맞춤기술찾기

이전대상기술

딥러닝과 노이즈 제거 기술을 이용한 표면 결함 검출 장치 및 방법

  • 기술번호 : KST2019003716
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
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 기계 학습을 통한 결함 검출 방법은 학습용 정상 제품 영상을 영상 복원부의 입출력으로 인가하여 정상 제품 영상을 출력하도록 결함 검출부를 기계 학습시키는 단계; 상기 기계 학습된 결함 검출부에 시험용 정상 제품 영상을 입력하여 시험용 복원(reconstruction) 영상을 생성하고, 상기 시험용 정상 제품 영상과 상기 시험용 복원 영상을 비교하여 복원 에러를 포함하는 복수의 시험용 결함 영상을 생성하는 단계; 상기 복수의 시험용 결함 영상에 기초하여 복원 에러 모델을 생성하는 단계; 상기 기계 학습된 결함 검출부에 피검사제품 영상을 입력하고 상기 영상 복원부를 이용하여 피검사제품 복원 영상을 생성하는 단계; 상기 피검사제품 영상과 상기 피검사제품 복원 영상을 비교하여 노이즈를 포함하는 피검사제품 결함 영상을 생성하는 단계; 및 상기 노이즈를 포함하는 피검사제품 결함 영상과와 상기 복원 에러 모델을 비교하여 최종 결함 영상을 생성하는 단계를 포함할 수 있다.
Int. CL G01N 21/88 (2006.01.01) G06N 3/08 (2006.01.01) G06N 99/00 (2019.01.01)
CPC G01N 21/8851(2013.01) G01N 21/8851(2013.01) G01N 21/8851(2013.01) G01N 21/8851(2013.01) G01N 21/8851(2013.01)
출원번호/일자 1020170134238 (2017.10.16)
출원인 한국생산기술연구원
등록번호/일자 10-1992970-0000 (2019.06.19)
공개번호/일자 10-2019-0042384 (2019.04.24) 문서열기
공고번호/일자 (20190626) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.10.16)
심사청구항수 9

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 경상북도 포항시 남구
2 이상준 서울특별시 양천구
3 진용식 대구광역시 동구

