• Journal of the Korean Society for Nondestructive Testing
• /
• v.36 no.6
• /
• pp.451-459
• /
• 2016

Crack detection on panels during manufacturing process is an important step for ensuring the product quality. The accuracy and efficiency of traditional crack detection methods, which are performed by eye inspection, are dependent on human inspectors. Therefore, implementation of an on-line and precise crack detection is required during the panel pressing process. In this paper, a regular CCTV camera system is utilized to obtain images of panel products and an image process based crack detection technique is developed. This technique uses a comparison between the base image and a test image using an amplitude mapping of the local image. Experiments are performed in the laboratory and in the actual manufacturing lines to evaluate the performance of the developed technique. Experimental results indicate that the proposed technique could be used to effectively detect a crack on panels with high speed.

• Journal of the Korea Computer Graphics Society
• /
• v.29 no.3
• /
• pp.79-84
• /
• 2023

Image generation models have been applied in various fields to overcome data sparsity, time and cost issues. However, it has limitations in generating images from regular pattern images and detecting defects in such data. In this paper, we verified the feasibility of the image generation model to generate pattern images and applied it to data augmentation for defect detection of OLED panels. The data required to train an OLED defect detection model is difficult to obtain due to the high cost of OLED panels. Therefore, even if the data set is obtained, it is necessary to define and classify various defect types. This paper introduces an OLED panel defect data acquisition system that acquires a hypothetical data set and augments the data with an image generation model. In addition, the difficulty of generating pattern images in the diffusion model is identified and a possibility is proposed, and the limitations of data augmentation and defect detection data augmentation using the image generation model are improved.

• Proceedings of the KAIS Fall Conference
• /
• 2008.11a
• /
• pp.257-259
• /
• 2008

자연이미지에 내포된 텍스트는 많은 정보를 제공함으로 이를 효과적으로 검출하여 다양한 응용분야에 활용될 수 있다. 본 논문에서는 텍스트 영역의 에지 특징과 국부 최소/최대 변환을 이용하여 자연이미지로부터 텍스트 영역 검출 방법을 제안한다. 에지 검출은 캐니-에지 검출기로 추출하고, 국부 최소/최대 변환을 이용하여 텍스트 영역의 연결성분을 추출한다. 각각 추출된 에지 및 연결성분으로부터 텍스트 영역 후보를 검출하고, 각각의 결과를 결합하여 최종적인 텍스트 후보 영역을 검출하고, 후보 텍스트 영역에 대한 검증을 수행함으로서 최종적인 텍스트 영역을 검출한다. 제안한 방법은 다양한 종류의 자연이미지를 대상으로 실험한 결과, 에지 및 연결성분의 두 가지 특징을 결합함으로서 자연이미지에 존재하는 다양한 형태의 텍스트 영역을 효과적으로 검출하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.3
• /
• pp.513-520
• /
• 2020

Recently, the development of a vision inspection system using machine learning has become more active. This study seeks to develop a defect inspection model using machine learning. Defect detection problems for images correspond to classification problems, which are the method of supervised learning in machine learning. In this study, defect detection models are developed based on algorithms that automatically extract features and algorithms that do not extract features. One-dimensional CNN and two-dimensional CNN are used as algorithms for automatic extraction of features, and MLP and SVM are used as algorithms for non-extracting features. A defect detection model is developed based on four models and their accuracy and AUC compare based on AUC. Although image classification is common in the development of models using CNN, high accuracy and AUC is achieved when developing SVM models by converting pixels from images into RGB values in this study.

• Proceedings of the KIEE Conference
• /
• 2006.10a
• /
• pp.16-17
• /
• 2006

적외선 이미지 센서용으로 사용되는 마이크로 볼로미터 센서는 process variation으의 인하여 모든 볼로미터 센서의 셀이 정확한 저항값을 갖지 못하여 입력신호에 왜곡을 가져 온다. 본 논문에서는 적외선 이미지 센서용 CMOS 검출회로를 설계하는 데 있어, 이러한 볼로미터 셀 어레이의 고정패턴잡음(Fixed Pattern hoise)을 최소화하는 방법에 대해 연구하였다. 기존의 단일 입력 방식 검출회로는 볼로미터 셀어레이의 고정패턴잡음을 보정하기 위하여 추가적인 보정 회로를 필요로 하였다. 이러한 문제점을 해결하기 위해서 본 논문에서는 차동 입력 방식 검출회로를 제안하였으며, 이를 적용하여 출력을 살펴본 결과 추가적인 보정회로 없이 20%의 노이즈 감쇠효과를 얻을 수 있다. 연구 결과를 바탕으로 32${\times}$32 크기를 갖는 셀어레이의 볼로미터를 구성하여 전체 칩을 설계하였으며 컴퓨터 시물레이션을 통해 결과를 분석하였다.

