[논문]색채선별기 곡물 이미지 가시화 및 선별기법에 관한 연구

이춘영; 얀레이; 이상룡; 박철우

doi:10.5407/jksv.2008.6.2.020

문제 정의

따라서 본 연구에서는 곡물 색채선별을 위해 개발된 영상처리 시스템의 하드웨어, 영상처리 시스템에 적용된 소프트웨어 및 관련 알고리즘을 포함하고 곡물 선별 실험결과에 대하여 기술하고자 한다.
본 연구에서는 먼저 곡물의 불량을 검출하기 위해 곡물 색채선별기에 적용될 수 있는 영상 시스템 즉, 라인 스캔 CCD(charge coupled device) 카메라를 통해전송되는 정보를 축적하여 곡물의 영상을 표시하는 영상 가시화 시스템을 구현하고, 이렇게 획득된 영상신호를 처리하여 짧은 시간 내에 수많은 처리 곡물 중에서 곡물의 개체 좌표와 불량부분을 감지해내는 영상처리 기법을 개발하고자 한다. 특히, 개발된 시스템은 FPGA와 DSP를 사용하여 영상 전송 처리 능력을 극대화하여 10 KHz로 샘플링하도록 하였다.
본 연구에서는 현재 상용화되어 사용되고 있는 곡물 색채 선별기에 적용 가능한 영상처리기법과 시스템을 개발하고 검증 실험을 수행하였다. 먼저 고속으로 낙하는 곡물 물체를 라인 스캔 CCD 카메라를 통하여 라인 이미지를 축적하여 사용자에게 가시화하고, 각 개체의 중심점과 불량 정도를 판독할 수 있도록 하였다.

제안 방법

이는 최대 스캔 속도가 20 KHz 정도를 의미한다. DSP의 처리능력과 영상 처리를 위한 계산 부담을 고려하여, 초당 10, 000번 (10 KHz>의 라인 데이터를 획득하도록 구현하였다.
FPGA는 외부 주변 칩들과의 논리 회로 인터페이스 역할과 라인 스캔 CCD 카메라로부터 디지털화된 영상 신호를 전송하기 위한 고속 FIFO (first-in-first-out) 메모리를 구현하였다. FPGA와 DSP는 Fig.
구현하였다. FPGA와 DSP는 Fig. 2에서처럼 EMIF(extemal memory interface)# 사용하여 데이터전송을 직접 메모리 액세스 방식으로 처리하였다.
개발된 영상처리 시스템은 주제어기와 명령을 교신하면서 수행해야 하므로 CAN (controller area network) 통신 방식으로 접속되도록 하기 위해 제어용 DSP 모듈을 추가로 사용하였다. 영상 처리 결과를 바탕으로 불량 곡물을 분리해 내기 위한 에어 이젝터 솔레노이드 작동 명령을 생성하는데 사용하였다.
곡물의 영상을 가시화함에 있어서는 이 중 버퍼 (double buffer) 구조를 사용하여 이미지를 생성함과 동시에 새로운 라인 데이터를 전송하는 부분을 분리하여 처리함으로 영상 데이터의 손실을 방지하였다. 라인 스캔 카메라의 2048 픽셀 영상은 AFE (analog front end)에서 12 비트로 AAD변환이 이루어져 디지털화되고 이는 FPGA의 FIFO 메모리에 저장된다.
또한, 이러한 구축된 영상처리 기법의 적용 및 검증을 위하여 인공적인 배율로 조합된 곡물에 대하여 양품 선별 성공률 검증에 대한 실험을 수행하였다. Table 3은 곡물 시료중 양품의 비율이 56%이고 불량품 비율이 44%가 되도록 인공적인 배합으로 구성한 가혹한 조건의 곡물에 대하여 곡물 선별 시험을 실시한 결과를 보여주고 있다.
32비트 PCI 버스 인터페이스, 64비트 및 16비트 외부 메모리인터페이스 및 3개의 McBSP (multi channel buffered serial ports)는 주변 장치와 연결에 용이하다. 또한EDMA (enhanced direct memory access) 컨트롤러가내장되어 있어 CPU의 성능을 저하시키지 않고 메모리의 데이터를 처리할 수 있어 고속 영상 처리를 가능하게 하였다.
검증 실험을 수행하였다. 먼저 고속으로 낙하는 곡물 물체를 라인 스캔 CCD 카메라를 통하여 라인 이미지를 축적하여 사용자에게 가시화하고, 각 개체의 중심점과 불량 정도를 판독할 수 있도록 하였다. 실시간 영상 처리 및 표시를 위해 DSP와 FTOA를 이용한 임베디드 시스템으로 개발하여 영상 이미지 고도 처리알고리즘을 적용 및 향상된 기법을 제시하였다.
본 연구의 불량 개체의 선별 기준은 선별해야 할 곡물의 표면에 오점이 있는 경우와 곡물 개체의 크기가 기준 크기 범위를 벗어나는 경우로 설정하여 적용하였다. 곡물 표면의 오점은 정상 개체의 그레이 레벨과 비교하여, 그 차이가 설정값(threshold) 이상인 경우로 구별한다.
먼저 고속으로 낙하는 곡물 물체를 라인 스캔 CCD 카메라를 통하여 라인 이미지를 축적하여 사용자에게 가시화하고, 각 개체의 중심점과 불량 정도를 판독할 수 있도록 하였다. 실시간 영상 처리 및 표시를 위해 DSP와 FTOA를 이용한 임베디드 시스템으로 개발하여 영상 이미지 고도 처리알고리즘을 적용 및 향상된 기법을 제시하였다. 실험 결과 기존의 단순 불량 레벨 비교에 의한 선별 방법보다 매우 우수한 선별율을 나타내 었으며, 향후 다양한 곡물의 종류 변화에 따른 불량품 선별에 개발된 영상 가시화 기법을 응용 및 적용하고자 한다.
모듈을 추가로 사용하였다. 영상 처리 결과를 바탕으로 불량 곡물을 분리해 내기 위한 에어 이젝터 솔레노이드 작동 명령을 생성하는데 사용하였다. 전체적인 시스템의 각 역할을 요약하면 다음과 같다.
6은 배경 판을 라인 CCD 카메라로 촬영한 데이터 값을 나타낸다. 이를 보정하기 위한 파라미터를 아래와 같이 각 CCD 픽셀별로 값을 설정하여 저장한 후, 이를 곱하여 전체적으로 균일한 반응을 보이도록 하였다.
곡물 표면의 오점은 정상 개체의 그레이 레벨과 비교하여, 그 차이가 설정값(threshold) 이상인 경우로 구별한다. 이를 위해, 각 이미지 픽셀 값이 정상 범위에 포함되는지 여부를 판단하는 부분과 곡물 개체에 레이블링 기법을 적용하여 개체의 크기를 판단하는 부분으로 구현하였다.
Mbit SDRAM을 이용하였다. 이미지의 전처리를 위한 여러가지 파라미터의 저장을 위해 FPGA 내부에 RAM을 설계 배치하였다.
5 는 이와 같은 방법으로 획득된 곡물의 개체 이미지의 샘플을 보여주고 있다. 즉, 먼저 고속으로 자유낙하 하고 있는 물체의 이미지를 카메라 영상 이미지로 획득한 후, 이 영상에 대해 불량 곡물을 판별하는 영상처리기법을 적용하게 된다.
기법을 개발하고자 한다. 특히, 개발된 시스템은 FPGA와 DSP를 사용하여 영상 전송 처리 능력을 극대화하여 10 KHz로 샘플링하도록 하였다.

