• Journal of Biosystems Engineering
• /
• 제21권3호
• /
• pp.325-335
• /
• 1996

표고의 외관 특징들은 표고의 재배 시 생육상태의 정량적 측정을 위해서, 표고의 건조 시 건조 성능을 나타내는 정량적 지표로서, 그리고 건표고의 품질을 판정하는 요인으로서 중요한 역할을 한다. 본 논문에서는 컴퓨터 시각시스템 및 신경회로망 기술을 적용하여 표고의 갓 및 내피에 고루 분포되어 있는 외관특징을 정량적으로 추출하는 알고리즘을 개발하였다. 기존의 영상 처리 과정에서 유도되는 경험적 판정규칙 또는 명확한 수치적 판정조건에 의한 등급판정은 입력데이타의 결핍 또는 애매모호성에 따른 오차가 발생하기 쉽다. 신경회로망을 이용한 영상인식 기능을 도입함으로써 다양하고 애매모호한 표고의 외관 영상특징들을 효율적으로 처리하여 기존 영상처리 알고리즘에서 발생하는 오차를 개선하였다. 본 논문에서 제안하는 알고리즘은 표고의 갓과 내피면의 인식 및 특징 분할, 꼭지부의 검출, 제거 및 재생 등을 포함한다. 제안한 알고리즘에 의거하여 건표고의 등급판정에 주요한 품질인자들을 추출하고 정량화 하였다. 그리고 알고리즘의 개발은 흑백의 다치입력영상을 이용하여 수행하였다.

• Korean Chemical Engineering Research
• /
• 제48권4호
• /
• pp.475-482
• /
• 2010

화상분석(image analysis)을 이용하여 제품의 외관(外觀) 품질을 정량적으로 추정할 수 있는 소프트 센서를 설계하고, 이를 제품의 품질 모니터링에 적용하는 연구를 수행하였다. 여기에 사용된 방법론은 크게 다음의 세 단계로 구성되어 있다: (1) 웨이블릿 변환(wavelet transform)을 이용한 화상으로부터의 질감(texture) 특징 추출, (2) 추출된 질감특징의 부공간 투영(projection on subspace)을 통한 제품 외관의 추정, 그리고 (3) 질감특징의 잠재변수(latent variables) 즉, 외관의 수치적 추정치를 목적에 맞게 사용. 이 방법에서는 제품의 외관을 서로 다른 불연속적인 부류로의 분류 보다는, 연속적인 외관 변화를 일관적이고 정량적으로 추정하는데 초점을 두고자 한다. 이 방법은 인조대리석 외관의 수치적 추정과 품질 모니터링 적용사례를 통해 설명되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.337-339
• /
• 2003

얼굴인식은 얼굴 요소간의 지형적 특징보다 얼굴 영역 영상을 그대로 사용하여 인식하는 외관기반(appearance-based) 방법이 선호된다. 이때, 배경의 영향을 배제하기 위해 얼굴요소정보를 포함하는 최소 사각 영역을 사용하거나, 타원 마스크를 적용한다. 그러나, 이러한 전처리 방법은 개인별 외관특징으로써의 얼굴 윤곽 정보를 활용하지 못하게 한다. 본 논문에는 얼굴의 윤곽정보를 추출하기 위한 전처리 절차를 제안하고, ORL 얼굴 데이터에 대한 인식률 실험을 통해 제안하는 방법이 얼굴인식 성능을 크게 향상시킬 수 있음을 보인다.

• 생물환경조절학회지
• /
• 제3권1호
• /
• pp.42-51
• /
• 1994

대다수 농산물과 마찬가지로 건조표고의 등급판정은 외관특징에 주로 의존한다. 표고 갓의 전후면에 걸친 복잡하고 다양한 외관특징들로 인하여 표고의 등급판정은 임의로 추출한 표고샘플에 대하여 전문가가 수작업으로 판정하고 있으며, 선별작업 역시 전적으로 수작업에 의존하고 있다. 단순한 반복작업으로 보이는 농산물의 등급판정은 사실 시각과 촉각을 위시한 고도의 감각신경계를 통하여 상호 복잡하게 얽혀 들어오는 정보를 지능적으로 처리하는 고기능의 작업이다. 농산물의 경우, 외관특성을 비롯한 물성은 종류별로 그 경계치를 일괄적으로 명확하게 규정할 수 없기 때문에 대개는 오차를 포함한 통계적 접근에 의하여 규정하고 있다. 따라서 농산작업에 있어서는 농산물 물성이 갖는 모호성을 효율적으로 처리할 수 있는 가변적인 작업구조 및 정보처리가 필수적으로 요구된다. 본 연구에서는 인간 뇌의 정보처리 기능을 부분적으로 구현할 수 있는 인공신경회로망을 컴퓨터 시각 시스템에 적용하여 단순 기하도형의 분류 및 표고의 등급판정을 성공적으로 수행하였다. 회로망 입력으로는 컴퓨터시각 시스템을 이용하여 건조표고의 정성적 외관특징을 자동으로 추출한 후 정량화한 특징점 값들을 이용하였다. 신경회로망의 학습은 표본 추출한 등급표고와 이들의 정량적 특징점 값들을 입출력 쌍으로 하여 수행하였다. 학습한 회로망의 등급판정 성능시험은 표본추출한 미지의 표고에 대한 컴퓨터 영상 특징점 값들을 입력하여 수행하였다.

