머신 비전 분야에서, 많은 연구자들은 영상이해 및 인공지능에 대해서 연구를 수행하였다. 전통적으로 머신 비전 시스템은 제조업의 품질검 사와 공정제어 등을 위하여 연구되어 왔으며, 오늘날 컴퓨터 시스템의 발달로 인하여, 머신 비전 시스템은 다양한 제조업 분야에 성공적으로 사용되어 왔다. ...
머신 비전 분야에서, 많은 연구자들은 영상이해 및 인공지능에 대해서 연구를 수행하였다. 전통적으로 머신 비전 시스템은 제조업의 품질검 사와 공정제어 등을 위하여 연구되어 왔으며, 오늘날 컴퓨터 시스템의 발달로 인하여, 머신 비전 시스템은 다양한 제조업 분야에 성공적으로 사용되어 왔다. 머신 비전 시스템에서 검사 대상물의 표면이 균일하거나 텍스처 표면인 특성을 이용하여 불량 검사 알고리즘을 구분할 수 있다. 텍스처 표면은 동질의 표면 (homogeneously textured surface)과 불균일 표면 (heterogeneously textured surface) 2 가지로 구분할 수 있다. 동질의 표면은 반복적이거나 주기적인 패턴을 가지고 있으며, 전체 영상에서 조화로운 시각 인지 (harmonic visual perception)를 보여준다. 반면에 불균일 표면은 불규칙한 텍스처를 보여준다. 동질 표면에 대한 불량검사 방법에는 많은 연구가 이뤄졌다. 이러한 방법들은 통계적 접근법, 주파수 접근법, 그리고 모델 기반 접근법과 같은 3 가지 카테고리로 구분할 수 있다. 그러나 불균일한 표면에서의 불량검출에 대한 연구는 많이 이뤄지지 못하였다. 이는 대부분의 검사 대상물이 균일하거나 또는 동질의 텍스처 표면으로 이뤄졌기 때문이다. 본 논문은 불균일한 텍스처 표면을 갖는 다결정형 솔라 웨이퍼의 불량 검출에 대해서 다루고 있다. 본 논문의 목적은 불균일한 표면을 갖는 다결정형 솔라 웨이퍼의 표면 불량 검사를 위한 새로운 방법을 제안하는 것이다. 다결정형 솔라 웨이퍼는 영상에서 불균일한 텍스처 표면을 갖는 다. 다결정형 솔라 웨이퍼는 여러 종류의 결정질로 구성되어 있으며, 결정질의 크기, 모양 그리고 방향이 불규칙하게 구성되어 있다. 따라서 기존의 불량검출 알고리즘으로는 표면의 불량을 검출 할 수 없다. 이러한 제약점을 극복하기 위하여 본 논문에서는 불량검출 알고리즘을 제안하였 다. 첫째, 본 논문에서는 개선된 비등방 확산 모델 기반의 마이크로 크랙 검출 방법을 제안하였다. Tsai et al.은 십자구조의 커널을 사용하는 비등방 확산 모델 기반의 마이크로 크랙 검출 기법을 제안하였는데, 이는 대각선 방향의 화소 정보를 반영하지 못하며, 이로 인하여 대각선 방향의 마이크로 크랙을 부분적으로 검출하는 단점이 있다. 이와 같은 단점을 개선하기 위하여 본 논문에서는 병렬 비등방 확산모델 및 3×3 크기의 십자형 커널과 5×5 크기의 확장된 커널을 이용하여 대각선 방향의 화소정보를 이용하는 개선된 비등방 확산모델을 제안하였다. 제안된 방법을 Tsai et al. 방법과 비교한 결과, 우수한 성능을 나타내는 것을 확인하였다. 또한 제안된 방법은 기존의 알고리즘에 비하여 적은 알고리즘 반복회수에서 우수한 성능을 나타내는 것을 확인하였다. 둘째, 본 논문에서는 지역적 이진 평균 기반의 불량 검출 알고리즘을 제안하였다. 입력영상을 분할하여 패치영상의 집합으로 표현하고, 각각의 패치영상에서 지역적 이진 평균은 불량 검출을 위한 분류 척도로 이용된다. 실험에는 100 장 이상의 실험이미지를 활용하였으며, 불량 검출율은 91.03%~93.7%, 미검출율은 5.77%~7.42%, 그리고 과검출율은 1.54%~3.71%의 성능을 보여줬다. 또한 패치영상의 크기가 작을수록 보다 우수한 성능을 보여줬다. 기존의 불량 검출 알고리즘과 비교하였을 때, 제안된 방법은 다양한 종류의 불량을 검출하는 장점을 가지고 있다. 