• 반도체디스플레이기술학회지
• /
• 제20권1호
• /
• pp.64-69
• /
• 2021

In this paper, a method for improving the defect classification performance in low contrast, ununiformity and featureless steel plate surfaces has been studied based on deep convolution neural network and transfer-learning neural network. The steel plate surface images have low contrast, ununiformity, and featureless, so that the contrast between defect and defect-free regions are not discriminated. These characteristics make it difficult to extract the feature of the surface defect image. A classifier based on a deep convolution neural network is constructed to extract features automatically for effective classification of images with these characteristics. As results of the experiment, AlexNet-based transfer-learning classifier showed excellent classification performance of 99.43% with less than 160 seconds of training time. The proposed classification system showed excellent classification performance for low contrast, ununiformity, and featureless surface images.

• 한국음향학회지
• /
• 제19권3호
• /
• pp.20-25
• /
• 2000

본 논문에서는 3차원 물체 인식을 위한 표면 분류 및 임계치 선정 방법에 대해 제안 하고자 한다. 3차원 영상 처리는 크게 거리 영상의 획득과 특징 추출 그리고 정합 과정으로 이루어진다. 본 논문에서는 전체 3차원 영상 처리 시스템중 거리 영상을 입력으로 했을 시 형상 특징을 추출하는 방법에 대해 제안하고자 한다. 이를 위해 첫째, 거리 영상의 깊이 변화 부호 값의 분포 특성에 따라 표면을 분류하는 방법을 제안하고자 한다. 또한 평균 곡률과 가우스 곡률을 이용하여 표면을 분류했던 기존 방법을 토대로 그의 문제점이었던 실제 거리 영상에서의 임계치 선정 방법에 대하여 제안하고자 한다. 끝으로 제안한 방법의 유용성을 실험에 의해 입증하고자 한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.171-171
• /
• 2000

We have developed m innovative surface inspection system for automated quality control for steel products in POSCO. We had ever installed the various kinds of surface inspection systems, such as a linear CCD and a laser typed surface inspection systems at cold rolled strips production lines. But, these systems cannot fulfill the sufficient detection and classification rate, and real time processing performance. In order to increase detection and classification rate, we have used the Dark, Bright and Transition Field illumination and area type CCD camera, and fur the real time image processing, parallel computing has been used. In this paper, we introduced the automatic surface inspection system and real time image processing technique using the Object Detection, Defect Detection, Classification algorithms and its performance obtained at the production line.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.277-292
• /
• 2020

본 연구에서는 천수만 황도 갯벌 지역을 대상으로 UAV 자료와 객체기반영상분석 방법을 사용하여 대축척 갯벌 표층 퇴적상 분류도를 작성하고, 정확도 검증을 수행하여 정밀한 표층 퇴적상 분류의 가능성과 보다 정확한 분류 방법에 대해 제시하였다. 이를 위해 고해상도 UAV 자료에서 가시광 영역의 정사영상과 수치표고모델(DEM), 조류로 밀도 등 퇴적상 분류 시 영향을 주는 요인들을 추출하고, 통계학적 분석 방법을 통해 퇴적상에 따른 요인들의 주성분을 분석하였다. 주성분 요인을 바탕으로 퇴적상 분류 시 사용할 입력 자료를 (1) 가시광 영역의 스펙트럼, (2) 지형 고도와 조류로 밀도, (3) 가시광 영역의 스펙트럼과 지형 고도 및 조류로 밀도로 구분하였으며, 이를 기반으로 객체기반영상분석 분류방법에 입력 자료를 적용하여 대축척 갯벌 표층 퇴적상 분류도를 추출하였다. 입력 자료의 조건에 따라 표층 퇴적상 분류를 수행한 결과, folk 분류 기준을 따르는 6가지의 표층 퇴적상으로 분류하였고, 가시광 영역의 스펙트럼과 지형 고도, 조류로 밀도를 사용할 경우 전체 정확도가 63.04%, Kappa 지수가 0.54로 가장 효과적으로 표층 퇴적상을 분류하였다.

• 전자공학회논문지B
• /
• 제29B권7호
• /
• pp.70-78
• /
• 1992

In this paper, an approach for 3-D object segmentation and classification, which is based on eigen-values of polynomial function as their surface features, using neural network is proposed. The range images of 3-D objects are classified into surface primitives which are homogeneous in their intrinsic eigenvalue properties. The misclassified regions due to noise effect are merged into correct regions satisfying homogeneous constraints of Hopfield neural network. The proposed method has advantage of processing both segmentation and classification simultaneously.

