• Journal of the Korean Society for Nondestructive Testing
• /
• v.37 no.1
• /
• pp.21-28
• /
• 2017

Eddy current array (ECA) technology provides the ability to electronically scan without mechanical scanning for a footprint of probe that consists of several eddy current coils arranged side-by-side and two dimensionally. Compared to single-coil eddy current technology, the ECA technology has a higher inspection speed and reliability because a large area can be covered in a single-probe pass and the obtained images can facilitate data interpretation. In this study, we developed an eddy current array probe with $2{\times}16$ coil arrays and a multiplexer that can select transmit-receive coils sequentially and operate in transmit-receive mode. Surface inspection was performed using this probe for specimens that had various flaws and the characteristics of transmit-receive mode ECA technology was studied through an analysis of the obtained eddy current signals and C-scan images.

• Korean Journal of Construction Engineering and Management
• /
• v.25 no.2
• /
• pp.36-44
• /
• 2024

This paper presents the application of Convolutional Neural Networks (CNNs) and Region of Interest (ROI) techniques for concrete crack analysis. Surfaces of concrete structures, such as beams, etc., are exposed to fatigue stress and cyclic loads, typically resulting in the initiation of cracks at a microscopic level on the structure's surface. Early detection enables preventative measures to mitigate potential damage and failures. Conventional manual inspections often yield subpar results, especially for large-scale infrastructure where access is challenging and detecting cracks can be difficult. This paper presents data collection, edge segmentation and ROI techniques application, and analysis of concrete cracks using Convolutional Neural Networks. This paper aims to achieve the following objectives: Firstly, achieving improved accuracy in crack detection using image-based technology compared to traditional manual inspection methods. Secondly, developing an algorithm that utilizes enhanced Sobel edge segmentation and ROI techniques. The algorithm provides automated crack detection capabilities for non-destructive testing.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.27 no.2
• /
• pp.173-182
• /
• 2007

Cracks in concrete structures should be measured to periodically assess potential problems in durability and serviceability. Conventional crack measurement systems depend on visual inspections and manual measurements of the crack features such as width, length, and direction using microscope and crack gage. However, conventional methods take long time as well as manpower, and lack quantitative objectivity resulted by inspectors. In this study, an evaluation technique for concrete surface cracks is developed using image processing and artificial neural network. Developed technique consists of three major parts: (1) crack detection (2) crack analysis and (3) pattern recognition. To examine validity of the technique developed in this study, crack analyzing tests were performed on the images obtained from various types of concrete surface cracks. The test results revealed that the system is highly effective in automatically analyzing concrete surface cracks in terms of features and patterns of cracks.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.28 no.5
• /
• pp.395-400
• /
• 2008

Alternating magnetic field was used for detection of surface flaws on nonmagnetic and magnetic metallic specimens. The nondestructive sensor probe was composed of the planar coil with inductive magnetic thin film yoke as a sensing component and a single straight typed exciting coil. The planar inductive coil sensor with magnetic yoke was fabricated by sputtering, electroplating, dry etching and photolithography process. The alternative currents with the range of 0.1A to 1.0A (0.7 MHz to 1.8 MHz) were applied to the exciting coil. The specimens were prepared with the slit shaped artificial surface flaws (minimum depth and width; 0.5 mm) on metallic plate (Al; nonmagnetic metal and FeC; magnetic metal). The detected signal for the positions and shapes of surface flaws on specimens were obtained with high sensitivity and high signal to ratio. The measured output signals by the non-contacted scanning on surface of FeC specimen with micron-sized crack were converted to the images of the flaws. And these results were compared with the optical images, respectively.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.5
• /
• pp.211-220
• /
• 2022

Recently, research on smart factories triggered by the 4th industrial revolution is being actively conducted. Accordingly, the manufacturing industry is conducting various studies to improve productivity and quality based on deep learning technology with robust performance. This paper is a study on the method of detecting tire surface defects in the visual inspection stage of the tire manufacturing process, and introduces a tire surface defect detection method using a depth image acquired through a 3D camera. The tire surface depth image dealt with in this study has the problem of low contrast caused by the shallow depth of the tire surface and the difference in the reference depth value due to the data acquisition environment. And due to the nature of the manufacturing industry, algorithms with performance that can be processed in real time along with detection performance is required. Therefore, in this paper, we studied a method to normalize the depth image through relatively simple methods so that the tire surface defect detection algorithm does not consist of a complex algorithm pipeline. and conducted a comparative experiment between the general normalization method and the normalization method suggested in this paper using YOLO V3, which could satisfy both detection performance and speed. As a result of the experiment, it is confirmed that the normalization method proposed in this paper improved performance by about 7% based on mAP 0.5, and the method proposed in this paper is effective.

