맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

딥러닝 기반 표면 결함 검출장치 및 방법

  • 기술번호 : KST2019022663
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명의 실시예에 따른 딥러닝 기반 표면 결함 검출 방법은, GTD(Ground Truth Data) 영상 원본, 및 상기 GTD 영상 원본의 결함 이미지와 동일한 형상과 위치를 나타내며 결함의 종류에 따라 다른 색상 또는 명암으로 표시된 레이블(Label)을 포함하는 GTD 출력 영상을 포함하는 GTD 영상 제공 단계; 상기 GTD 영상에 기초하여, 적어도 하나의 컨볼루션 층과 풀링층이 순차적으로 배치되는 복수의 층을 포함하는 제 1 서브네트워크 및 복수의 컨볼루션 층이 연속적으로 배치되는 층을 포함하는 제 2 서브네트워크를 포함하는 결함 검출 네트워크; 및 상기 제 1 서브네트워크 및 제 2 서브네트워크를 통과한 결과를 업샘플링하는 업샘플링부를 포함하는 결함 검출부를 기계학습하는 단계; 원본 영상을 생성하는 원본 영상 취득 단계; 상기 기계학습된 결함 검출부에서, 상기 결함 이미지와 동일한 형상과 위치를 나타내며 결함의 종류에 따라 다른 색상 또는 명암으로 표시된 레이블(Label)을 포함하는 최종 출력 영상을 출력하는 단계를 포함할 수 있다.
Int. CL G06T 7/00 (2017.01.01) G06T 7/90 (2017.01.01) G06T 7/60 (2017.01.01)
CPC G06T 7/001(2013.01) G06T 7/001(2013.01) G06T 7/001(2013.01) G06T 7/001(2013.01) G06T 7/001(2013.01)
출원번호/일자 1020170093742 (2017.07.24)
출원인 한국생산기술연구원
등록번호/일자 10-1863196-0000 (2018.05.25)
공개번호/일자
공고번호/일자 (20180601) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.07.24)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국생산기술연구원 대한민국 충청남도 천안시 서북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 윤종필 대한민국 경상북도 포항시 남구
2 이상준 대한민국 경상북도 포항시 남구
3 진용식 대한민국 대구광역시 동구
4 정대웅 대한민국 경상북도 영
5 황영하 대한민국 대구광역시 동구
6 안다운 대한민국 경상북도 영천
7 김동섭 대한민국 대구광역시 수성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김남식 대한민국 서울특별시 서초구 남부순환로***길 *-*, *층 (양재동, 가람빌딩)(율민국제특허법률사무소)
2 이인행 대한민국 서울특별시 서초구 남부순환로***길 *-*, *층 (양재동, 가람빌딩)(율민국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국생산기술연구원 충청남도 천안시 서북구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.07.24 수리 (Accepted) 1-1-2017-0711091-12
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2017.08.23 수리 (Accepted) 1-1-2017-0817744-70
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2017.08.25 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2017.08.31 수리 (Accepted) 9-1-2017-0028398-33
5 의견제출통지서
Notification of reason for refusal		 2017.12.28 발송처리완료 (Completion of Transmission) 9-5-2017-0908304-53
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.02.27 수리 (Accepted) 1-1-2018-0201119-63
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.02.27 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0201120-10
8 등록결정서
Decision to grant		 2018.05.16 발송처리완료 (Completion of Transmission) 9-5-2018-0332171-13
