본 논문에서는 불균일한 표면을 갖는 다결정형 솔라셀에서의 마이크로 크랙 검출을 위한 개선된 비등방 확산 모델 기반의 불량 검출 기법에 대해서 다룬다. 산업용 카메라를 이용하여 획득한 영상에서 CCD 센서의 특성으로 인하여 대각선 방향으로 발생한 마이크로 크랙의 밝기가 일정하지 않게 표현되는 경우가 발생한다. 이와 같은 특징으로 인하여 기존의 비등방성 확산 모델 기반의 마이크로 크랙 검출 알고리즘에서 충분한 반복확산이 이뤄지지 않을 경우, 대각선 방향으로 발생한 마이크로 크랙을 불연속적으로 검출하는 단점을 가지고 있다. 그러나 확산 횟수가 증가할수록 전체 알고리즘 수행 시간이 증가하며, 실제 마이크로 크랙보다 두껍게 검출하는 경향이 있다. 이러한 단점을 개선하기 위하여 기존의 동서남북 방향 기울기를 이용하는 비등방 확산 모델에 확장된 대각선 방향의 기울기를 추가로 적용하였다. 제안된 방법은 십자방향의 기울기와 확장된 기울기를 비교하고, 보다 큰 값을 확산계수 함수에 적용하는 방법이다. 이는 대각선 방향으로 발생된 마이크로 크랙의 정보를 반영하기 위한 것이다. Tsai et al.의 방법과 Ko and Rheem의 방법과 비교실험 한 결과, 본 논문에서 제안된 알고리즘이 기존에 제안된 알고리즘에 비하여 적은 반복횟수에서 마이크로 크랙을 우수하게 검출하는 것을 확인했다. 또한 기존 알고리즘에 비하여 실제 마이크로 크랙과 유사한 두께로 검출하는 것을 확인했다.
본 논문에서는 불균일한 표면을 갖는 다결정형 솔라셀에서의 마이크로 크랙 검출을 위한 개선된 비등방 확산 모델 기반의 불량 검출 기법에 대해서 다룬다. 산업용 카메라를 이용하여 획득한 영상에서 CCD 센서의 특성으로 인하여 대각선 방향으로 발생한 마이크로 크랙의 밝기가 일정하지 않게 표현되는 경우가 발생한다. 이와 같은 특징으로 인하여 기존의 비등방성 확산 모델 기반의 마이크로 크랙 검출 알고리즘에서 충분한 반복확산이 이뤄지지 않을 경우, 대각선 방향으로 발생한 마이크로 크랙을 불연속적으로 검출하는 단점을 가지고 있다. 그러나 확산 횟수가 증가할수록 전체 알고리즘 수행 시간이 증가하며, 실제 마이크로 크랙보다 두껍게 검출하는 경향이 있다. 이러한 단점을 개선하기 위하여 기존의 동서남북 방향 기울기를 이용하는 비등방 확산 모델에 확장된 대각선 방향의 기울기를 추가로 적용하였다. 제안된 방법은 십자방향의 기울기와 확장된 기울기를 비교하고, 보다 큰 값을 확산계수 함수에 적용하는 방법이다. 이는 대각선 방향으로 발생된 마이크로 크랙의 정보를 반영하기 위한 것이다. Tsai et al.의 방법과 Ko and Rheem의 방법과 비교실험 한 결과, 본 논문에서 제안된 알고리즘이 기존에 제안된 알고리즘에 비하여 적은 반복횟수에서 마이크로 크랙을 우수하게 검출하는 것을 확인했다. 또한 기존 알고리즘에 비하여 실제 마이크로 크랙과 유사한 두께로 검출하는 것을 확인했다.
In this paper, we propose an improved anisotropic diffusion model for micro-crack detection in heterogeneously textured surface of polycrystalline solar wafers. Due to the nature of the image sensor, the gray-level of the diagonal micro-crack is non-uniform. Thus, the conventional algorithms can't f...
In this paper, we propose an improved anisotropic diffusion model for micro-crack detection in heterogeneously textured surface of polycrystalline solar wafers. Due to the nature of the image sensor, the gray-level of the diagonal micro-crack is non-uniform. Thus, the conventional algorithms can't fully detect diagonal micro-cracks when the number of iteration is not enough. However, the increasing of the iteration number leads to increase computation time and detects micro-crack thicker than the original micro-crack. In order to overcome this drawback, we use the gradient of north, south, east, and west directions as well as extended directions. To calculate the diffusion coefficients, we compare the gradients of conventional directions and extended directions and apply the larger gradient values to the coefficient function. This is because the proposed method reflects the information of diagonal micro-crack. Comparing to Tsai et al.'s and Ko and Rheem's, the proposed algorithm shows superior efficiency in detecting the diagonal micro-cracks with less iterations in the images of polycrystalline solar wafers. In addition, it also shows that the thickness of segmented micro-crack is similar to the orignal micro-crack.
