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
|