• 한국멀티미디어학회논문지
• /
• 제10권8호
• /
• pp.981-996
• /
• 2007

본 논문에서는 연속적인 제스처 영상으로 부터 주 인자 분석을 통해 얻어진 동작 특징 정보를 이용하여 제스처를 인식하는 방법에 대해 기술한다. 제안된 방법은 먼저, 인간의 신체 영상이 포함된 연속적인 입력영상에서 2차원 실루엣 제스처 영역을 분할한 다음 전역특징정보와 지역특징정보를 추출한다. 여기서 전역특징정보는 요인 분석을 통하여 제스처를 효과적으로 표현하는 의미 있는 소수의 핵심 특징을 선택하여 이용한다. 추출 된 특징정보로 부터 제스처의 시간 변화를 나타내는 특징히스토리정보를 얻어 저 차원 제스처공간을 구성한다. 마지막으로 제스처 공간상에 투영된 모델 특징 값은 은닉마르코프 모델의 입력 기호로 이용되기 위해 군집화 알고리즘을 통해 특정한 상태 기호로 구성되며 임의의 입력 동작은 확률 값이 가장 높은 해당 제스처 모델로 인식된다. 주 인자 분석으로부터 제스처에 기여도가 높은 특징인자로 모델을 구성하기 때문에 외관기반방법에서 몸의 형상 정보만을 특징 값으로 이용하거나 직관적인 방법으로 특징을 추출하는 방법보다 복잡한 동작에서 비교적 우수한 인식률을 나타낸다.

• 한국건축시공학회지
• /
• 제17권6호
• /
• pp.545-557
• /
• 2017

이 연구는 사회 기반 구조물의 노후화에 대한 안전점검 기술분야에서 구조물 외관점검 기술의 효율적 대안에 관한 연구이다. 기존 육안점검 및 조사를 대신하여 산업용 드론과 딥 러닝기반의 이미지 분석 기법을 접목함으로써 막대한 인력과 시간소요 및 비용을 절감하고 높은 구역 및 돔 구조물의 접근 한계를 극복하고자 하였다. 구조물의 0.3mm 이상의 균열 손상을 검지할 수 있는 고 해상도 카메라와 라이다 센서, 임베디드 이미지 프로세서 모듈로 구성된 탑재체를 제작하여 산업용 드론에 탑재하였다. 이를 현장 시험에 적용하여 자동비행항법을 통해 시편의 손상 이미지를 촬영하였다. 또한 균열경을 이용하여 기존 육안 점검 방법으로 백태, 박리박락과 같은 면적형 손상과 선형 손상인 균열의 폭과 길이를 측정하여 최종 이미지 분석 검출 결과와 비교하고자 하였다. 촬영된 이미지 중 80장의 샘플을 골라 이미지 분석 기법을 적용하여 사전처리작업(pre-processing)-분리작업(segmentation)-특징점 추출작업(feature extraction)-분류 작업(Classification)-지도학습작업(supervised learning) 등의 과정을 거쳐 손상을 분리하고, 이를 딥러닝 기반 플랫폼으로 지도학습하여 분석 파라미터를 추출하였다. 지도학습을 수행하지 않은 임의의 이미지 샘플 60장을 신규로 추가하여 추출된 파라미터를 기반으로 이미지 분석을 수행한 결과, 손상 검출율의 90.5%로 나타났다.

• 생물환경조절학회지
• /
• 제1권1호
• /
• pp.37-51
• /
• 1992

Quantizing and extracting visual features of mushroom(Lentinus edodes L.) are crucial to the sorting and grading automation, the growth state measurement, and the dried performance indexing. A computer image processing system was utilized for the extraction and measurement of visual features of front and back sides of the mushroom. The image processing system is composed of the IBM PC compatible 386DK, ITEX PCVISION Plus frame grabber, B/W CCD camera, VGA color graphic monitor, and image output RGB monitor. In this paper, an automatic thresholding algorithm was developed to yield the segmented binary image representing skin states of the front and back sides. An eight directional Freeman's chain coding was modified to solve the edge disconnectivity by gradually expanding the mask size of 3$\times$3 to 9$\times$9. A real scaled geometric quantity of the object was directly extracted from the 8-directional chain element. The external shape of the mushroom was analyzed and converted to the quantitative feature patterns. Efficient algorithms for the extraction of the selected feature patterns and the recognition of the front and back side were developed. The developed algorithms were coded in a menu driven way using MS_C language Ver.6.0, PC VISION PLUS library fuctions, and VGA graphic functions.

