• 한국광학회지
• /
• 제32권6호
• /
• pp.286-295
• /
• 2021

RGB/NIR CMOS 센서를 사용하여 가시광에서의 정면 시야각과 가시광(RGB) 및 근적외선(near-infrared, NIR)에서의 측면 시야각을 갖는 캡슐 내시경용 개선된 반사굴절식 전방위 광학계(modified catadioptric omnidirectional optical system, MCOOS)를 설계한다. 전방 시야각 내의 영상은 반사굴절식 전방위 광학계(catadioptric omnidirectional optical system, COOS)의 부경 뒤에 배치된 3개의 추가된 렌즈와 COOS의 결상 렌즈계로 구성된 MCOOS의 전방 결상 렌즈계로 결상한다. 측면 영상은 COOS로부터 얻어진다. 이 센서에 대한 가시광과 근적외선에서의 나이퀴스트 주파수는 각각 90 lp/mm와 180 lp/mm이다. 설계 사양에서 전장길이, F-수, 전방과 측면 반화각은 각각 12 mm, 3.5, 70°, 50°-120°로 결정하였다. MCOOS의 COOS에 대한 변조전달함수 0.3에서의 공간주파수, 초점심도, 가시광과 근적외선 영역에서의 공차에 따른 누적 확률은 각각 154 lp/mm, -0.051-+0.052 mm, 99%이다. MCOOS의 정면 결상광학계의 변조전달함수 0.3에서의 공간주파수, 초점 심도, 가시광 영역에서 공차에 따른 누적 확률은 각각 170 lp/mm, -0.035-0.051 mm, 99.9%이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권6호
• /
• pp.1516-1529
• /
• 2023

In this paper, a motor gearbox fault-detection system based on a hierarchical flow-based model is proposed. The proposed system is used for the anomaly detection of a motion sound-based actuator module. The proposed flow-based model, which is a generative model, learns by directly modeling a data distribution function. As the objective function is the maximum likelihood value of the input data, the training is stable and simple to use for anomaly detection. The operation sound of a car's side-view mirror motor is converted into a Mel-spectrogram image, consisting of a folding signal and an unfolding signal, and used as training data in this experiment. The proposed system is composed of an encoder and a decoder. The data extracted from the layer of the pretrained feature extractor are used as the decoder input data in the encoder. This information is used in the decoder by performing an interlayer cross-scale convolution operation. The experimental results indicate that the context information of various dimensions extracted from the interlayer hierarchical data improves the defect detection accuracy. This paper is notable because it uses acoustic data and a normalizing flow model to detect outliers based on the features of experimental data.