• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권10호
• /
• pp.3608-3626
• /
• 2021

The detection of bolts is an important task in high-speed train inspection systems, and it is frequently performed to ensure the safety of trains. The difficulty of the vision-based bolt inspection system lies in small sample defect detection, which makes the end-to-end network ineffective. In this paper, the problem is resolved in two stages, which includes the detection network and cascaded classification networks. For small bolt detection, all bolts including defective bolts and normal bolts are put together for conducting annotation training, a new loss function and a new boundingbox selection based on the smallest axis-aligned convex set are proposed. These allow YOLOv3 network to obtain the accurate position and bounding box of the various bolts. The average precision has been greatly improved on PASCAL VOC, MS COCO and actual data set. After that, the Siamese network is employed for estimating the status of the bolts. Using the convolutional Siamese network, we are able to get strong results on few-shot classification. Extensive experiments and comparisons on actual data set show that the system outperforms state-of-the-art algorithms in bolt inspection.

• 방송공학회논문지
• /
• 제21권3호
• /
• pp.425-435
• /
• 2016

본 논문에서는 카메라로부터 입력된 영상으로부터 쌀, 커피, 녹차 등 다양한 원료를 양품과 불량품으로 자동 분류하기 위한 분류 모델을 제안한다. 현재 농산물 원료 분류를 위해서 주로 숙달된 노동력의 육안 선택에 의존하고 있지만 작업시간이 길어질수록 반복적인 작업에 의해 분류 능력이 현저히 떨어지는 문제점이 있다. 노동력에 부분적으로 의존하는 기존 제품의 문제점을 해결하기 위해, 본 논문에서는 평균-이동 클러스터링 알고리즘과 단계별 영역 병합 알고리즘을 결합하는 비전기반 자동 원료 분류 알고리즘을 제안한다. 우선 입력 원료 영상에서 평균-이동 클러스터링 알고리즘을 적용하여 영상을 N개의 클러스터 영역으로 분할한다. 다음단계에서 N개의 클러스터 영역 중에서 대표 영역을 선택하고 이웃 영역들의 영역의 색상과 위치 근접성을 기반으로 단계별 영역 병합 알고리즘을 적용하여 유사한 클러스터 영역을 병합한다. 병합된 원료 객체는 RG, GB, BR의 2D 색상 분표로 표현되고, 병합된 원료 객체에 대해 색상 분포 타원을 만든다. 이후 미리 실험적으로 설정된 임계값을 적용하여 원료를 양품과 불량품을 구분한다. 다양한 원료 영상에 대해 본 논문에서 제안하는 알고리즘을 적용한 결과 기존의 클러스터링 알고리즘이나 상업용 분류 방법에 비해 사용자의 인위적 조작이 덜 필요하고 분류성능이 우수한 결과를 나타냄을 알 수 있었다.

• 한국산학기술학회논문지
• /
• 제18권2호
• /
• pp.335-341
• /
• 2017

본 논문은 모터 샤프트 제조 공정에서 발생하는 이중컷 불량을 검사하기 위한 영상 처리 알고리즘을 제안하였다. 알고리즘은 영상의 밝기를 이용하여 외곽선을 추출하는 단계와 추출된 외곽선을 이용하여 이진화된 경계선 그래프를 구하는 단계, 최종적으로 이진화된 경계선 그래프를 이용하여 불량품을 판정하는 단계로 구성된다. 본 논문에서는 두 절단면이 분리되어 있는 결함과 두 절단면이 연결되어 있는 결함을 각각 type 1 결함과 type 2 결함이라고 정의하였다. 실제 제조 과정에서 112개의 양품과 44개의 불량품 (type 1 불량 34개 및 type 2 불량 10개) 샘플을 수집하였으며, 수집한 샘플을 이용하여 제안된 알고리즘을 검증하였다. 알고리즘 시험 결과 100% 정확도로 양품과 불량품을 판정하였으며, 불량품의 경우도 type 1 불량과 type 2 불량을 정확히 구분하는 것으로 확인되었다. 본 논문에서 제안한 알고리즘은 추가적으로 다양한 샘플에 대해 신뢰성을 확보한 후 실제 현장에 사용할 계획이다.