• 감성과학
• /
• 제25권4호
• /
• pp.129-138
• /
• 2022

음성 어시스턴트가 차량에 탑재되기 시작하면서, 차량의 조형적 특징과 음성 어시스턴트간의 연관성이 중요해지고 있다. 본 연구는 자동차에 적용된 음성 어시스턴트와 외관의 조화스러움에 대하여 공통된 감성적 특징을 기반으로 살펴보고자 하였다. 12가지 차량 이미지와 6가지의 음성 어시스턴트에 대해 15종의 형용사를 바탕으로 감성 평가를 실시하였다. 실험은 온라인 개별 인터뷰로 진행되었으며, 총 24명의 대학생이 참여하였다. 참여자들은 각 자극물을 대표하는 감성 형용사 3종을 1, 2, 3위로 평가하고, 선정 이유에 대한 간단한 인터뷰를 진행하였다. 설문 결과에 대해 주성분분석을 수행하여 2개의 주요 요인을 추출한 뒤, 각 요인을 축으로 하여 자극물을 분포시켰다. 분포도를 바탕으로 감성적 특징을 도출하고자 계층적 군집 분석을 수행하였다. 주성분 분석 결과 자동차 이미지와 음성 어시스턴트를 설명하는 감성적 차원으로 "편안한-급진적인"과 "가벼운-무거운"이 추출되었다. 두 차원을 바탕으로 자극물들을 분포시킨 결과, 자동차와 음성 어시스턴트가 동일한 축을 바탕으로 다양하게 분포해 두 요인이 자극물간 감성적 특징을 도출하기에 적합하다고 판단되었다. 자극물들의 분포도를 바탕으로 계층적 군집분석을 수행하여 17개의 자극물을 4가지 군집으로 추렸다. 각 군집은 도전적인, 우아한, 위엄있는, 활기찬 그룹으로 도출되었다. 본 연구에서는 차량의 조형적 특징과 음성 어시스턴트의 감성적 이미지를 동시에 설명할 수 있는 두 축을 도출하였다. 도출된 축을 바탕으로 그려진 분포도에 군집 분석을 수행해 감성적 특징을 분류하였으며, 총 4개의 감성적 특징이 도출되었다. 본 연구는 자동차의 조형적 특징에 맞춘 음성 어시스턴트 제안을 위한 디자인 품평 가이드로 활용되어, 추후 출시되는 차량에서 사용자들의 자동차 음성 어시스턴트 감성 경험이 증진될 것으로 기대한다.

• 한국정보통신학회논문지
• /
• 제24권3호
• /
• pp.341-348
• /
• 2020

인간의 눈과 같이 이미지에서 유용한 정보를 추출하는 기능은 인공지능 컴퓨터 구현에 필수적인 인터페이스 기술이다. 이미지에서 건물을 인식하여 추론하는 기술은 다양한 형태의 건물 외관, 계절에 따른 주변 잡음 이미지의 변화, 각도 및 거리에 따른 왜곡 등으로 다른 이미지 인식 기술 보다 인식률이 떨어진다. 지금까지 제시된 컴퓨터 비전(Computer Vision) 기반의 건물 인식 알고리즘들은 건물 특성을 수작업으로 정의하기 때문에 분별력과 확장성에 한계가 있다. 본 논문은 최근 이미지 인식에 유용한 딥러닝의 CNN(Convolutional Neural Network) 모델을 활용하는데 건물 외관에 나타나는 변화, 즉 계절, 조도, 각도 및 원근에 의해 떨어지는 인식률을 향상시키는 새로운 방법을 제안한다. 건물 전체 이미지와 함께 건물의 특징을 나타내는 부분 이미지들, 즉 창문이나 벽재 이미지의 데이터 세트를 함께 학습시키고 건물 인식에 활용함으로써 일반 CNN 모델 보다 건물 인식률을 약 14% 향상됨을 실험으로 증명하였다.

• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2737-2749
• /
• 1998

최근의 생산자동화 설비에서 시각시스템을 이용한 검사의 중요성이 증가되고 있다.본 연구에서는 시각시스템을 이용한 반도체 외관검사 방법을 제안하였다. 기존의 연구가 특징점을 통한 칩의 위치 및 기울어짐에 집중되어 있으나 본 연구에서는 물체 영역분할 방법으로 검사 대상의 리드영역분할 및 리드 추출을 제안하였으며, 불량 검사 방법으로 치수에 의한 검사방법이 주를 이루나 본 연구에서는 모멘트를 이용한 불량 빈도에 의한 단계적 검사 방법을 제안하였다. 기존의 방법과 비교실험에서 제안 방법의 영역분할 방법과 순차적 방법의 우수성과 불변 모멘트를 이용한 검사의 유용성을 입증하였다.