• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권7호
• /
• pp.1817-1839
• /
• 2024

To solve the problem of insufficient recognition of key nodes in the existing software defect detection process, this paper proposes a key node recognition algorithm based on node expansion degree and improved K-shell position, shortened as SDD_KNR. Firstly, the calculation formula of node expansion degree is designed to improve the degree that can measure the local defect propagation capability of nodes in the software network. Secondly, the concept of improved K-shell position of node is proposed to obtain the improved K-shell position of each node. Finally, the measurement of node defect propagation capability is defined, and the key node recognition algorithm is designed to identify the key function nodes with large defect impact range in the process of software defect detection. Using real software systems such as Nano, Cflow and Tar to design three sets of experiments. The corresponding directed weighted software function invoke networks are built to simulate intentional attack and defect source infection. The proposed SDD_KNR algorithm is compared with the BC algorithm, K-shell algorithm, KNMWSG algorithm and NMNC algorithm. The changing trend of network efficiency and the strength of node propagation force are analyzed to verify the effectiveness of the proposed SDD_KNR algorithm.

• 반도체디스플레이기술학회지
• /
• 제20권1호
• /
• pp.88-93
• /
• 2021

The automotive industry is developing day by day. Among them, it is very important to prevent accidents while driving. However, despite the importance of developing automobile industry technology, accidents due to road defects increase every year, especially in the rainy season. To this end, we proposed a road defect detection system for road management by converging deep learning and raspberry pi, which show various possibilities. In this paper, we developed a system that visually displays through a map after analyzing the images captured by the Raspberry Pi and the route GPS. The deep learning model trained for this system achieved 96% accuracy. Through this system, it is expected to manage road defects efficiently at a low cost.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.687-701
• /
• 2020

In the production of industrial fabric, it needs automatic real-time system to detect defects on the fabric for assuring the defect-free products flow to the market. At present, many visual-based methods are designed for detecting the fabric defects, but they usually lead to high false alarm. Base on this reason, we propose a Sobel operator combined with patch statistics (SOPS) algorithm for defects detection. First, we describe the defect detection model. mean filter is applied to preprocess the acquired image. Then, Sobel operator (SO) is applied to deal with the defect image, and we can get a coarse binary image. Finally, the binary image can be divided into many patches. For a given patch, a threshold is used to decide whether the patch is defect-free or not. Finally, a new image will be reconstructed, and we did a loop for the reconstructed image to suppress defects noise. Experiments show that the proposed SOPS algorithm is effective.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권5호
• /
• pp.386-393
• /
• 2010

영상에서 일정 영역의 화소들이 불규칙적인 형태를 이루는 것을 불량이라 하는데 이를 수학적으로 정확히 정의하기 어렵다는 점이 불량 검출을 쉽지 않게 한다. 하지만 주어진 영상이 다수의 반복되는 패턴을 가지고 있다면 불량이 아닌 영역은 그 외의 다른 영역들로 설명되어 될 수 있다는 점을 이용하여 영상내의 불량 영역을 찾아낼 수 있다. 따라서 본 논문은 이러한 특성을 이용하여 다양한 패턴이 반복되는 영상에 존재하는 불량을 검출하는 방법을 제시한다. 제시된 방법은 크게 세 단계로 이루어진다. 첫 번째 단계는 interest point 검출단계이다. 두 번째 단계는 적절한 패치의 크기를 결정하는 단계이다. 마지막으로 세 번째 단계는 불량을 검출하는 단계이다. 제시된 방법은 반도체 wafer를 SEM을 이용하여 촬영한 영상들을 통하여 예증된다.

• 정보처리학회논문지D
• /
• 제11D권4호
• /
• pp.873-884
• /
• 2004

본 연구에서는 소프트웨어 개발 시 발생하는 결함을 찾아내고, 원인을 식별 및 해결책을 제시하고자 한다. 또한 검출된 결함 항목을 기반으로 하여 결함간의 연관성을 파악하여 opportunity tree로 나타낸다. 신뢰성 있는 소프트웨어를 개발하기 위해서는 소프트웨어와 개발과정에 존재하는 결함을 찾아내고 이를 관리하는 것이 중요한 요인이 된다. 이와 같은 요인은 품질로 귀결되게 되는데, 품질은 비용, 일정과 함께 프로젝트의 성공을 결정하는 주요 요소이다. 따라서 결함 처리 opportunity tree 및 알고리즘을 이용하여 유사한 프로젝트를 수행 시, 결함 예측하여 대비 할 수 있게 된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권7호
• /
• pp.605-614
• /
• 2006