이는 제안된 방법이 실제 산업현장에 적용되기에 적합하고, 다양한 텍스처 표면에 확장되어 적용될 수 있음을 의미한다. 셋째, 본 논문에서는 가우시안 혼합모델과 지역적 이진 특징 기반의 불량검출 알고리즘을 제안하였다. 지역적 이진 특징은 지역적 이진 평균과 표준편차로 구성되며, 영상에서 불량 영역에 민감하고, 다결정질 배경 영역에서 둔감한 특징을 갖는다. 가우시안 혼합모델 기반의 분류기는 입력된 패치영상을 불량영역 또는 정상영역으로 판별한다. 실험결과 불량 검출율은 88.45%~94.63%, 미검출율은 5.36%~11.64%, 그리고 과검출율은 1.13%~2.73%의 성능을 보여줬다. 또한 제안된 방법은 어두운 밝기를 갖는 불량에 대해서 모양에 상관없이 다양한 형태의 불량을 동시에 검출하는 장점을 갖는다. 넷째, 본 논문에서는 솔라셀의 색상구분을 위하여 가우시안 혼합모 델과 컬러 히스토그램 특징 기반의 색상 분류기를 제안하였다. 솔라셀은 다양한 결정질로 구성되어 있으며, 색상의 편차를 가지고 있다. 따라서 색상구분 없이 태양전지 패널을 제작하고, 건물 외부에 장착할 경우 심미성이 매우 떨어지게 된다. 따라서 태양전지 패널 제작업체에서는 솔라 셀의 색상을 구분하기를 원하고 있다. 이와 같은 이유로, 본 논문에서는 색상 분류기를 제안하였으며, 다양한 색상공간에서 특징벡터를 추출하여 실험한 결과, YCbCr 색상공간에서 추출한 특징벡터를 이용하였을 때 약 97.4%의 분류율을 보여주며, 가장 우수한 분류 성능을 나타내는 것을 확인하였다. 다섯째, 본 논문에서는 계산 효율을 분산 가우시안 혼합모델을 제안 하였다. 제안된 분산 가우시안 혼합모델은 차감 클러스터링 기반으로 최적의 혼합성분 개수를 추정하기 위하여 혼합성
머신 비전 분야에서, 많은 연구자들은 영상이해 및 인공지능에 대해서 연구를 수행하였다. 전통적으로 머신 비전 시스템은 제조업의 품질검 사와 공정제어 등을 위하여 연구되어 왔으며, 오늘날 컴퓨터 시스템의 발달로 인하여, 머신 비전 시스템은 다양한 제조업 분야에 성공적으로 사용되어 왔다. 머신 비전 시스템에서 검사 대상물의 표면이 균일하거나 텍스처 표면인 특성을 이용하여 불량 검사 알고리즘을 구분할 수 있다. 텍스처 표면은 동질의 표면 (homogeneously textured surface)과 불균일 표면 (heterogeneously textured surface) 2 가지로 구분할 수 있다. 동질의 표면은 반복적이거나 주기적인 패턴을 가지고 있으며, 전체 영상에서 조화로운 시각 인지 (harmonic visual perception)를 보여준다. 반면에 불균일 표면은 불규칙한 텍스처를 보여준다. 동질 표면에 대한 불량검사 방법에는 많은 연구가 이뤄졌다. 이러한 방법들은 통계적 접근법, 주파수 접근법, 그리고 모델 기반 접근법과 같은 3 가지 카테고리로 구분할 수 있다. 그러나 불균일한 표면에서의 불량검출에 대한 연구는 많이 이뤄지지 못하였다. 이는 대부분의 검사 대상물이 균일하거나 또는 동질의 텍스처 표면으로 이뤄졌기 때문이다. 본 논문은 불균일한 텍스처 표면을 갖는 다결정형 솔라 웨이퍼의 불량 검출에 대해서 다루고 있다. 본 논문의 목적은 불균일한 표면을 갖는 다결정형 솔라 웨이퍼의 표면 불량 검사를 위한 새로운 방법을 제안하는 것이다. 다결정형 솔라 웨이퍼는 영상에서 불균일한 텍스처 표면을 갖는 다. 다결정형 솔라 웨이퍼는 여러 종류의 결정질로 구성되어 있으며, 결정질의 크기, 모양 그리고 방향이 불규칙하게 구성되어 있다. 따라서 기존의 불량검출 알고리즘으로는 표면의 불량을 검출 할 수 없다. 이러한 제약점을 극복하기 위하여 본 논문에서는 불량검출 알고리즘을 제안하였 다. 첫째, 본 논문에서는 개선된 비등방 확산 모델 기반의 마이크로 크랙 검출 방법을 제안하였다. Tsai et al.