• 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 Korean Society for Nondestructive Testing
• /
• v.33 no.2
• /
• pp.187-192
• /
• 2013

Fatigue crack was detected from a temperature change around surface crack using the thermographic technique. Thermal gradient across the crack decreased very much due to thermal resistance of contact surface in the crack. Heat diffusion flow passing through the discontinuity was visualized in temperature by infrared camera to find and locate the crack. A fatigue crack specimen(SM-45C), which was prepared according to KS specification and notched in its center to initiate fatigue crack from the notch tip, was heated by halogen lamp at the end of one side to generate a heat diffusion flow in lateral direction. A abrupt jump in temperature across the fatigue crack was observed in thermographic image, by which the crack could be located and sized from temperature distribution.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.369-372
• /
• 2010

평판 디스플레이(flat panel display)의 크기가 커짐에 따라 다양한 기판을 이용한 제조 방법이 개발되고 있다. 디스플레이 제조 공정 중 기판의 결함을 찾아서 분류하는 검사 시스템은 최종 제품의 품질을 결정하는 매우 중요한 부분이다. 본 연구는 머신비전 기술을 이용하여 불투명하고 반사율이 높은 기판 표면의 결함을 찾아내고, 이 결함을 스크래치(scratch), 흑결함(dark defect), 백결함(white defect)으로 분류하는 장치를 구현하는데 목적이 있다. 이를 구현하기 위해 본 논문에서는 정밀 스테이지(stage)와 라인 카메라(line CCD camera)을 이용한 광학계를 활용하여 검사 시스템을 구현하였다. 구축된 시스템을 이용하여 취득한 이미지를 12 개의 영역으로 등분하여 각각의 국부 영역에 대한 문턱값 연산(thresholding)을 적용함으로써 조명의 불균일을 의한 검출 에러율을 획기적으로 낮추었다. 간단한 컴퓨터비전 알고리듬의 채용으로도 검사 시스템의 구현이 가능함을 보였다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2014.02a
• /
• pp.109-110
• /
• 2014