• 반도체디스플레이기술학회지
• /
• 제19권3호
• /
• pp.1-6
• /
• 2020

In this paper, a method for improving the defect classification performance in steel plate surface has been studied, based on DWT(discrete wavelet transform) and SVM(support vector machine). Surface images of the steel plate have low contrast, uneven, and featureless, so that the contrast between defect and defect-free regions is not discriminated. These characteristics make it difficult to extract the feature of the surface defect image. In order to improve the characteristics of these images, a synthetic images based on discrete wavelet transform are modeled. Using the synthetic images, edge-based features are extracted and also geometrical features are computed. SVM was configured in order to classify defect images using extracted features. As results of the experiment, the support vector machine based classifier showed good classification performance of 94.3%. The proposed classifier is expected to contribute to the key element of inspection process in smart factory.

• 한국측량학회지
• /
• 제29권4호
• /
• pp.429-438
• /
• 2011

LiDAR technology is a combination of laser ranging, satellite positioning technology and digital image technology for study and determination with high accuracy of the true earth surface features in 3 D. Laser scanning data is typically a points cloud on the ground, including coordinates, altitude and intensity of laser from the object on the ground to the sensor (Wehr & Lohr, 1999). Data from laser scanning can produce products such as digital elevation model (DEM), digital surface model (DSM) and the intensity data. In Vietnam, the LiDAR technology has been applied since 2005. However, the application of LiDAR in Vietnam is mostly for topological mapping and DEM establishment using point cloud 3D coordinate. In this study, another application of LiDAR data are present. The study use the intensity image combine with some other data sets (elevation data, Panchromatic image, RGB image) in Bacgiang City to perform land cover classification using neural network method. The results show that it is possible to obtain land cover classes from LiDAR data. However, the highest accurate classification can be obtained using LiDAR data with other data set and the neural network classification is more appropriate approach to conventional method such as maximum likelyhood classification.

• 비파괴검사학회지
• /
• 제17권3호
• /
• pp.162-173
• /
• 1997

최근 산업 발전에 따라 철강 제품의 수요 증가와 함께 품질의 고급화에 대한 요구도 점차 증가하고 있는데, 이러한 수요자의 요구에 부응하기 위해 철강업계는 냉연 강판 표면결함검출기(surface defect detector; SDD)를 도입 운용하고 있다. 그러나 현재 국내 철강 제조업체들이 보유하고 있는 상용 SDD는 결함의 검출에는 매우 효율적이지만 결함의 분류에는 아직 만족할만한 성능을 보여주지 못하고 있다. 그 이유는 SDD가 결함 분류를 위해 채택한 분류표분류기(classification table; CT)는 시험 표본의 모든 특징값들이 분류표의 범위 내에 있을 때만 결함의 분류를 정확히 수행하기 때문에 결함 분류 정확도가 낮을 뿐 아니라, 분류 법칙의 설정을 작업자의 수작업에 의존하고 있어 현장 적용을 더욱 어렵게 하고 있다. 이러한 단점을 극복하기 위해 본 연구에서 학습 표본으로부터 확률밀도함수를 추정하고 여기에서 분류 법칙을 자동적으로 결정하는 방법을 제시하였고, 강화분류표분류기(enhanced classification table; ECT)와 확률신경회로망분류기(probabilistic neural network; PNN)를 새롭게 제안하여 이들 분류기를 실제적인 문제에 적용하였다. 그 결과 ECT와 PNN 모두 결함 분류 성능을 획기적으로 높일 수 있는 좋은 방법이며, 특히 PNN은 아주 구별하기 어려운 결함도 구별해내는 능력이 있을 뿐 아니라, 병렬 처리 능력을 가지고 있기 때문에 다량의 데이터를 실시간으로 처리해야 하는 경우에 적용할 수 있는 매우 효율적인 분류기임을 확인하였다.

• Smart Structures and Systems
• /
• 제25권2호
• /
• pp.255-264
• /
• 2020

This paper deals with a defect classification technique that considers the structural characteristics of a refrigerant compressor. First, the pressure pulsation of the refrigerant flowing in the suction pipe of a normal compressor was measured at the same time as the acceleration of the shell surface, and then the transfer function between the two signals was estimated. Next, the frequency-weighted acceleration signals of the defect classification target compressors were generated using the estimated transfer function. The estimation of the variance of the transfer function is presented to formulate the frequency-weighted acceleration signals. The estimated frequency-weighted accelerations were applied to defect classification using frequency-domain features. Experiments were performed using commercial compressors to verify the technique. The results confirmed that it is possible to perform an effective defect classification of the refrigerant compressor by the shell surface acceleration of the compressor. The proposed method could make it possible to improve the total inspection performance for compressors in a mass-production line.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 추계종합학술대회 논문집(3)
• /
• pp.109-112
• /
• 2000

Many applications in computer graphics require highly detailed complex models. However, the level of detail may vary considerably according to applications. It is often desirable to use approximations in place of excessively detailed models. We have developed a surface simplification algorithm which uses iterative contractions of edges to simplify models and maintains surface error approximations using a quadric metric. In this paper, we present an improved quadric error metric for simplifying meshes. The new metric, based on subdivided edge classification, results in more accurate simplified meshes. We show that a subdivided edge classification captures discontinuities efficiently. The new scheme is demonstrated on a variety of meshes.