은 십자구조의 커널을 사용하는 비등방 확산 모델 기반의 마이크로 크랙 검출 기법을 제안하였는데, 이는 대각선 방향의 화소 정보를 반영하지 못하며, 이로 인하여 대각선 방향의 마이크로 크랙을 부분적으로 검출하는 단점이 있다. 이와 같은 단점을 개선하기 위하여 본 논문에서는 병렬 비등방 확산모델 및 3×3 크기의 십자형 커널과 5×5 크기의 확장된 커널을 이용하여 대각선 방향의 화소정보를 이용하는 개선된 비등방 확산모델을 제안하였다. 제안된 방법을 Tsai et al. 방법과 비교한 결과, 우수한 성능을 나타내는 것을 확인하였다. 또한 제안된 방법은 기존의 알고리즘에 비하여 적은 알고리즘 반복회수에서 우수한 성능을 나타내는 것을 확인하였다. 둘째, 본 논문에서는 지역적 이진 평균 기반의 불량 검출 알고리즘을 제안하였다. 입력영상을 분할하여 패치영상의 집합으로 표현하고, 각각의 패치영상에서 지역적 이진 평균은 불량 검출을 위한 분류 척도로 이용된다. 실험에는 100 장 이상의 실험이미지를 활용하였으며, 불량 검출율은 91.03%~93.7%, 미검출율은 5.77%~7.42%, 그리고 과검출율은 1.54%~3.71%의 성능을 보여줬다. 또한 패치영상의 크기가 작을수록 보다 우수한 성능을 보여줬다. 기존의 불량 검출 알고리즘과 비교하였을 때, 제안된 방법은 다양한 종류의 불량을 검출하는 장점을 가지고 있다. 이는 제안된 방법이 실제 산업현장에 적용되기에 적합하고, 다양한 텍스처 표면에 확장되어 적용될 수 있음을 의미한다. 셋째, 본 논문에서는 가우시안 혼합모델과 지역적 이진 특징 기반의 불량검출 알고리즘을 제안하였다. 지역적 이진 특징은 지역적 이진 평균과 표준편차로 구성되며, 영상에서 불량 영역에 민감하고, 다결정질 배경 영역에서 둔감한 특징을 갖는다. 가우시안 혼합모델 기반의 분류기는 입력된 패치영상을 불량영역 또는 정상영역으로 판별한다. 실험결과 불량 검출율은 88.45%~94.63%, 미검출율은 5.36%~11.64%, 그리고 과검출율은 1.13%~2.73%의 성능을 보여줬다. 또한 제안된 방법은 어두운 밝기를 갖는 불량에 대해서 모양에 상관없이 다양한 형태의 불량을 동시에 검출하는 장점을 갖는다. 넷째, 본 논문에서는 솔라셀의 색상구분을 위하여 가우시안 혼합모 델과 컬러 히스토그램 특징 기반의 색상 분류기를 제안하였다. 솔라셀은 다양한 결정질로 구성되어 있으며, 색상의 편차를 가지고 있다. 따라서 색상구분 없이 태양전지 패널을 제작하고, 건물 외부에 장착할 경우 심미성이 매우 떨어지게 된다. 따라서 태양전지 패널 제작업체에서는 솔라 셀의 색상을 구분하기를 원하고 있다. 이와 같은 이유로, 본 논문에서는 색상 분류기를 제안하였으며, 다양한 색상공간에서 특징벡터를 추출하여 실험한 결과, YCbCr 색상공간에서 추출한 특징벡터를 이용하였을 때 약 97.4%의 분류율을 보여주며, 가장 우수한 분류 성능을 나타내는 것을 확인하였다. 다섯째, 본 논문에서는 계산 효율을 분산 가우시안 혼합모델을 제안 하였다. 제안된 분산 가우시안 혼합모델은 차감 클러스터링 기반으로 최적의 혼합성분 개수를 추정하기 위하여 혼합성
In the field of machine vision technology, many researchers worked on the development and implementation of image understanding and artificial intelligence. Traditionally, automated visual inspection systems have been studied for manufacturing industries for applications including quality assurance ...