• 한국지능시스템학회논문지
• /
• 제22권1호
• /
• pp.87-93
• /
• 2012

본 논문에서는 TCP/COF의 불량패턴 검출 알고리즘을 제안하고 실시간 검사 시스템을 구현하였다. TCP/COF는 마이크로미터 단위의 패턴 굵기를 갖는 관계로 검사를 위해서는 작업자가 고성능 현미경을 보며 전수 검사 해야 하는 어려움이 있다. 이에 본 연구에서는 작업자로 하여금 모니터를 보면서 검사시스템이 검출해내는 불량에 대해서 검사할 수 있는 시스템을 제안하였다. 검사 알고리즘은 기준 영상과 검사 영상간의 패턴 비교 방법에 의해 수행된다. TCP/COF의 특성에 맞는 고성능 카메라 및 조명시스템을 구현하기 위하여 카메라의 종류와 조명의 형태 및 광원에 따른 다양한 실험을 수행하였다. 실험결과 구현된 검사 시스템은 TCP/COF 필름의 불량 위치를 작업자에게 정확하게 알려줌을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제5권2호
• /
• pp.165-171
• /
• 2004

반도체 IC의 소형화와 고 밀도화에 따르는 소자의 외관적 불량을 육안으로 식별하는 것이 거의 불가능하며, 불량요소도 다양하여 고 정밀 비젼시스템의 도입이 필수적인 제조공정으로 자리매김 되고 있다. 특히 리드의 뜸 상태검사는 망상처리 알고리즘의 구현이 어려운 점이 있다. 따라서 본 논문에서는 칩의 면적이 1cm${\times}$0.5cm인 SOP형 IC의 불량을 검출하는 외관검사 시스템을 구현하고, 그 성능을 평가하고자 한다. 여러 가지 항목을 최적으로 검사하기 위하여 기하적 길이, 간격, 각도, 명도 및 위치보정 등을 이론적으로 전개하였고, 시스템 구성을 위해 인터페이스 회로를 설계하여 Handler와 결합하였다. 그 결과 초당 2개의 IC를 검사하고, 화소 당 20$\mu$m의 분해능을 가지는 계측 정밀도를 확인하였다.

• 한국정보통신학회논문지
• /
• 제11권6호
• /
• pp.1141-1149
• /
• 2007

본 논문에서는 신발금형의 가스벤트 착탈 작업을 효율적으로 진행하기 위해 이미지 프로세싱을 통한 가스벤트 착탈위치 탐색과 정밀 제어로 착탈 작업을 수행하는 교환 장치의 두 가지 기술을 다루고 있다. 이 두가지 방법을 적용하기 위한 핵심적인 이슈는 신발 금형의 가스벤트 교환 위치의 중심을 어떻게 하면 정확하게 찾아내는가이다. 이러한 자동 교환 장치의 사용은 가스벤트 착탈 시간을 줄이며 아울러 노동력의 절감 제품의 생산에 드는 비용을 최소화하는 등의 여러 가지 이점을 가져다 준다. 이 장치를 사용하여 실험을 통해 검증한 결과 가스벤트 교환 장치의 사용이 더 안정적이고 효율적이며 착탈 시간을 줄여 공정시간을 단축하는 것을 증명할 수 있었다.

• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1720-1728
• /
• 2022

인공지능 기술의 발전으로 산업 4.0시대가 열렸고 축산업에서도 ICT 기술이 접목된 스마트 농장의 구현이 큰 관심을 받고 있다. 그중에서도 컴퓨터 비전 기반 인공지능 기술을 접목한 축산물 및 축산 가공품의 품질 관리 기술은 스마트 축산의 핵심 기술에 해당한다. 그러나 인공지능 모형 훈련을 위한 축산물 이미지 데이터 수의 부족과 특정 범주(class)에 대한 데이터 불균형은 관련 연구 및 기술 개발에 큰 장해물이 되고 있다. 이러한 문제들을 해결하기 위해, 본 연구에서는 오버샘플링과 적대적 사례 생성기법의 활용을 제안한다. 제안되는 방법은 성공적인 불량 탐지 (Defect detection) 관점을 기반으로 하며, 이는 부족한 데이터 레이블을 효과적으로 활용하는데 필요한 방법이다. 최종적으로 실험을 통해 제안된 방법의 타당성을 확인하고 활용 전략을 검토한다.