주사전자현미경(Scanning Electron Microscopy: SEM)은 고체상태에서 미세조직과 형상을 관찰하는 데에 가장 다양하게 쓰이는 분석기기로서 최근에 판매되고 있는 고분해능 SEM은 수 나노미터의 분해능을 가지고 있다. 그리고 SEM의 초점심도가 크기 때문에 3차원적인 영상의 관찰이 용이해서 곡면 혹은 울퉁불퉁한 표면의 영상을 육안으로 관찰하는 것처럼 보여준다. 활용도도 매우 다양해서 금속파면, 광물과 화석, 반도체 소자와 회로망의 품질검사, 고분자 및 유기물, 생체시료 nnnnnnnnn와 유가공 제품 등 모든 산업영역에 걸쳐 있다(Fig. 1). 입사된 전자빔이 시료의 원자와 탄성, 비탄성 충돌을 할 때 2차 전자(secondary electron)외에 후방산란전자(back scattered electron), X선, 음극형광 등이 발생하게 되는 이것을 통하여 topography (시료의 표면 형상), morphology(시료의 구성입자의 형상), composition(시료의 구성원소), crystallography (시료의 원자배열상태)등의 정보를 얻을 수 있다. SEM은 2차 전자를 이용하여 시료의 표면형상을 측정하고 그 외에는 SEM을 플랫폼으로 하여 EDS (Energy Dispersive X-ray Spectroscopy), WDS (Wave Dispersive X-ray Spectroscope), EPMA (Electron Probe X-ray Micro Analyzer), FIB (Focus Ion Beam), EBIC (Electron Beam Induced Current), EBSD (Electron Backscatter Diffraction), PBMS (Particle Beam Mass Spectrometer) 등의 많은 분석장치들이 SEM에 부가적으로 장착되어 다양한 시료의 측정이 이루어진다. 이 중 결정구조, 조성분석을 쉽고 효과적으로 할 수 있게 하는 X선 분석장치인 EDS를 SEM에 일체화시킨 장비와 EDS 및 PBMS를 SEM에 장착하여 반도체 공정 중 발생하는 나노입자의 형상, 성분, 크기분포를 측정하는 PCDS(Particle Characteristic Diagnosis System)에 대해 소개하고자 한다. - EDS와 통합된 SEM 시스템 기본적으로 SEM과 EDS는 상호보완적인 기능을 통하여 매우 밀접하게 사용되고 있으나 제조사와 기술적 근간의 차이로 인해 전혀 다른 방식으로 운영되고 있다. 일반적으로 SEM과 EDS는 별개의 시스템으로 스캔회로와 이미지 프로세싱 회로가 개별적으로 구현되어 있지만 로렌츠힘에 의해 발생하는 전자빔의 왜곡을 보정을 위해 EDS 시스템은 SEM 시스템과 연동되어 운영될 수 밖에 없다. 따라서, 각각의 시스템에서는 필요하지만 전체 시스템에서 보면 중복된 기능을 가지는 전자회로들이 존재하게 되고 이로 인해 SEM과 EDS에서 보는 시료의 이미지의 차이로 인한 측정오차가 발생한다(Fig. 2). EDS와 통합된 SEM 시스템은 중복된 기능인 스캔을 담당하는 scanning generation circuit과 이미지 프로세싱을 담당하는 FPGA circuit 및 응용프로그램을 SEM의 회로와 프로그램을 사용하게 함으로 SEM과 EDS가 보는 시료의 이미지가 정확히 일치함으로 이미지 캘리브레이션이 필요없고 측정오차가 제거된 EDS 측정이 가능하다. - PCDS 공정 중 발생하는 입자는 반도체 생산 수율에 가장 큰 영향을 끼치는 원인으로 파악되고 있으며, 생산수율을 저하시키는 원인 중 70% 가량이 이와 관련된 것으로 알려져 있다. 현재 반도체 공정 중이나 반도체 공정 장비에서 발생하는 입자는 제어가 되고 있지 않은 실정이며 대부분의 반도체 공정은 저압환경에서 이루어지기에 이 때 발생하는 입자를 제어하기 위해서는 저압환경에서 측정할 수 있는 측정시스템이 필요하다. 최근 국내에서는 CVD (Chemical Vapor Deposition) 시스템 내 파이프내벽에서의 오염입자 침착은 심각한 문제점으로 인식되고 있다(Fig. 3). PCDS (Particle Characteristic Diagnosis System)는 오염입자의 형상을 측정할 수 있는 SEM, 오염입자의 성분을 측정할 수 있는 EDS, 저압환경에서 기체에 포함된 입자를 빔 형태로 집속, 가속, 포화상태에 이르게 대전시켜 오염입자의 크기분포를 측정할 수 있는 PBMS가 일체화 되어 반도체 공정 중 발생하는 나노입자 대해 실시간으로 대처와 조치가 가능하게 한다.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.25 no.2
• /
• pp.95-102
• /
• 2005

There are many tube and pipeline in nuclear power plant under high temperature and high pressure. Erosion and corrosion defects were expected on these tube and pipe-line by environmental and mechanical factors. These erosion and corrosion defects ran be evaluated by ultrasonic technique. In these study, Scanning Laser Source(SLS) technique was applied to detect defect and construct image. This technique also makes detection possible on rough and curved surfaces such as tube and pipe-line by scanning. Conventional ultrasonic scanning technique requires immersion of specimen or water jet for transferring ultrasonic wave between transducer and specimen. However, this SLS technique does not need contacting and couplant to generate surface wave and to get flaw images. Therefore, this SLS technique has several advantages, for complicated production inspection, non-contact, remote from specimen, and high resolution. In this study, SLS images were obtained with various conditions of generation laser ultrasound and receiving in order to enhance detectability of flaws on the tube. Stress corrosion cracks were produced on tube and images of stress corrosion cracks were constructed by using SLS technique.