In the field of machine vision technology, many researchers worked on the development and implementation of image understanding and artificial intelligence. Traditionally, automated visual inspection systems have been studied for manufacturing industries for applications including quality assurance and control. Nowadays due to the advancement of computer systems, these systems have been successfully used in various manufacturing industries. The defect detection algorithm in the field of automated visual inspection technology can be classified according to the characteristics of the inspected object surface, which can be either uniform or textured. There are two kinds of textured surfaces: homogeneously textured surface and heterogeneously (random) textured surface. The homogeneously textured surface has repetitive or periodical patterns which give harmonic visual perception in the whole image whereas the heterogeneously textured surface has random patterns. There are many studies carried out for defect detection in homogeneously textured surface. These defect detection methods are divided into three categories, namely; statistical approaches, spectral approaches and model based approaches. However, there are a few relevant works in the case of defect detection for random textured surface. This is because target objects of many defect detection have uniform or homogeneous textured surface. This dissertation is about automated visual inspection methods for the polycrystalline solar wafers and cells which consist of heterogeneously textured surfaces. The main objective of this dissertation is to propose new methods to detect the defects on the textured surface of solar wafers. The polycrystalline solar wafer has heterogeneously textured surface in the digital image. It has multiple grains that have random sizes, shapes and variations in various directions on the surface. Therefore, conventional methods cannot be applied to this unconventional problem. To overcome this limitation, this dissertation proposes several defect detection methods and color classification method. First, we propose a parallel anisotropic diffusion model and an improved anisotropic diffusion model for micro-crack detection in solar cells. Tsai et al. introduced the anisotropic diffusion based defect detection scheme, in which anisotropic model was based on cross-kernel. It reflects the four neighbors pixel information, but it cannot reflect the diagonal pixel information. In order to overcome this, we propose a parallel anisotropic diffusion model and an improved anisotropic diffusion model based methods. The improved anisotropic diffusion model method is based on 3 × 3 cross-kernel and extended 5 × 5 diagonal-kernel which reflects the diagonal direction microcrack information and detailed control over the diffusion process. Compared to Tsai et al.’s, the proposed algorithms show superior efficiency in detecting the diagonal micro-cracks with tolerable noise pixels and in the images of polycrystalline solar cells. In addition, the proposed algorithm’s iteration cycle is less than the conventional algorithms. Second, we propose a local binary mean based defect detection in the heterogeneously textured surface of polycrystalline solar wafers. The input image is broken down into a set of patch images, and the local binary mean value in each patch image is used as the discrimination measure for detecting defects. In our experiment, we use a test set of more than 100 solar wafer images. The results show that the detection rate is between 91.03% ∼ 93.7%, the missing rate is between 5.77% ∼ 7.42% and the over detection (overkill) rate is between 1.54% ∼ 3.71%. The smaller the size of patch images is the superior the performance to be achieved by the proposed method. The proposed method has the advantage of detecting various kinds of low graylevel defects such as micro-cracks, fingerprints and contaminations from digital images. This means that the proposed method is suitable to apply in the industry and it can be extended to the inspection of defects in various textured surface images. Third, we propose a defect detection method based on Gaussian mixture model (GMM) with local binary feature. The local binary feature consists of mean and standard deviation of local binary image and is sensitive to defective regions and less sensitive to grains in heterogeneously background. The GMM based classifier classify the input patch image as defective or defect-free. Experimental results show that the detection rate is of 88.45%∼94.63%, the missing rate is of 5.36%∼11.64% and the over detection (overkill) rate is of 1.13%∼2.73%. The proposed method has the advantage of detecting various kinds of low gray-level defects such as microcracks, fingerprints and contaminations simultaneously. Fourth, we propose a color classification method based on Gaussian mixture model (GMM) with color features for heterogeneously textured surface of solar cells. The solar cell consists of multi-crystalline. They have multiple grains which have random size, shapes and variations of colors. Therefore, there is a surface color deviation in polycrystalline solar cells. The solar cell panels which manufactured without considering its surface color uniformity will lead to disreputable exterior of a building. Therefore, solar cell manufacturers wanted to classify its surface colors. For this reason, we propose the color classification method of the polycrystalline solar cell that needed in manufacturing equipment. To evaluate the proposed method, we compare the performance of color features. Then, we compare the classification performance in terms of the number of mixture components. Experimental results show that the feature vector from YCbCr color space yields the best performance and the correct classification rate is 97.4%. Fifth, we propose the subtractive clustering based distributed Gaussian mixture model for computation effici