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2018.07.02 수리 (Accepted) 4-1-2018-5123030-77
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
GTD(Ground Truth Data) 영상 원본, 및 상기 GTD 영상 원본의 결함 이미지와 동일한 형상과 위치를 나타내며 결함의 종류에 따라 다른 색상 또는 명암으로 표시된 레이블(Label)을 포함하는 GTD 출력 영상을 포함하는 GTD 영상 제공 단계;상기 GTD 영상에 기초하여, 적어도 하나의 컨볼루션 층과 풀링층이 순차적으로 배치되는 복수의 층을 포함하는 제 1 서브네트워크 및 복수의 컨볼루션 층이 연속적으로 배치되는 층을 포함하는 제 2 서브네트워크를 포함하는 결함 검출 네트워크; 및 상기 제 1 서브네트워크 및 제 2 서브네트워크를 통과한 결과를 업샘플링하는 업샘플링부를 포함하는 결함 검출부를 기계학습하는 단계; 원본 영상을 생성하는 원본 영상 취득 단계; 상기 기계학습된 결함 검출부에서, 상기 원본 영상의 결함 이미지와 동일한 형상과 위치를 나타내며 결함의 종류에 따라 다른 색상 또는 명암으로 표시된 레이블(Label)을 포함하는 최종 출력 영상을 출력하는 단계를 포함하는,딥러닝 기반 표면 결함 검출 방법
2 2
제 1 항에 있어서,상기 최종 출력 영상을 출력하는 단계는, 상기 결함 검출 네트워크의 마지막 층을 통과한 영상을 업샘플링한 영상과 상기 결함 검출 네트워크의 마지막에서 두번째 풀링층을 통과한 영상을 가중치 합한 제 1 업샘플링 이미지를 생성하는 단계를 포함하는,딥러닝 기반 표면 결함 검출 방법
3 3
제 2 항에 있어서,상기 결함 검출부를 기계학습하는 단계는, GTD(Ground Truth Data) 영상에 기초하여 상기 제 1 서브 네트워크의 컨볼루션 층과 상기 제 2 서브네트워크의 컨볼루션 층이 기계학습된 컨볼루션 필터를 포함하도록 하며, 상기 업샘플링부가 기계학습된 업샘플링 가중치를 포함하도록 기계학습을 수행하는, 딥러닝 기반 표면 결함 검출 방법
4 4
제 3 항에 있어서,상기 업샘플링 가중치는 상기 결함 검출 네트워크의 마지막 층을 통과한 영상을 업샘플링한 영상과 상기 결함 검출 네트워크의 마지막에서 두번째 풀링층을 통과한 영상의 부분별로 달라지는,딥러닝 기반 표면 결함 검출 방법
5 5
제 1 항에 있어서,상기 풀링층의 개수는 아래 식(마지막 컨볼루션 층의 커널 사이즈) 003e# (결함 이미지의 최대 크기)/(풀링층의 개수 x 2)을 만족하도록 결정되는,딥러닝 기반 표면 결함 검출 방법
6 6
원본 영상을 생성하는 영상 취득부; 상기 원본 영상의 결함 이미지와 동일한 형상과 위치를 나타내며 결함의 종류에 따라 다른 색상 또는 명암으로 표시된 레이블(Label)을 포함하는 최종 출력 영상을 출력하는 결함 검출부; 및상기 최종 출력 영상을 표시하거나 저장하는 결함 출력부를 포함하며,상기 결함 검출부는, 적어도 하나의 컨볼루션 층과 풀링층이 순차적으로 배치되는 복수의 층을 포함하는 제 1 서브네트워크 및 복수의 컨볼루션 층이 연속적으로 배치되는 층을 포함하는 제 2 서브네트워크를 포함하는 결함 검출 네트워크; 및 상기 제 1 서브네트워크 및 제 2 서브네트워크를 통과한 결과를 업샘플링하는 업샘플링부를 포함하며,상기 업샘플링부는 상기 결함 검출 네트워크의 마지막 층을 통과한 영상을 업샘플링한 영상과 상기 결함 검출 네트워크의 마지막에서 두번째 풀링층을 통과한 영상을 가중치 합한 제 1 업샘플링 이미지를 생성하며,상기 결함 검출 네트워크는 GTD 영상 원본 및 GTD 출력 영상을 포함하는 GTD(Ground Truth Data) 영상에 기초하여 기계학습된 컨볼루션 층과 업샘플링 가중치를 가지며, 상기 GTD 출력 영상은 상기 GTD 영상 원본의 결함 이미지와 동일한 형상과 위치를 나타내며 결함의 종류에 따라 다른 색상 또는 명암으로 표시된 레이블(Label)을 포함하는,딥러닝 기반 표면 결함 검출 장치
7 7
제 6 항에 있어서,상기 업샘플링 가중치는 상기 결함 검출 네트워크의 마지막 층을 통과한 영상을 업샘플링한 영상과 상기 결함 검출 네트워크의 마지막에서 두번째 풀링층을 통과한 영상의 부분별로 달라지는,딥러닝 기반 표면 결함 검출 장치
8 8
제 6 항에 있어서,상기 풀링층의 개수는 아래 식(마지막 컨볼루션 층의 커널 사이즈) 003e# (결함 이미지의 최대 크기)/(풀링층의 개수 x 2)을 만족하도록 결정되는,딥러닝 기반 표면 결함 검출 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.