성공적인 소프트웨어 개발은 QCD에 의해 결정되며, 그 중 Quality는 Cost와 Delivery를 결정하는 핵심요소이기도 하다. 그리고 소프트웨어의 규모와 복잡도가 증가함에 따라 quality의 조기 확보의 중요성이 점차 커지고 있다. 이러한 관점에서 개발 후 결함을 찾아내고 수정하는 것보다 결함예방을 위해 더 많은 노력을 기울여야 할 것이다. 결함 예방을 위해서는 peer review, testing과 같은 결함 식별활동과 함께 기존에 발생된 defect 에 대한 분석을 통해 발생 가능한 결함의 주업을 차단하는 활동이 필요하며, 이를 위해 기존의 품질 데이타의 조직화 및 활용이 필요하다. 소프트웨어의 품질 예방을 위한 방법으로 system safety 확보를 위해 사용되고 있는 FMEA를 활용할 수 있다. SW-FMEA(Software Fault Mode Effect Analysis)는 예측을 통해 결함을 예방하는 방법으로, 기존에는 요구사항 분석 및 설계 시 많이 활용되어 왔다 이러한 SW-FMEA는 개발 활동을 통해 측정되는 정보를 활용하여, 분석, 설계, 나아가 peer review나 testing 둥 개발 및 관리 활동에 적용하여 결함예방 (defect prevention) 의 수단으로 활용 할 수 있다. 본 논문에서는 기존에 시스템 분석, 설계에 focusing된 SW-FMEA를 변형하여 product 결합뿐 아니라, 개발과정 중 발생할 수 있는 fault를 줄일 수 있는 결함 예방 model을 제안한다.

• 한국정보디스플레이학회:학술대회논문집
• /
• 한국정보디스플레이학회 2005년도 International Meeting on Information Displayvol.I
• /
• pp.594-597
• /
• 2005

This paper shows that the defect detection in TFTarray panel can be improved by using newly developed software solution without adding additional hardware instruments. Some issues are reviewed in current TFT array test and new algorithm is explained for detecting more real defects without paying the penalty of reporting more false defects in TFT array test.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 B
• /
• pp.668-670
• /
• 1999

We have developed a automatic surface inspection system for cold Rolled strips in steel making process for several years. We have experienced the various kinds of surface inspection systems, including linear CCD camera type and the laser type inspection system which was installed in cold rolled strips production lines. But, we did not satisfied with these inspection systems owing to insufficient detection and classification rate, real time processing performance and limited line speed of real production lines. In order to increase detection and computing power, we have used the Dark Field illumination with Infra_Red LED, Bright Field illumination with Xenon Lamp, Parallel Computing Processor with Area typed CCD camera and full software based image processing technique for the ease up_grading and maintenance. In this paper, we introduced the automatic inspection system and real time image processing technique using the Object Detection, Defect Detection, Classification algorithms. As a result of experiment, under the situation of the high speed processed line(max 1000 meter per minute) defect detection is above 90% for all occurred defects in real line, defect name classification rate is about 80% for most frequently occurred 8 defect, and defect grade classification rate is 84% for name classified defect.

• 한국소프트웨어감정평가학회 논문지
• /
• 제15권1호
• /
• pp.79-86
• /
• 2019

데이터의 차원축소는 요소들의 공통성을 파악해 영향력 있는 중요한 특징 요소를 추출하여 간소화함으로써 복잡함을 줄이고 다중 공선성 문제를 해결한다. 그리고 중복 및 노이즈 검출을 함으로써 불필요함을 줄인다. 이에 본 논문에서는 PCA(Prinicipal Component Analysis)을 적용한 결함 심각도 기반 차원 축소 모델을 제안한다. 제안된 모델은 결함 심각도가 있는 NASA 데이터 세트인 PC4에 적용하여 결함 심각도에 영향을 주는 속성의 차원수를 검증한다. 그 다음 데이터의 차원을 축소한 후 비교 분석한다. 실험결과, PC4의 적합한 차원수는 2~3개였고 그룹화를 통해 차원 축소가 가능한 것을 보였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.1-10
• /
• 2022

Nowadays software defect prediction (SDP) is most active research going on in software engineering. Early detection of defects lowers the cost of the software and also improves reliability. Machine learning techniques are widely used to create SDP models based on programming measures. The majority of defect prediction models in the literature have problems with class imbalance and high dimensionality. In this paper, we proposed Centroid and Nearest Neighbor based Class Imbalance Reduction (CNNCIR) technique that considers dataset distribution characteristics to generate symmetry between defective and non-defective records in imbalanced datasets. The proposed approach is compared with SMOTE (Synthetic Minority Oversampling Technique). The high-dimensionality problem is addressed using Ant Colony Optimization (ACO) technique by choosing relevant features. We used nine different classifiers to analyze six open-source software defect datasets from the PROMISE repository and seven performance measures are used to evaluate them. The results of the proposed CNNCIR method with ACO based feature selection reveals that it outperforms SMOTE in the majority of cases.