In the field of machine vision technology, many researchers worked on the development and implementation of image understanding and artificial intelligence. Traditionally, automated visual inspection systems have been studied for manufacturing industries for applications including quality assurance and control. Nowadays due to the advancement of computer systems, these systems have been successfully used in various manufacturing industries. The defect detection algorithm in the field of automated visual inspection technology can be classified according to the characteristics of the inspected object surface, which can be either uniform or textured. There are two kinds of textured surfaces: homogeneously textured surface and heterogeneously (random) textured surface. The homogeneously textured surface has repetitive or periodical patterns which give harmonic visual perception in the whole image whereas the heterogeneously textured surface has random patterns. There are many studies carried out for defect detection in homogeneously textured surface. These defect detection methods are divided into three categories, namely; statistical approaches, spectral approaches and model based approaches. However, there are a few relevant works in the case of defect detection for random textured surface. This is because target objects of many defect detection have uniform or homogeneous textured surface. This dissertation is about automated visual inspection methods for the polycrystalline solar wafers and cells which consist of heterogeneously textured surfaces. The main objective of this dissertation is to propose new methods to detect the defects on the textured surface of solar wafers. The polycrystalline solar wafer has heterogeneously textured surface in the digital image. It has multiple grains that have random sizes, shapes and variations in various directions on the surface. Therefore, conventional methods cannot be applied to this unconventional problem. To overcome this limitation, this dissertation proposes several defect detection methods and color classification method. First, we propose a parallel anisotropic diffusion model and an improved anisotropic diffusion model for micro-crack detection in solar cells. Tsai et al. introduced the anisotropic diffusion based defect detection scheme, in which anisotropic model was based on cross-kernel. It reflects the four neighbors pixel information, but it cannot reflect the diagonal pixel information. In order to overcome this, we propose a parallel anisotropic diffusion model and an improved anisotropic diffusion model based methods. The improved anisotropic diffusion model method is based on 3 × 3 cross-kernel and extended 5 × 5 diagonal-kernel which reflects the diagonal direction microcrack information and detailed control over the diffusion process. Compared to Tsai et al.’s, the proposed algorithms show superior efficiency in detecting the diagonal micro-cracks with tolerable noise pixels and in the images of polycrystalline solar cells. In addition, the proposed algorithm’s iteration cycle is less than the conventional algorithms. Second, we propose a local binary mean based defect detection in the heterogeneously textured surface of polycrystalline solar wafers. The input image is broken down into a set of patch images, and the local binary mean value in each patch image is used as the discrimination measure for detecting defects. In our experiment, we use a test set of more than 100 solar wafer images. The results show that the detection rate is between 91.03% ∼ 93.7%, the missing rate is between 5.77% ∼ 7.42% and the over detection (overkill) rate is between 1.54% ∼ 3.71%. The smaller the size of patch images is the superior the performance to be achieved by the proposed method. The proposed method has the advantage of detecting various kinds of low graylevel defects such as micro-cracks, fingerprints and contaminations from digital images. This means that the proposed method is suitable to apply in the industry and it can be extended to the inspection of defects in various textured surface images. Third, we propose a defect detection method based on Gaussian mixture model (GMM) with local binary feature. The local binary feature consists of mean and standard deviation of local binary image and is sensitive to defective regions and less sensitive to grains in heterogeneously background. The GMM based classifier classify the input patch image as defective or defect-free. Experimental results show that the detection rate is of 88.45%∼94.63%, the missing rate is of 5.36%∼11.64% and the over detection (overkill) rate is of 1.13%∼2.73%. The proposed method has the advantage of detecting various kinds of low gray-level defects such as microcracks, fingerprints and contaminations simultaneously. Fourth, we propose a color classification method based on Gaussian mixture model (GMM) with color features for heterogeneously textured surface of solar cells. The solar cell consists of multi-crystalline. They have multiple grains which have random size, shapes and variations of colors. Therefore, there is a surface color deviation in polycrystalline solar cells. The solar cell panels which manufactured without considering its surface color uniformity will lead to disreputable exterior of a building. Therefore, solar cell manufacturers wanted to classify its surface colors. For this reason, we propose the color classification method of the polycrystalline solar cell that needed in manufacturing equipment. To evaluate the proposed method, we compare the performance of color features. Then, we compare the classification performance in terms of the number of mixture components. Experimental results show that the feature vector from YCbCr color space yields the best performance and the correct classification rate is 97.4%. Fifth, we propose the subtractive clustering based distributed Gaussian mixture model for computation effici
※ AI-Helper는 부적절한 답변을 할 수 있습니다.