• Journal of Korean Neurosurgical Society
• /
• 제49권6호
• /
• pp.339-344
• /
• 2011

Objective : Pituitary apoplexy is one of the most serious life-threatening complications of pituitary adenoma. The purpose of this study is to investigate the visual outcome after early transsphenoidal surgery for the patients with pituitary apoplexy. Methods : We retrospectively reviewed the 31 patients with pituitary apoplexy who were admitted due to acute visual acuity or field impairment and treated by transsphenoidal surgery. Five patients were excluded because of the decreased conscious level. The visual acuity of each individual eye was evaluated by Snellen's chart Visual fields were also checked using automated perimetry. To compare the visual outcome according to the surgical timing, we divided the patients into 2 groups. The first group, 21 of the patients have been undertaken transsphenoidal approach (TSA) within at least 48 hours after admission. The second group included 8 patients who have been undertaken TSA beyond 48 hours. All patients were monitored at least 12 months after surgery. Results : Patients were 21 males and 8 females (M : F=2.6 : 1) with the mean age of 42.4 years. Among the enrolled 29 patients, 26 patients presented with decreased visual acuity and 23 patients revealed the defective visual field respectively. Postoperatively, improvement in the visual acuity was seen in 15 patients (83.3%) who underwent surgery within the first 48 hours of presentation, as compared to those in whom surgery was delayed beyond 48 hours (n=5; 62.5%) (p=0.014). Improvement in the visual field deficits was observed in 15 (88.2%) of patients who had been operated on within the first 48 hours of presentation, as compared to those in whom surgery was delayed beyond 48 hours (n=3; 50.0%) (p=0.037). Conclusion : This study suggests that rapid transsphenoidal surgery is effective to recover the visual impairment in patients with pituitary apoplexy. If there are associated abnormalities of visual acuity or visual fields in patients with hemorrhagic pituitary apoplexy, early neurosurgical intervention within 48 hours should be also required to recover visual impairment.

• 대한조선학회논문집
• /
• 제55권1호
• /
• pp.66-74
• /
• 2018

In order to evaluate the precision degree of the blocks on the dock, the shipyards recently started to use the point cloud approaches using the 3D scanners. However, they hesitate to use it due to the limited time, cost, and elaborative effects for the post-works. Although it is somewhat traditional instead, they have still used the electro-optical wave devices which have a characteristic of having less dense point set (usually 1 point per meter) around the contact section of two blocks. This paper tried to expand the usage of point sets. Our approach can estimate the rework time to weld between the Pre-Erected(PE) Block and Erected(ER) block as well as the precision of block construction. In detail, two algorithms were applied to increase the efficiency of estimation process. The first one is K-mean clustering algorithm which is used to separate only the related contact point set from others not related with welding sections. The second one is the Concave hull algorithm which also separates the inner point of the contact section used for the delayed outfitting and stiffeners section, and constructs the concave outline of contact section as the primary objects to estimate the rework time of welding. The main purpose of this paper is that the rework cost for welding is able to be obtained easily and precisely with the defective point set. The point set on the blocks' outline are challenging to get the approximated mathematical curves, owing to the lots of orthogonal parts and lack of number of point. To solve this problems we compared the Radial based function-Multi-Layer(RBF-ML) and Akima interpolation method. Collecting the proposed methods, the paper suggested the noble point matching method for minimizing the rework time of block-welding on the dock, differently the previous approach which had paid the attention of only the degree of accuracy.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.