| 1 |
1
컴퓨터 시스템에 의해 수행되는 기계 학습 기반의 자동 결함 분류 방법으로서,결함 유형이 알려진 샘플 이미지들을 준비하는 단계;상기 샘플 이미지들 각각에 대하여, 샘플 이미지로부터 소정의 전처리 과정을 통해 서로 다른 제1 내지 제N(여기서 N은 2 이상의 자연수) 이미지를 획득하고, 상기 제1 내지 제N 이미지 각각으로부터 데이터 증강(data augmentation)을 통해 제1 내지 제N 이미지 세트를 획득하는 단계;상기 샘플 이미지들에 대하여 획득된 제1 내지 제N 이미지 세트 각각에 대하여, 제n(n=1,
|
| 2 |
2
제1항에 있어서,상기 제1 내지 제N 이미지는, 상기 샘플 이미지, 상기 샘플 이미지를 그레이 스케일 처리하여 획득된 그레이 스케일 이미지, 상기 그레이 스케일 이미지로부터 반복 패턴을 제거하는 과정을 통해 블롭(blob) 영역과 블롭 이외의 영역이 구분된 블롭 이미지, 상기 샘플 이미지에서 상기 블롭 영역의 적어도 일부가 포함되도록 일정 영역을 크롭하여 획득된 원본 크롭 이미지, 상기 그레이 스케일 이미지에서 상기 블롭 영역의 적어도 일부가 포함되도록 일정 영역을 크롭하여 획득된 그레이 스케일 크롭 이미지, 상기 블롭 이미지에서 상기 블롭 영역의 적어도 일부가 포함되도록 일정 영역을 크롭하여 획득된 블롭 크롭 이미지 중 적어도 둘 이상을 포함하는 자동 결함 분류 방법
|
| 3 |
3
제2항에 있어서,상기 블롭 이미지는, 블롭 영역과 블롭 이외의 영역이 이진(binary)으로 구분된 이진 이미지, 블롭 이외의 영역에 반복 패턴의 윤곽이 남아 있는 MAP 이미지, 블롭 영역을 둘 이상의 픽셀값으로 표현한 MAP2 이미지 중 적어도 하나를 포함하는 자동 결함 분류 방법
|
| 4 |
4
제1항에 있어서,상기 데이터 증강은, 이미지의 회전, 확대, 좌우반전, 상하반전, 가로이동, 세로이동 및 그 조합 중 적어도 둘 이상을 포함하는 자동 결함 분류 방법
|
| 5 |
5
제1항에 있어서,상기 샘플 이미지들 각각에 대하여, 샘플 이미지로부터 획득된 제1 내지 제N 이미지를 각각 상기 제1 내지 제N 결함 분류 모델에 입력하여, 상기 제1 내지 제N 결함 분류 모델마다 각 결함 유형의 확률값을 획득하는 단계; 및상기 샘플 이미지들에 대하여 획득된 상기 제1 내지 제N 결함 분류 모델마다의 각 결함 유형의 확률값을 학습 데이터 입력으로 하고 해당 샘플 이미지의 결함 유형을 학습 데이터 출력으로 하여 기계 학습을 수행하여 앙상블 모델을 생성하는 단계를 더 포함하고,상기 대상 이미지의 결함 유형을 분류하는 단계는, 상기 앙상블 모델을 더 이용하여 상기 대상 이미지의 결함 유형을 분류하는 자동 결함 분류 방법
|
| 6 |
6
제5항에 있어서,상기 대상 이미지의 결함 유형을 분류하는 단계는,상기 대상 이미지로부터 소정의 전처리 과정을 통해 제1 내지 제N 이미지를 획득하는 단계;상기 대상 이미지로부터 획득된 상기 제1 내지 제N 이미지를 각각 상기 제1 내지 제N 결함 분류 모델에 입력하여, 상기 제1 내지 제N 결함 분류 모델마다 각 결함 유형의 확률값을 획득하는 단계; 및상기 제1 내지 제N 결함 분류 모델마다 획득된 각 결함 유형의 확률값을 상기 앙상블 모델에 입력하여, 상기 앙상블 모델을 통해 상기 대상 이미지의 결함 유형을 결정하는 단계를 포함하는 자동 결함 분류 방법
|
| 7 |
7
제1항에 있어서,상기 샘플 이미지들 각각에 대하여, 샘플 이미지로부터 적어도 둘 이상의 특징값들을 포함하는 특징값 세트를 획득하는 단계; 및상기 샘플 이미지들에 대하여 획득된 특징값 세트를 학습 데이터 입력으로 하고 해당 샘플 이미지의 결함 유형을 학습 데이터 출력으로 하여 기계 학습을 수행하여 제(N+1) 결함 분류 모델을 생성하는 단계를 더 포함하고,상기 대상 이미지의 결함 유형을 분류하는 단계는, 상기 제(N+1) 결함 분류 모델을 더 이용하여 상기 대상 이미지의 결함 유형을 분류하는 자동 결함 분류 방법
|
| 8 |
8
제7항에 있어서,상기 특징값들은, 상기 샘플 이미지로부터 추출된 블롭(blob)의 개수, 형상, 크기 또는 픽셀값에 관련된 값 및 그 조합 중 적어도 둘 이상을 포함하는 자동 결함 분류 방법
|
| 9 |
9
제7항에 있어서,상기 샘플 이미지들 각각에 대하여, 샘플 이미지로부터 획득된 제1 내지 제N 이미지 및 특징값 세트를 각각 상기 제1 내지 제N 결함 분류 모델 및 상기 제(N+1) 결함 분류 모델에 입력하여, 상기 제1 내지 제(N+1) 결함 분류 모델마다 각 결함 유형의 확률값을 획득하는 단계; 및상기 샘플 이미지들에 대하여 획득된 상기 제1 내지 제(N+1) 결함 분류 모델마다의 각 결함 유형의 확률값을 학습 데이터 입력으로 하고 해당 샘플 이미지의 결함 유형을 학습 데이터 출력으로 하여 기계 학습을 수행하여 앙상블 모델을 생성하는 단계를 더 포함하고,상기 대상 이미지의 결함 유형을 분류하는 단계는, 상기 앙상블 모델을 더 이용하여 상기 대상 이미지의 결함 유형을 분류하는 자동 결함 분류 방법
|
| 10 |
10
제9항에 있어서,상기 대상 이미지의 결함 유형을 분류하는 단계는,상기 대상 이미지로부터 소정의 전처리 과정을 통해 제1 내지 제N 이미지 및 특징값 세트를 획득하는 단계;상기 대상 이미지로부터 획득된 상기 제1 내지 제N 이미지 및 특징값 세트를 각각 상기 제1 내지 제N 결함 분류 모델 및 상기 제(N+1) 결함 분류 모델에 입력하여, 상기 제1 내지 제(N+1) 결함 분류 모델마다 각 결함 유형의 확률값을 획득하는 단계; 및상기 제1 내지 제(N+1) 결함 분류 모델마다 획득된 각 결함 유형의 확률값을 상기 앙상블 모델에 입력하여, 상기 앙상블 모델을 통해 상기 대상 이미지의 결함 유형을 결정하는 단계를 포함하는 자동 결함 분류 방법
|
| 11 |
11
제1항 내지 제10항 중 어느 한 항의 기계 학습 기반 자동 결함 분류 방법이 컴퓨터 시스템에 의해 실행되도록 하는 컴퓨터 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|