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 양기혁 대한민국 서울특별시 강남구 테헤란로**길 **(삼성동) 명지빌딩, *층(선정국제특허법률사무소)
3 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
2017.10.16 수리 (Accepted) 1-1-2017-1017991-11
2 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)
2018.03.13 수리 (Accepted) 1-1-2018-0250592-73
3 출원인정보변경(경정)신고서
Notification of change of applicant's information
2018.07.02 수리 (Accepted) 4-1-2018-5123030-77
4 의견제출통지서
Notification of reason for refusal
2019.01.15 발송처리완료 (Completion of Transmission) 9-5-2019-0035504-14
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.03.15 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0268463-92
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)
2019.03.15 수리 (Accepted) 1-1-2019-0268462-46
7 등록결정서
Decision to grant
2019.04.29 발송처리완료 (Completion of Transmission) 9-5-2019-0304593-00
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
학습용 정상 제품 영상을 영상 복원부의 입출력으로 인가하여 정상 제품 영상을 출력하도록 결함 검출부를 기계 학습시키는 단계;상기 기계 학습된 결함 검출부에 시험용 정상 제품 영상을 입력하여 시험용 복원(reconstruction) 영상을 생성하고, 상기 시험용 정상 제품 영상과 상기 시험용 복원 영상을 비교하여 복원 에러를 포함하는 복수의 시험용 결함 영상을 생성하는 단계;상기 복수의 시험용 결함 영상에 기초하여 복원 에러 모델을 생성하는 단계;상기 기계 학습된 결함 검출부에 피검사제품 영상을 입력하고 상기 영상 복원부를 이용하여 피검사제품 복원 영상을 생성하는 단계;상기 피검사제품 영상과 상기 피검사제품 복원 영상을 비교하여 노이즈를 포함하는 피검사제품 결함 영상을 생성하는 단계; 및상기 노이즈를 포함하는 피검사제품 결함 영상과 상기 복원 에러 모델을 비교하여 최종 결함 영상을 생성하는 단계를 포함하는,기계 학습을 통한 결함 검출 방법
2 2
제 1 항에 있어서,상기 최종 결함 영상 중 임계값 보다 큰 밝기를 가지는 부분을 결함 부분으로 하는 이진화 변환을 수행하는 단계; 및상기 이진화 변환된 최종 결함 영상 중 기준 결함 크기 이상의 크기를 가지는 결함 부분을 표면 결함으로 판단하는 단계를 더 포함하는,기계 학습을 통한 결함 검출 방법
3 3
삭제
4 4
제 1 항에 있어서,상기 복원 에러 모델은 상기 복수의 시험용 결함 영상을 평균하여 생성되는,기계 학습을 통한 결함 검출 방법
5 5
제 1 항에 있어서,상기 영상 복원부는 오토인코더(auto-encoder)를 포함하는,기계 학습을 통한 결함 검출 방법
6 6
제 5 항에 있어서,상기 기계 학습시키는 단계는 상기 오토인코더의 요소별 활성화 함수, 가중치 계수 및 바이어스 벡터를 산출하는 단계를 포함하는,기계 학습을 통한 결함 검출 방법
7 7
프로세스 제어부;학습용 정상 제품 영상을 입력 영상 및 출력 영상으로 인가하여 기계 학습된 오토인코더를 포함하는 영상 복원부;상기 오토인코더의 입력 영상과 출력 영상의 차이를 구하는 차분 영상 생성부; 상기 차분 영상 생성부에서 생성한 출력 영상 및 복원 에러 모델을 입력 받아 최종 결함 영상을 생성하는 합성부를 포함하되,상기 프로세스 제어부는 검출 모드 제어부를 포함하며,상기 검출 모드 제어부는 피검사제품 영상을 상기 영상 복원부의 오토인코더의 입력 영상으로서 제공하고, 상기 오토인코더는 상기 피검사제품 영상을 복원하여 피검사제품 복원 영상을 생성하며,상기 차분 영상 생성부는, 상기 오토인코더의 출력 영상인 상기 피검사제품 복원 영상과 상기 오토인코더의 입력 영상인 상기 피검사제품 영상을 비교하여 노이즈를 포함하는 결함 영상을 생성하고,상기 합성부는 상기 노이즈를 포함하는 결함 영상을 상기 복원 에러 모델과 비교하여 최종 결함 영상을 생성하도록 구성되는, 결함 검출 장치
8 8
제 7항에 있어서,상기 오토인코더는 기계 학습을 통해 생성된 요소별 활성화 함수, 가중치 행렬 및 바이어스 벡터를 포함하는 인공신경망 회로인,결함 검출 장치
9 9
제7항에 있어서,감도 모듈 및 사이즈 필터를 포함하는 영상 조정부를 더 포함하되,상기 감도 모듈은 상기 합성부에서 생성된 최종 결함 영상을 임계값에 기초하여 이진화하며, 상기 사이즈 필터는 상기 이진화된 최종 결함 영상 중 기준 결함 크기 이상의 크기를 가지는 결함 부분만을 표면 결함으로서 판단하도록 구성되는,결함 검출 장치
10 10
제7항에 있어서,복원 에러 모델링부(140)를 더 포함하며,상기 프로세스 제어부는 학습모드 제어부 및 에러 모델 생성 모드 제어부를 더 포함하며,상기 학습모드 제어부는 상기 오토인코더로 하여금 상기 학습용 정상 제품 영상을 입력 영상 및 출력 영상으로 인가하여 기계 학습하도록 제어하며,상기 에러 모델 생성 제어부는 시험용 정상 제품 영상을 상기 오토인코더의 입력 영상으로 인가하여 시험용 복원 영상을 생성하도록 제어하고, 상기 차분 영상 생성부로 하여금 상기 시험용 복원 영상과 상기 시험용 정상 제품 영상의 차이를 구하여 노이즈를 포함하는 복수의 시험용 결함 영상을 생성하도록 제어하며, 상기 복원 에러 모델링부로 하여금 상기 복수의 시험용 결함 영상에 기초하여 상기 복원 에러 모델을 생성하도록 제어하는,결함 검출 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.