• 정보처리학회논문지B
• /
• 제9B권2호
• /
• pp.245-254
• /
• 2002

머신비전을 이용한 IC 패키지 마킹검사 시스템은 입력영상으로부터 검사할 요소들의 위치를 식별하고, 추출된 요소들을 학습된 표준 패턴과 비교하여 마킹의 불량 여부를 판단한다. 본 논문에서는 검사 대상 IC 패키지의 위치 판별, 마킹문자 추출, 핀원딤플 검출과 같은 일련의 작업들에 적합한 적응적 다단계 이진화 방법과 마킹문자의 국소적인 오류검출은 물론 잡영에 강건한 정합단위의 동적 선택 방법을 제안한다. 제안하는 이진화 방법은 이진화 대상 영역과 명도 값의 범위를 제한하여 Otsu의 이진화 알고리즘을 적용함으로써 특정 응용에 적응적인 이진화가 가능하다. 정합단위의 동적 선택 방법은 문자추출 및 배치분석에 대한 결과에 따라 정합단위를 선택한다. 그러므로 문자추출 및 배치분석 과정에서 발생하는 예기치 못한 부적절한 상황에서도 가능한 범위내에서 최소의 정합단위를 선택할 수 있다. 제안된 방법을 구현하여 8종의 IC 패키지, 총 280개의 영상에 대하여 실험한 결과, IC 패키지와 핀원딤플의 검출율은 100%였으며, 마킹상태에 대한 판정은 98.8%의 정확도를 나타내어 제안된 방법이 효과적임을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2001년도 추계종합학술대회
• /
• pp.363-366
• /
• 2001

현재 육안에 의한 피혁의 등급 판정 과정은 장시간 시 피로에 의한 일관성 결여로 인해 판정 결과에 대한 신뢰성을 주지 못한다. 따라서 피혁의 품질을 결정하기 위한 객관적인 지표와 이를 기준으로 등급 판정 과정의 자동화가 필요하다. 본 논문에서 적용된 피혁 자동 선별 시스템은 피혁에 대한 정보를 취득하는 과정과 이들 정보로부터 등급을 판정하는 과정으로 구성된다. 피혁의 품질은 조밀도와 결함의 종류 및 분포도와 같은 피혁 정보에 의해 결정된다. 본 논문에서는 디지털 카메라에 의해 획득된 흑백 영상으로부터 피혁의 조밀도 및 결함에 대한 정보를 추출하는 알고리즘을 제안한다. 조밀도에 대한 정보는 원 영상을 주파수 영역으로 변환한 후 나타나는 퓨리에 스펙트럼 분포의 특징 값들에 의해서 추출된다. 그리고 결함에 대한 정보는 전처리 과정을 거친 영상으로부터 경계선 검출 후 검색 윈도우를 사용하여 윈도우에 해당하는 픽셀들의 통계적 수치에 의해서 검출된다. 피혁 전체에 대한 정보들은 피혁의 등급을 판정하는 지표로 사용되며 실제 머신 비젼 시스템에 적용된다.

• Smart Structures and Systems
• /
• 제24권5호
• /
• pp.567-585
• /
• 2019

In the past two decades, structural health monitoring (SHM) systems have been widely installed on various civil infrastructures for the tracking of the state of their structural health and the detection of structural damage or abnormality, through long-term monitoring of environmental conditions as well as structural loadings and responses. In an SHM system, there are plenty of sensors to acquire a huge number of monitoring data, which can factually reflect the in-service condition of the target structure. In order to bridge the gap between SHM and structural maintenance and management (SMM), it is necessary to employ advanced data processing methods to convert the original multi-source heterogeneous field monitoring data into different types of specific physical indicators in order to make effective decisions regarding inspection, maintenance and management. Conventional approaches to data analysis are confronted with challenges from environmental noise, the volume of measurement data, the complexity of computation, etc., and they severely constrain the pervasive application of SHM technology. In recent years, with the rapid progress of computing hardware and image acquisition equipment, the deep learning-based data processing approach offers a new channel for excavating the massive data from an SHM system, towards autonomous, accurate and robust processing of the monitoring data. Many researchers from the SHM community have made efforts to explore the applications of deep learning-based approaches for structural damage detection and structural condition assessment. This paper gives a review on the deep learning-based SHM of civil infrastructures with the main content, including a brief summary of the history of the development of deep learning, the applications of deep learning-based data processing approaches in the SHM of many kinds of civil infrastructures, and the key challenges and future trends of the strategy of deep learning-based SHM.

• 전자공학회논문지S
• /
• 제36S권11호
• /
• pp.79-88
• /
• 1999

본 논문은 움직이는 물체가 존재하는 영상열에서 특정 물체만을 계속 추적하고자 하는 방법을 제안하였다. 밝기값과 동작(motion)경계점에 기반을 둔 윤곽선(contour) 추적 알고리즘을 이용하였다. 영상에서 움직이는 물체의 윤곽선의 동작은 이동, 회전, 크기변화를 나타내는 아핀 동작 모델에 의해 잘 묘사되어짐을 가정한다. 움직이는 물체의 윤곽선은 영상열을 따라 추정되는 B-스플라인에 의해 위치와 동작이 표현된다. 패턴인식을 이용하여 추적하고자하는 물체인지를 판별한다. 선형 칼만 필터를 사용하기 위해 아핀 동작 매개변수와 움직이는 물체의 윤곽선 모양(shape)의 두 필터로 추정과정을 나누었다. 차량계기판을 대상으로 한 실험영상에서 이 방법을 이용하여 방해물체가 존재하는 경우에도 안정된 동작의 추정과 추적된 궤적의 획득이 가능함을 보였다.