• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.127-129
• /
• 2005

본 연구에서는 백라이트 유닛의 검사를 위한 머신비전 시스템을 구축한다. 시스템은 크게 하드웨어와 소프트웨어로 나눌 수 있고 하드웨어는 조명부, 영상획득부, 로봇 암 제어부로 분류된다. 조명부는 36W FPL램프로 구성되었고 조명부의 상판에 아크릴판을 거치대로 이용하여 백라이트 유닛을 거치한다. 로봇 암 제어부는 2축 로봇 암을 제어하여 로봇 암의 센서부착 지지대에 부착된 CCD 센서를 이동시킨다. 이와 동시에 영상획득부에서는 이미지를 획득하여 PC로 전송한다. 소프트웨어의 화상처리 검사 알고리즘은 일정 패턴이 있는 도광판에 대한 검사 알고리즘과 일정패턴이 없근 백라이트 유닛에 대한 검사 알고리즘으로 분리된다. 일정 패턴이 인쇄되어 있는 패널에 대한 검사 알고리즘은 모폴로지 연산을 이용하는 템플릿 체크방법과 블록 매칭 방법이 사용되었고 일정패턴이 없는 유닛에 대한 검사는 개선된 Otsu 방법을 이용하여 얼룩이나 흐릿한 결함에 대한 결함을 검출하였다. 실험결과 불균일한 결함과 밝기가 일정하지 않은 결함일지라고 90% 이상의 검출율로 뛰어난 성능을 입증하였다.

• 한국전자통신학회논문지
• /
• 제15권3호
• /
• pp.513-520
• /
• 2020

최근 기계 학습을 활용한 비전 검사 시스템의 개발이 활발해지고 있다. 본 연구는 기계 학습을 활용한 결함 검사 모델을 개발하고자 한다. 이미지에 대한 결함 검출 문제는 기계 학습에 있어 지도 학습 방법인 분류 문제에 해당한다. 본 연구에서는 특징을 자동 추출하는 알고리즘과 특징을 추출하지 않는 알고리즘을 기반으로 결함 검출 모델을 개발한다. 특징을 자동 추출하는 알고리즘으로 1차원 합성곱 신경망과 2차원 합성곱 신경망을 활용하였으며, 특징을 추출하지 않는 알고리즘으로 다중 퍼셉트론, 서포트 벡터 머신을 활용하였다. 4가지 모델을 기반으로 결함 검출 모델을 개발하였고 이들의 정확도와 AUC를 기반으로 성능 비교하였다. 이미지 분류는 합성곱 신경망을 활용한 모델 개발이 일반적임에도, 본 연구에서 이미지의 화소를 RGB 값으로 변환하여 서포트 벡터 머신 모델을 개발할 때 높은 정확도와 AUC를 얻을 수 있었다.

• 한국항공우주학회지
• /
• 제46권9호
• /
• pp.767-773
• /
• 2018

최신 항공기에는 항공기의 건전성을 확인하기 위한 진동데이터 수집 장비가 장착되는 경우가 많다. 이러한 장비를 통해 수집되는 진동 데이터의 분석은 항공기 설계에 정통한 전문가에 의존하는 것이 일반적이며, 설계 분석을 통해 일반 사용자를 위한 대표적이고 객관적인 결함식별 기준을 제시하는 것은 쉽지 않다. 본 논문에서 우리는 기존의 항공기 설계분석 방법이 아닌, 운용 중 수집되는 방대한 양의 진동 데이터에 주성분 분석을 적용하는 방식으로 기동 및 결함유형 식별이 가능한지를 확인하였다. 이를 위해 국내 육군에서 실운용중인 항공기의 진동 데이터를 실측하여 기동 및 결함 유형별로 분류하였고, 분류된 데이터에 주성분 분석 기법을 적용하였다. 그 결과 설계 분석을 하지 않고도 운용 데이터 분석만을 통하여 일반 사용자들을 위한 기동/결함유형 식별 도구의 개발이 가능함이 확인되었다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.515-522
• /
• 2021

본 논문에서는 관형 철탑의 용접부 결함을 상시적으로 감시하기 위하여 초음파 탐상 신호에 대한 기계학습 알고리즘의 적용 방법을 제시하고 분석하였다. 기계학습 방법으로는 유전자 알고리즘에 의한 특징 선택과 서포트 벡터머신을 이용한 탐상 신호 분류 방법을 사용하였다. 특징 선택에서는 30개의 후보 특징들 가운데 피크, 히스토그램 하한 경계, 정규 음로그우도가 선택되었으며, 이들은 결함의 깊이에 따른 신호의 차이를 명확하게 나타내었다. 또한, 선택된 특징들을 서포트 벡터 머신에 적용한 결과 정상 부위와 결함 부위를 완벽하게 분류할 수 있는 것으로 나타났다. 따라서 본 연구의 결과는 향후 초음파 신호 기반 결함 성장 조기 감지시스템의 개발과 이를 통한 에너지 송전 관련 산업에 유용하게 사용될 수 있을 것으로 기대된다.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.641-648
• /
• 2022

본 논문은 3D 프린터 출력 방식 중 하나인, 전자빔용해법(EBM)의 공정 간에 발생하는 결함에 영향을 미치는 요인들을 데이터 분석을 통해 규명하는 연구이다. 선행 연구들을 기반으로 결함발생에 주요한 원인으로 지목되는 요소들을 참고하였으며, 공정 간 발생하는 로그파일 분석을 통해 결함 발생과 연관된 변수들을 추출하였다. 또한, 해당 데이터가 시계열 데이터라는 점에 착안하여 window의 개념을 도입하여, 현재 공정 층으로부터 총 3개 전 층까지의 데이터를 포함하여 분석에 사용 될 변수들을 구성하였다. 해당 연구의 종속변수는 결함발생유무이기에 이진분류를 통한 분석을 하였으며, 이때 결함 층의 비율이 낮다는(약 4%) 문제로 인해 SMOTE 기법을 적용하여 균형잡힌 훈련용 데이터를 만들었다. 분석을 위해 Gridsearch CV를 활용한 XGBoost를 사용하였고, 분류 성능은 혼동행렬을 기반으로 평가하였다. 마지막으로, SHAP값을 통한 변수 중요도 분석을 통해 연구의 결론을 내렸다.