대상 데이터

특히 이 경우, 색채 선별기에서 낙하하는 곡물 개체의 모든 개체 이미지를 표시함에 있어, 전체 라인 데이터의 손실이 전혀 없이 축적하는 기법이 요구된다. 본 시스템에 구축된 카메라는 2048 픽셀을 한 개의 라인으로 출력하는 카메라로 동작 속도는 40 MHz이다. 이는 최대 스캔 속도가 20 KHz 정도를 의미한다.

성능/효과

그 결과 각기 분리된 양품과 불량품에서, 양품 내 불량의 비율은 4% 미 만이 었고, 불량품 내 양품의 비율은 17% 이내로 나타나 어려운 조건 상태에서도 우수한 영상 처리 기법이 잘 적용되고 있음을 알 수 있었다. 양품 내 불량의 비율은 양품에 포함된 불량 곡물의 비율을 나타내는 것으로 양품의 판단 오차를 의미한다.
분리되도록 하고 있는 실정이다. 그러나 본연구에서 개발된 시스템은 낙하하는 곡물의 실제 영상을 가시화할 수 있으며, 불량이 있는 곡물 개체의 중심점(centroid)을 영상 처리 기법으로 정확히 판단하여 불량 개체를 에어 이젝터 (air ejector) 공압장치를 사용하여 정확하게 분리 및 제거할 수 있는 장점을 가지고 있다. 영상 시스템의 결과와 연동되어 작동하는 제거 공압장치 부분의 자세한 설명은 본 연구의 영상 가시화 시스템의 부가장치로 본 연구 내용에서 배제하였다.
불량품내 양품의 비율이 양품내 불량품의 비율보다 높은 이유는 1차 선별에서 최상의 양품을 우선 선별하고, 다시 2차 선별의 과정을 거치므로, 불량품 내 양품의 비율이 높게 된다. 기존 색채선별기가 불량품 내 양품 비율이 20% 이상인 것에 대비하여 우수한 실험 결과를 나타내었다.
특히 , 일반적인 색채 선별기에 사용되는 곡물시료에포함되어져 있는 불량품의 비율은 낮은 편이므로 본연구에서 구축한 영상 처리 시스템을 탑재하여 처리한 결과, 양품 중 불량의 비율이 1% 미만으로 나타남을 확인할 수 있었다.

후속연구

따라서, 상기와 같은 개발된 영상처리 기법을 통해 곡물 개체의 각 중심점을 정확히 검출하여 효과적인 곡물의 분리 성능을 이룰 수 있게 되었으며, 고속으로 낙하하는 물체의 영상을 가시화 하여 향후 다양한 활용 분야에 적용할 수 있을 것으로 판단된다. 그러나, 곡물이 겹쳐진 경우는 곡물의 중심 좌표가 겹쳐진 곡물 전체의 중심으로 계산된다.
실시간 영상 처리 및 표시를 위해 DSP와 FTOA를 이용한 임베디드 시스템으로 개발하여 영상 이미지 고도 처리알고리즘을 적용 및 향상된 기법을 제시하였다. 실험 결과 기존의 단순 불량 레벨 비교에 의한 선별 방법보다 매우 우수한 선별율을 나타내 었으며, 향후 다양한 곡물의 종류 변화에 따른 불량품 선별에 개발된 영상 가시화 기법을 응용 및 적용하고자 한다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

색채선별기 곡물 이미지 가시화 및 선별기법에 관한 연구
Investigation on Grain Image Visulalization and Color Sorting Technique 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

색채선별기 곡물 이미지 가시화 및 선별기법에 관한 연구 Investigation on Grain Image Visulalization and Color Sorting Technique 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

이춘영 (25) 이상룡 (53) 박철우 (31)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

색채선별기 곡물 이미지 가시화 및 선별기법에 관한 연구
Investigation on Grain Image Visulalization and Color Sorting Technique 원문보기

AI 본문요약
AI-Helper