• Korean Journal of Optics and Photonics
• /
• v.31 no.5
• /
• pp.205-212
• /
• 2020

In the performance of a wind turbine system, the blades play a vital role. However, they are susceptible to damage arising from complex and irregular loading (which may even cause catastrophic collapse), and they are expensive to maintain. Therefore, it is very important both to find defects after blade manufacturing is completed and to find damage after the blade is used for a certain period of time. This study provides a new perspective for the detection of internal defects in glass-fiber- and carbon-fiber-reinforced panels, which are used as the main materials in wind turbine blades. A gap or fracture between fiber-reinforced materials, which may occur during blade manufacturing or operation, is simulated by drilling a hole 5 mm in diameter in the middle layer of the laminated material. Then, a digital-image-correlation (DIC) method is used to detect internal defects in the blade. Tensile load is applied to the fabricated specimen using a tensile tester, and the generated changes are recorded and analyzed with the DIC system. In the glass-fiber-reinforced laminated specimen, internal defects were detected from a strain value of 5% until the end of the experiment, while in the case of the carbon-fiber-reinforced laminated specimen, internal defects were detected from 1% onward. It was proved using the DIC system that the defect was detected as a certain level of strain difference developed around the internal defects, according to the material properties.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.686-688
• /
• 2020

본 논문에서는 U-Net 모델을 이용하여 정교하고 반복되는 패턴을 가진 인쇄물에 대한 비지도 학습을 통한 딥러닝 기반 이상치탐지(Anomaly Detection) 방법을 제안하였다. 인쇄물(카드)의 비정상 패턴 검출을 위하여 촬영한 영상으로부터 카드 영역을 분리한 이미지로 구성된 Dataset을 구축하였고 정상 이미지와 동일한 이미지를 출력하기 위해, 정상 이미지와 마스크 이미지 쌍의 Training dataset을 U-Net으로 학습하였다. Test dataset의 이미지를 입력으로 넣어 생성된 마스크 결과를 원본 마스크 이미지와 비교하여 이상 여부를 판단하는 본 논문의 방법이 정상, 비정상 인쇄물을 잘 구분하는 것을 확인하였다. 또한 정상과 비정상 이미지 각각을 학습한 지도학습 기반 CNN 분류 방법을 입력 영상과 복원 영상 간의 복원 오차를 비교하여 객체의 이상 여부를 판별하는 본 논문의 방법과 비교 평가하였다. 본 논문을 통해 U-Net을 사용하여 별도로 데이터에 대한 label 취득 없이 이상치를 검출할 수 있음을 확인할 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.45-46
• /
• 2021

본 논문에서는 제조산업의 제품 품질검사의 자동화를 위한 딥러닝 기법을 제안하고 모델의 성능 최적화를 위한 특징 추출 필터의 크기를 비교한다. 이미지 특징을 자동 추출할 수 있는 CNN을 사용하여 전문인력 없이 제품의 표면 결함을 검출하고 제품의 적합성을 판단할 수 있는 이미지 처리 알고리즘을 구축하고 산업 현장에 적용하기 위한 검증 지표로 검출 정확도와 연산속도를 측정하여 결함 검출 알고리즘의 성능을 확인한다. 또한 연산량에 따른 성능 비교를 위해 필터의 크기에 따른 CNN의 성능을 비교하여 결함 검출 알고리즘의 성능을 최적화한다. 본 논문에서는 커널의 크기를 다르게 적용했을 때 빠른 연산으로 높은 정확도의 검출 결과를 얻었다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.32 no.2
• /
• pp.381-390
• /
• 2022

Many attempts have been made to apply image recognition based on machine learning which has recently advanced dramatically to malware detection. They convert executable files to images and train deep learning networks like CNN to recognize or categorize dangerous executable files, which shows promising results. In this study, we are looking for an effective image generation method that may be used to identify malware using machine learning. To that end, we experiment and assess the effectiveness of various image generation methods in relation to malware detection. Then, we suggest a linear image creation method which represents control flow more clearly and our experiment shows our method can result in better precision in malware detection.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.159-162
• /
• 2002

영상분석의 한 분야로서 에지 검출을 이용하는 많은 분야가 있다. 영상의 에지는 입력 영상에 대한 많은 정보를 제공해 준다. 본 논문에서는 입력영상에 대한 에지검출을 통한 윤곽선 추출을 하여 각각의 픽셀에 대한 에지검출 결과값을 비교하였다. 입력영상으로는 얼굴이미지를 사용하였으며 서로 다른 이미지에 대한 Sobel Filter의 검출의 결과 데이터를 각 픽셀마다 비교함으로써 원영상에 대한 동일인임을 판단하는 기준을 제시하였다.