맞춤기술찾기

이전대상기술

딥러닝을 이용한 양품 선별 방법

  • 기술번호 : KST2019010660
  • 담당센터 :
  • 전화번호 :
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 발명은 제품 영상에 대한 딥러닝 학습을 통해 제품의 양품 여부를 판별하되 양품 여부에 대한 작업자의 주관적인 양불 판별 기준이 딥러닝 학습 과정에 그대로 반영되어 수작업으로 이루어지던 인력 판별 결과와 동일한 선별 성능을 가지게 되는 딥러닝을 이용한 양품 선별 방법에 관한 것으로, (a) 양품 영상으로부터 양품 모델 영상을 생성하는 단계; (b) 하나 이상의 양품 영상 및 불량품 영상에 대하여 상기 양품 모델 영상과의 기본 1차 차영상을 생성하는 단계; (c) 상기 1차 차영상에 대하여 작업자의 마스킹 입력을 수신하고, 마스킹 입력에 의해 선택된 이미지 요소를 제외한 나머지 이미지 요소를 1차 차영상에서 마스크 처리하여 마스크 처리된 2차 차영상을 생성하는 단계; (d) 상기 양품 영상과 불량품 영상을 입력으로 하고 상기 2차 차영상을 출력하도록 하여 심층 신경망이 입출력 데이터 간 상관관계를 딥러닝 학습시키는 단계; 및 (e) 상기 2차 차영상의 잔존 이미지 요소의 크기를 결함값으로 산출하고, 상기 2차 차영상들의 결함값 분포를 통해 검사 기준값을 산출하는 단계; 를 포함하는 것을 특징으로 한다.
Int. CL B07C 5/342 (2006.01.01) B07C 5/36 (2006.01.01) G06N 3/08 (2023.01.01)
CPC B07C 5/3422(2013.01) B07C 5/3422(2013.01) B07C 5/3422(2013.01)
출원번호/일자 1020170177516 (2017.12.21)
출원인 동의대학교 산학협력단
등록번호/일자 10-2171491-0000 (2020.10.23)
공개번호/일자 10-2019-0075707 (2019.07.01) 문서열기
공고번호/일자 (20201029) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.12.21)
심사청구항수 4

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 동의대학교 산학협력단 대한민국 부산광역시 부산진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장성욱 부산광역시 연제구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 정상규 대한민국 서울특별시 서초구 사임당로 **, **층 (서초동, 신영빌딩)(특허법인세원)
2 특허법인세원 대한민국 서울특별시 서초구 사임당로 **, **층 (서초동, 신영빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 동의대학교 산학협력단 부산광역시 부산진구
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
2017.12.21 수리 (Accepted) 1-1-2017-1278977-81
2 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)
2019.01.28 수리 (Accepted) 1-1-2019-0101160-47
3 선행기술조사의뢰서
Request for Prior Art Search
2019.03.15 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search
2019.05.14 수리 (Accepted) 9-1-2019-0023014-35
5 의견제출통지서
Notification of reason for refusal
2019.07.22 발송처리완료 (Completion of Transmission) 9-5-2019-0526236-66
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.09.18 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0953112-61
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.09.18 수리 (Accepted) 1-1-2019-0953111-15
8 의견제출통지서
Notification of reason for refusal
2020.01.28 발송처리완료 (Completion of Transmission) 9-5-2020-0065353-88
9 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2020.03.10 수리 (Accepted) 1-1-2020-0251957-61
10 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.03.10 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0251958-17
11 등록결정서
Decision to grant
2020.07.27 발송처리완료 (Completion of Transmission) 9-5-2020-0506205-17
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
제품이 생산되는 공정라인에 설치되는 카메라로부터 촬영된 검사 대상물 영상을 기반으로 제품이 양품인지 불량품인지를 선별하는 양품 선별 방법으로서, 양품으로 선별된 제품의 영상을 관리하는 양품 영상 DB와 불량품으로 선별된 제품의 영상을 관리하는 불량품 영상 DB와 상기 양품 영상 DB의 다수의 양품 영상들의 평균 영상이나 골든 샘플을 촬영한 영상인 양품 모델 영상을 관리하는 모델 영상 DB를 포함하는 양품 선별 시스템에서 운영되며, (a) 양품 영상으로부터 양품 모델 영상을 생성하는 단계;(b) 하나 이상의 양품 영상 및 불량품 영상에 대하여 상기 양품 모델 영상과의 기본 1차 차영상을 생성하는 단계;(c-1) 상기 1차 차영상을 작업자에게 표시하는 단계;(c-2) 작업자로부터 현장 작업자의 주관적인 양품 판별 기준에 따라 상기 1차 차영상을 구성하는 이미지 요소들 중 불량으로 판단되는 이미지 요소를 선택받아 작업자의 마스킹 입력을 수신하는 단계;(c-3) 마스킹 입력에 의해 선택된 이미지 요소를 제외한 나머지 이미지 요소를 1차 차영상에서 마스크 처리하여 현장 작업자가 불량 판별에서 중요하게 생각하는 요소만을 남긴 마스크 처리된 2차 차영상을 생성하는 단계;(d) 상기 양품 영상과 불량품 영상을 입력으로 하고 상기 2차 차영상을 출력하도록 하여 심층 신경망이 입출력 데이터 간 상관관계를 딥러닝 학습시키는 단계; 및(e) 상기 2차 차영상의 잔존 이미지 요소의 크기를 결함값으로 산출하고, 상기 2차 차영상들의 결함값 분포를 통해 검사 기준값을 산출하는 단계; 를 포함하는 것을 특징으로 하는 양품 선별 방법
2 2
제 1항에 있어서, (f) 검사 대상물 영상을 상기 심층 신경망에 입력해 검사 대상물 영상의 2차 차영상을 도출시키는 단계; 및 (g) 도출된 2차 차영상의 결함값을 산출하고 산출된 결함값을 상기 검사 기준값과 비교하여 양품과 불량품을 판별하는 단계; 를 포함하는 것을 특징으로 하는 양품 선별 방법
3 3
삭제
4 4
제 1항 또는 제 2항에 있어서, 상기 (e) 단계에서, 상기 2차 차영상의 잔존 이미지 요소의 크기는 잔존 이미지 요소의 픽셀 개수, 잔존 이미지 요소의 둘레 길이, 잔존 이미지 요소의 면적 중 어느 하나의 파라미터를 기준으로 측정되는 것을 특징으로 하는 양품 선별 방법
5 5
제 1항 또는 제 2항에 있어서, 상기 (e) 단계에서, 상기 검사 기준값은 결함값들의 분포에서 양품과 불량품의 경계값의 중간값인 것을 특징으로 하는 양품 선별 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.