| 1 |
1
딥러닝 기반의 슬래그 자동 제거 장치에 있어서,미리 획득된 래들 영상을 이진화 처리하는 이진화 처리부;상기 이진화 처리부로부터 입력되는 이진화 래들 영상으로부터, 미리 설정된 슬래그 제거 경로에 따라 셀 영상을 추출하여 제거 경로 라벨을 부여하는 셀 영상 추출부; 및상기 셀 영상 추출부로부터 입력되는 라벨링 셀 영상들에 대해, 미리 준비된 컨볼루션 신경망(CNN) 기반으로 학습을 수행하여 그 결과 값으로 각 제거 경로 라벨에 대한 확률 값을 제공하고, 이 확률 값중에서 최대 확률 값의 제거 경로 라벨에 기초하여 슬래그 제거 경로를 추정하는 슬래그 제거 경로 추정부; 를 포함하고,상기 셀 영상 추출부는,상기 각 셀 영상의 슬래그 방향 벡터 및 각도를 계산하고, 사전에 설정된 복수의 제거 경로 라벨중에서 상기 계산된 슬래그 방향벡터의 각도에 가장 근접한 경로 라벨을 부여하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 2 |
2
제1항에 있어서,슬래그가 포함된 용강이 수용된 상기 래들 영상을 획득하여 상기 이진화 처리부에 제공하는 영상 취득 장치; 를 더 포함하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 3 |
3
제1항에 있어서,상기 슬래그 제거 경로 추정부에서 추정된 상기 슬래그 제거 경로를 이용하여 슬래그를 제거하는 슬래그 제거 장치; 를 더 포함하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 4 |
4
제1항에 있어서, 상기 이진화 처리부는,상기 래들 영상을 디더링(dithering) 기법을 이용하여 이진화 하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 5 |
5
제1항에 있어서, 상기 셀 영상 추출부는,상기 이진화 래들 영상에서 슬래그 제거 경로를 따라 사전에 설정된 크기의 셀 영상을 추출하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 6 |
6
삭제
|
| 7 |
7
제1항에 있어서, 상기 슬래그 제거 경로 추정부는,제1 컨볼루션 레이어(first convolution layer), 제1 맥스 폴링 레이어(first Max pooling layer), 제2 컨볼루션 레이어(second convolution layer), 제2 맥스 폴링 레이어(second Max pooling layer), 및 풀리 커넥티드 레이어(fully connected layer)를 포함하는 상기 컨볼루션 신경망(CNN) 구조를 이용하여, 상기 라벨링 셀 영상들에 대해 특징 벡터 맵 추출 및 특징 벡터 맵 다운사이징을 순차 수행하여, 상기 추출된 특징 벡터를 완전 연결하여, 상기 각 제거 경로 라벨에 대한 최대 확률 값에 해당되는 제거 경로 라벨을 결정하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 8 |
8
제7항에 있어서, 상기 슬래그 제거 경로 추정부는,상기 결정된 제거 경로 라벨 각각에 연결된 상단 복수의 개의 셀 영상중에서 최대 확률 값에 해당되는 제거 경로 라벨을 선택하여 상기 슬래그 제거 경로를 추정하는 딥러닝 기반의 슬래그 자동 제거 장치
|
| 9 |
9
딥러닝 기반의 슬래그 자동 제거 방법에 있어서,미리 획득된 래들 영상을 이진화 처리하는 단계;이진화 래들 영상으로부터, 미리 설정된 슬래그 제거 경로에 따라 셀 영상을 추출하여 제거 경로 라벨을 부여하는 단계; 및라벨링 셀 영상들에 대해, 미리 준비된 컨볼루션 신경망(CNN) 기반으로 학습을 수행하여 그 결과 값으로 각 제거 경로 라벨에 대한 확률 값을 제공하고, 이 확률 값중에서 최대 확률 값의 제거 경로 라벨에 기초하여 슬래그 제거 경로를 추정하는 단계; 를 포함하고,상기 셀 영상을 추출하여 제거 경로 라벨을 부여하는 단계는상기 각 셀 영상의 슬래그 방향 벡터 및 각도를 계산하고, 사전에 설정된 복수의 제거 경로 라벨중에서 상기 계산된 슬래그 방향벡터의 각도에 가장 근접한 경로 라벨을 부여하는 딥러닝 기반의 슬래그 자동 제거 방법
|
| 10 |
10
제9항에 있어서, 슬래그가 포함된 용강이 수용된 상기 래들 영상을 획득하여 상기 이진화 처리하는 단계에 제공하는 단계; 를 더 포함하는 딥러닝 기반의 슬래그 자동 제거 방법
|
| 11 |
11
제9항에 있어서, 상기 추정된 슬래그 제거 경로를 이용하여 슬래그를 제거하는 단계; 를 더 포함하는 딥러닝 기반의 슬래그 자동 제거 방법
|
| 12 |
12
제9항에 있어서, 상기 래들 영상을 이진화 처리하는 단계는상기 래들 영상을 디더링(dithering) 기법을 이용하여 이진화 하는 딥러닝 기반의 슬래그 자동 제거 방법
|
| 13 |
13
제9항에 있어서, 상기 셀 영상을 추출하여 제거 경로 라벨을 부여하는 단계는상기 이진화 래들 영상에서 슬래그 제거 경로를 따라 사전에 설정된 크기의 셀 영상을 추출하는 딥러닝 기반의 슬래그 자동 제거 방법
|
| 14 |
14
삭제
|
| 15 |
15
제9항에 있어서, 상기 슬래그 제거 경로를 추정하는 단계는,제1 컨볼루션 레이어(first convolution layer), 제1 맥스 폴링 레이어(first Max pooling layer), 제2 컨볼루션 레이어(second convolution layer), 제2 맥스 폴링 레이어(second Max pooling layer), 및 풀리 커넥티드 레이어(fully connected layer)를 포함하는 상기 컨볼루션 신경망(CNN) 구조를 이용하여, 상기 라벨링 셀 영상들에 대해 특징 벡터 맵 추출 및 특징 벡터 맵 다운사이징을 순차 수행하여, 상기 추출된 특징 벡터를 완전 연결하여, 상기 각 제거 경로 라벨에 대한 최대 확률 값에 해당되는 제거 경로 라벨을 결정하는 딥러닝 기반의 슬래그 자동 제거 방법
|
| 16 |
16
제15항에 있어서, 상기 슬래그 제거 경로를 추정하는 단계는,상기 결정된 제거 경로 라벨 각각에 연결된 상단 복수의 개의 셀 영상중에서 최대 확률 값에 해당되는 제거 경로 라벨을 선택하여 상기 슬래그 제거 경로를 추정하는 딥러닝 기반의 슬래그 자동 제거 방법
|