• 한국정보통신학회논문지
• /
• 제17권11호
• /
• pp.2486-2491
• /
• 2013

세라믹 소재 영상은 사람의 육안으로 판단하기 힘든 내부 기공이나 균열, 이물질 등의 결함들이 존재한다. 본 논문에서는 사람의 육안으로 검출하기 힘든 세라믹 소재로 이루어진 파이프 용접부에 있는 결함을 확인하기 위해 ART2 알고리즘을 이용하여 세라믹 영상에서 결함을 검출하는 방법을 제안한다. 비파괴 검사는 본질에 손상이 전혀 가지 않는 검사 방법이기 때문에 소재의 결함 검출에 대해서는 적절한 방법이다. 따라서 본 논문에서는 Ends-In Search Stretching 기법을 적용하여 명암 대비를 강조하고, 명암 대비가 강조된 영상에서 삼각형 타입의 소속 함수를 이용한 퍼지 이진화 기법을 적용한 후, 임의의 패턴 입력에 대해서도 효과적으로 특징을 분류하는 개선된ART2 알고리즘을 적용하여 결함 영역을 검출한다. 제안된 방법을 세라믹 소재 영상을 대상으로 실험한 결과, 기존의 방법보다 효율적으로 결함이 검출되는 것을 확인하였다.

• 전자공학회지
• /
• 제43권11호
• /
• pp.27-32
• /
• 2016

• 한국주조공학회지
• /
• 제11권5호
• /
• pp.373-381
• /
• 1991

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2010년도 춘계학술대회 논문집
• /
• pp.2223-2231
• /
• 2010

최근 자동차, 철도, 선박, 항공기 등 교통수단의 핵심 장치가 CPU가 들어 있는 컴퓨터 제어장치로 전환되어 가고 있는 상황이다. 자동차 사고사례 중 상당 부분의 원인으로 컴퓨터 제어장치에 탑재된 내장형 소프트웨어의 결함이라고 분석한 보고서가 발표되고 있다. 내장형 탑재 소프트웨어에 대하여 결함 제거를 위한 시험이 충분하지 못한데서 문제가 있을 수 있다. 결국 이러한 내장형 소프트웨어의 시험 기준으로 안전성 평가 기준을 철저히 적용하고 이에 적합한 단위테스트 절차를 구축하는 것이 필요하다. 본 논문은 안전성평가 기준에 적합한 내장형 탑재 소프트웨어에 대한 단위테스트 절차에 대한 방안을 제시하는데 그 목적이 있다. 내장형 탑재 소프트웨어에 대한 테스트에는 단위 테스트, 통합테스트, 시스템테스트 등이 있으며, 이중 가장 많은 결함을 발견하는 것은 단위 테스트이다. 본 논문에서는 테스트계획, 테스트절차, 테스트케이스, 테스트시나리오, 테스트 도구, 재테스트 기준 등에 대한 효과적인 단위테스트 준비 과정과 단위테스트를 수행하면서 발생하는 업무, 즉 결함식별, 결함분류, 결함분석, 결함원인, 결함조치 및 확인, 재테스트 실시, 테스트보고 등의 활동을 체계적으로 구축하는 방안을 제시한다. 또한 개발된 내장형 탑재 소프트웨어의 프로그램 소스를 일일이 눈으로 검사하여 결함을 발견하기란 쉽지 않다. 안전성평가 기준이 내장된 테스트 도구를 활용함으로써 내장형 탑재 소프트웨어 단위테스트의 작업시간을 줄이고 결함발견 및 원인분석에 대한 자동화된 보고서를 얻음으로써 테스트 생산성 및 소스코드의 품질 향상을 달성할 수 있는 방안도 아울러 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.9-17
• /
• 2023

본 논문에서는 베어링의 결함 진단을 위한 단일 클래스 분류의 진동 이상 탐지 시스템을 제안한다. 베어링 고장으로 인해 발생하는 경제적 및 시간적 손실을 줄이기 위해 정확한 결함 진단시스템은 필수적이며 문제 해결을 위해 딥러닝 기반의 결함 진단 시스템들이 널리 연구되고 있다. 그러나 딥러닝 학습을 위한 실제 데이터 채집 환경에서 비정상 데이터 확보에 어려움이 있으며 이는 데이터 편향을 초래한다. 이에 정상 데이터만 활용하는 단일 클래스 분류 방법을 활용한다. 일반적인 방법으로는 AutoEncoder를 통한 압축과 복원 과정을 학습하여 진동 데이터의 특성을 추출한다. 추출된 특성으로 단일 클래스 분류기를 학습하여 이상 탐지를 실시한다. 하지만 이와 같은 방법은 진동 데이터의 주파수 특성을 고려하지 않아서 진동 데이터의 특성을 효율적 추출할 수 없다. 이러한 문제를 해결하기 위해 진동 데이터의 주파수 특성을 고려한 AutoEncoder 모델을 제안한다. 분류 성능은 accuracy 0.910, precision 1.0, recall 0.820, f1-score 0.901이 나왔다. 주파수 특성을 고려한 네트워크 설계로 기존 방법들보다 우수한 성능을 확인하였다.