• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.21-22
• /
• 2023

딥러닝 모델은 영상 처리와 불량 감지 등 다양한 분야에서 높은 성능을 발휘하여 산업적으로 매우 중요하고 필수적인 기술이 되었다. 특히, 불량 감지는 제조업 분야에서 제품 품질 향상과 생산성 향상에 핵심적인 역할을 하는 기술로써 큰 관심을 받고 있다. 본 논문에서는 재건축 방식의 대표적인 모델인 DRAEM에 대해 불량 감지 성능을 향상하는 방법을 제시합니다. 이를 위해 컬러 분포의 차이를 최소화하는 손실 함수와 마스킹에 고주파 필터링을 적용하여 노이즈를 제거하는 방법을 활용한다. 이러한 방법들을 통해 DRAEM 모델의 성능을 개선하고, 정확하고 효과적인 불량 감지를 실현할 수 있다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권12호
• /
• pp.6043-6062
• /
• 2019

Low-rank matrix decomposition has shown its capability in many applications such as image in-painting, de-noising, background reconstruction and defect detection etc. In this paper, we consider the texture background of rail track images and the sparse foreground of the defects to construct a low-rank matrix decomposition model with block sparsity for defect inspection of rail tracks, which jointly minimizes the nuclear norm and the 2-1 norm. Similar to ADM, an alternative method is proposed in this study to solve the optimization problem. After image decomposition, the defect areas in the resulting low-rank image will form dark stripes that horizontally cross the entire image, indicating the preciselocations of the defects. Finally, a two-stage defect extraction method is proposed to locate the defect areas. The experimental results of the two datasets show that our algorithm achieved better performance compared with other methods.

• 반도체디스플레이기술학회지
• /
• 제11권2호
• /
• pp.45-51
• /
• 2012

Multilayer co-extrusion blown film construction is a popular technique for producing plastic films for various packaging industries. Automated detection of defective films can improve the quality of film production process. In this paper, we propose a film inspection system that can detect and classify film defects robustly. In our system, first, film images are acquired through a high speed line-scan camera under an appropriate lighting system. In order to detect and classify film defects, an inspection algorithm is developed. The algorithm divides the typical film defects into two groups: intensity-based and texture-based. Intensity-based defects are classified based on geometric features. Whereas, to classify texture-based defects, a texture analysis technique based on local binary pattern (LBP) is adopted. Experimental results revealed that our film inspection system is effective in detecting and classifying defects for the multilayer co-extrusion blown film construction line.

• 한국멀티미디어학회논문지
• /
• 제7권4호
• /
• pp.451-458
• /
• 2004

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 취 득하는 과정과 이들로부터 등급을 판정하는 과정으로 구성된다. 피혁의 품질은 조밀도와 결함의 종류 및 분포도와 같은 피혁의 특성에 의해 결정된다. 본 논문에서는 디지털 카메라에 의해 획득된 흑백 영상으로부터 피혁의 조밀도 및 결함을 추출하여 피혁의 등급을 판정하는 알고리즘을 제안한다. 조밀도는 퓨리에 스펙트럼이 존재하는 영역의 넓이 및 가로, 세로 비율로서 계산된다. 그리고 결함은 전처리 과정을 거친 영상으로부터 검색 윈도우를 사용하여 윈도우에 해당하는 픽셀들의 히스토그램 분포의 특징에 의해서 검출된다. 피혁 전체에 대한 특성들은 피혁의 등급을 판정하는 지표로 사용되며 다른 분야에서의 인간의 시각 검사를 대체 할 수 있으리라 판단된다.

• 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.

• 방송공학회논문지
• /
• 제18권4호
• /
• pp.525-534
• /
• 2013

최근 다양한 형태의 TFT-LCD의 수요가 증가함에 따라 LCD 생산 과정에서 얼룩결함을 검사하는 기술에 대한 관심이 높아지고 있다. 본 논문에서는 가버 웨이블렛 변환(Gabor wavelet transform) 및 이산 코사인 변환(Discrete Cosine Transform, DCT)을 이용한 TFT-LCD 패널의 얼룩(mura)을 자동으로 검출하는 방법을 제안한다. 제안한 방법은 DCT 변환 기반의 TFT-LCD 패널 영상의 참조 패널 영상을 생성한다. 원 영상과 생성된 참조 패널 영상에 대해서 실수 가버 웨이블렛 변환(real gabor wavelet transform)을 적용하여 패널 영상에 포함되어 있는 얼룩 결함을 검출하는데 방해가 되는 텍스쳐 정보를 제거하고 변환 영상간의 차영상을 이용하여 제거 결함 영역을 추출한다. 추출된 영역에 대해서는 정량적 평가 과정을 통해 보다 정확한 얼룩 검출을 수행한다. 실험결과는 제안한 방법이 기존의 방법에 비해 보다 정확하고 효율적으로 얼룩을 검출하는 것을 보여준다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1987년도 정기총회 및 창립40주년기념 학술대회 학회본부
• /
• pp.311-315
• /
• 1987

This paper describes the automatic visual inspect ion system of fabric defects based on pattern recognition techniques. To extract features for detection of fabric defects, four different techniques such as SGLDM. GCM, decorrelation method, and Laws' texture measure were investigated. From results of computer simulation, it has been found that GCM and decorrelation techniques provide good features. By employing a simple statistical pattern recognition technique, theaccuracy of classification of defect and nondefect was more than 90%. Some experimental results arm also presented.