불량을 검출한다. 본 논문에서 제안한 방법을 실제 사용되는 반도체 정면 영상과 측면 영상 30쌍을 대상으로 실험한 결과, 기존의 방법에 비해서 반도체의 초기 불량 판단에 효과적인 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.05a
• /
• pp.367-370
• /
• 2016

QFN(Quad Flat No-leads package) is one of the SMD(Surface Mount Device). Since there is no lead in QFN, there are many defects on solder. Therefore, we propose an efficient mechanism for QFN solder defect detection at this paper. For this, we employ Convolutional Neural Network(CNN) of the Machine Learning algorithm. QFN solder's color multi-layer images are used to train CNN. Since these images are 3-channel color images, they have a problem with applying to CNN. To solve this problem, we used each 1-channel grayscale image(Red, Blue, Green) that was separated from 3-channel color images. We were able to detect QFN solder defects by using this CNN. Later, further research is needed to detect other QFN.

• Journal of the Institute of Convergence Signal Processing
• /
• v.7 no.4
• /
• pp.161-168
• /
• 2006

In this paper, we propose a method for the pattern inspection of LCD module using the color compensation and pattern matching. The pattern matching is generally used for the inspection method of LCD module at the industry. LCD module has many defections such as the brightness difference of the back light, the optic feature of liquid crystal, the difference of the light penetrated by driving LCD and the color difference by the lighting. The conventional method without the color compensation can not solve these defections and decreases the efficiency of inspecting LCD module. The method proposed to inspect defective badness through the pattern matching after it compensated color difference of the LCD occurred by the various causes. At first, it revises with setting by standard tone of color with the LCD pattern of the reference image. And It perform the preprocessing and pattern matching algorithm on the compensated image. In experiment, we confirmed that this algorithm is useful to detect some defections of LCD module. The proposed methods was easy to detect the faulty product.

• Proceedings of KOSOMES biannual meeting
• /
• 2005.11a
• /
• pp.203-208
• /
• 2005

The CGO (Chip on Glass) to be measured a few micro unit is captured by line scan camera for the accuracy of chip inspection. But it is very sensitive to scan speed and lighting conditions. In this paper, we propose the methods to increase the accuracy of faulty detection by image subtraction. Image subtraction is detected faultiness by subtracting the image of a ' perfect ' COG from trot of the sample under tests. For image subtraction to be successful, the two images must be pre챠sely registered The two images is registered by the area segmentation pattern matching, and the result image get by operating the gradient mask image and the image to practice subtraction. A series of experimentation showed that the proposed algorithm shows substantial improvement over the other image subtraction methods.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.46 no.5
• /
• pp.15-21
• /
• 2009

Deformity detection in a Light Emitting Diode (LED) is an important aspect for improving its quality. These LED deformities can be checked through several methods. This paper details the automatic deformity detection inspection system of a LED using the LabVIEW Builder 3.6 software. This software has a graphical user interface which makes it easy to observe and modify the behavior of its element. The LabVIEWs essential elements are also presented and explained aside from its image acquisition system. Details on how to build an inspection system and how to implement vision inspection algorithm which mainly consists of edge detection, geometry point location, and distance measurement are included in this paper.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.11a
• /
• pp.58-61
• /
• 2011

방송 콘텐츠 제작에는 카메라, VCR, NLE, 인코더 등의 장비가 사용되고 있으며, VCR 헤더 불량, 테이프 노후화/보관불량, NLE 편집 오류, 인코더 장비 불량 등의 다양한 이유로 콘텐츠에 예기치 않은 비디오 및 오디오 오류가 발생할 수 있다. 이러한 문제점을 해결하기 위하여 콘텐츠에 포함된 다양한 비디오 및 오디오 오류를 자동으로 검사할 수 있는 자동 검사 시스템이 요구된다. 본 논문에서는 이러한 다양한 오류를 자동으로 검사할 수 있는 방법 중 특히 비디오 내에 종종 포함되는 블록 오류를 대상으로 하는 고속 오류 검출 방법을 설명한다. 제안한 방법은 비디오 내의 매 프레임의 코너 수를 계산하고, 시간 증가에 따른 코너 수의 변화량을 검사하여 블록 오류가 포함될 것으로 예상되는 후보 프레임을 찾는 1단계 과정과, 후보 프레임을 대상으로 Adaboost 인식 기술을 사용하여 학습한 분류기를 통해 최종 블록 오류가 포함된 프레임을 검출하는 2단계 과정으로 구성된다. 시스템 구현 실험 결과, 비디오 내에 포함된 블록 오류를 프레임 단위로 정확하게 고속 검출 하는 것이 가능함을 확인하였다. SD급의 경우 실시간 대비 2.3배속 가량의 고속 검사가 가능하고 HD의 경우에도 0.8배속 수준의 고속 검사가 가능하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.957-958
• /
• 2023

본 연구에서는 공정 내 인체 끼임 사고 및 저출산 고령화 시대 등의 문제들로 인한 인력 감소 문제들을 해결하기 위하여 인공지능 기반의 모빌리티 플랫폼을 개발하였다. 본 플랫폼은 yolo-v4 기반으로 로봇이 공정 내부를 이동하면서 공정 내 불량 와이어를 검출하여 공정 유지보수 관리자에게 알려 주고 실시간으로 공정 내부 상황을 무선으로 모니터링할 수 있는 기술을 연구하였다. 또한, 로봇에는 무선 충전 기능을 갖추고 있어 추가적인 공정 내 인체 끼임 사고 등을 예방할 수 있도록 하였다. 본 연구 결과에서는 불량 와이어 검출 시, 평균 92.1%의 정확도를 보였으며, 공정 제품에 대한 양품, 불량품의 검출은 평균 98%의 정확도를 보였다. 또한, 실시간 무선 영상 모니터링는 24fps로 전송되어 공정 내부를 살피는 것에 유의미한 결과를 보였다.