In this paper, we propose an improved anisotropic diffusion model for micro-crack detection in heterogeneously textured surface of polycrystalline solar wafers. Due to the nature of the image sensor, the gray-level of the diagonal micro-crack is non-uniform. Thus, the conventional algorithms can't fully detect diagonal micro-cracks when the number of iteration is not enough. However, the increasing of the iteration number leads to increase computation time and detects micro-crack thicker than the original micro-crack. In order to overcome this drawback, we use the gradient of north, south, east, and west directions as well as extended directions. To calculate the diffusion coefficients, we compare the gradients of conventional directions and extended directions and apply the larger gradient values to the coefficient function. This is because the proposed method reflects the information of diagonal micro-crack. Comparing to Tsai et al.'s and Ko and Rheem's, the proposed algorithm shows superior efficiency in detecting the diagonal micro-cracks with less iterations in the images of polycrystalline solar wafers. In addition, it also shows that the thickness of segmented micro-crack is similar to the orignal micro-crack.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 다결정형 솔라셀의 마이크로 크랙 검출을 위한 확장된 기울기를 사용하는 비등방 확산 모델을 제안하였다. 동서남북 방향의 기울기와 확장된 기울 기를 비교하여 상대적으로 큰 값을 확산 계수 함수에 적용하는 방법으로, 영상에서 마이크로 크랙의 연결강도가 약하게 표현되는 부분에서도 주변 화소 정보를 이용하여 끊임없이 효과적으로 마이크로 크랙을 검출한다.
본 논문에서는 대각선 방향의 마이크로 크랙도 효과적으로 검출하는 확장된 비등방 확산 모델을 제안하였다. 제안된 방법은 3×3 크기의 십자방향 커널의 기울기와 5×5 크기의 확장된 대각선방향 커널의 기울기를 이용하는 방법으로, 각각의 기울기를 서로 비교하고 보다큰 값을 확산계수 함수에 적용한다.
제안 방법
실험에는 마이크로 크랙 이미지 96장, 불량이 없는 영상 21장이 사용되었다. 알고리 즘에서 사용되는 각각의 파라미터는 반복적인 실험을 통하여 최적의 성능을 보여주는 파라미터를 선정하였다. 실험결과 마이크로 크랙이 존재하는 모든 영상에서 기존의 방법에 비하여 적은 반복횟수에서도 상대적으로 우수한 검출 성능과 적은 잡음 화소를 나타내는 것을 볼 수 있었다.
따라서 영상 확산을 수행할 때, 핑거패턴을 제외하고 수행해야 한다. 이를 위하여 다음과 같이 핑거패턴의 제거를 위한 전처리 과정을 수행하며, 우선 전체 영상의 평균 밝기 값과 표준편차를 계산한다
이와 같은 단점을 개선하기 위하여본 논문에서는 기존의 3×3의 커널 크기를 5×5 크기로 확장하고 다음과 같은 기울기를 정의하였다.
제안된 방법은 3×3 크기의 십자방향 커널의 기울기와 5×5 크기의 확장된 대각선방향 커널의 기울기를 이용하는 방법으로, 각각의 기울기를 서로 비교하고 보다큰 값을 확산계수 함수에 적용한다.
대상 데이터
측면 45도 입사각을 갖는 확산된 백색 LED 면조명을 사용하여 영상을 획득했으며, 영상의 화소 해상도는 23μm이다. 실험에는 마이크로 크랙 이미지 96장, 불량이 없는 영상 21장이 사용되었다. 알고리 즘에서 사용되는 각각의 파라미터는 반복적인 실험을 통하여 최적의 성능을 보여주는 파라미터를 선정하였다.
측면 45도 입사각을 갖는 확산된 백색 LED 면조명을 사용하여 영상을 획득했으며, 영상의 화소 해상도는 23μm이다.
데이터처리
제안된 알고리즘의 성능을 확인하기 위하여 기존의 Tsai et al.의 알고리즘[7]과 Ko and Rheem의 알고리즘[8], 그리고 본 논문에서 제안한 알고리즘과 비교실험을 수행하였다. 측면 45도 입사각을 갖는 확산된 백색 LED 면조명을 사용하여 영상을 획득했으며, 영상의 화소 해상도는 23μm이다.
이론/모형
표 1에서 마이크로 크랙 검출결과를 비교하였다. 동일한 파라미터 조건에서 정검출 점수, 과검출 점수, 미검출 점수를 비교하였으며, 평균평가점(mean opinion score, MOS) 방법을 적용하였다. 알고리즘 비교 실험에서 T는 7, K는 30, Cpre는 1.
원본 영상에서 확산모델을 적용한 영상을 차감시킨 후, 마이크로 크랙을 검출하기 위하여 임계값 기법을 적용하였다[7]. 관련 수식은 다음 식 (16)과 같다.
성능/효과
그림 8은 대각선 방향의 마이크로 크랙에 대해서 각각의 알고리즘을 수행한 결과를 부분적으로 확대하여 보여준다. 기존 방법에 비하여 본 논문에서 제안한 방법이 동일한 알고리즘 반복 횟수에서 원래 마이크로 크랙과 유사한 두께로 검출하는 것을 볼 수 있다. 또한 기존 방법에 비하여 연속적으로 마이크로 크랙을 검출하고 있다.
동서남북 방향의 기울기와 확장된 기울 기를 비교하여 상대적으로 큰 값을 확산 계수 함수에 적용하는 방법으로, 영상에서 마이크로 크랙의 연결강도가 약하게 표현되는 부분에서도 주변 화소 정보를 이용하여 끊임없이 효과적으로 마이크로 크랙을 검출한다. 또한 알고리즘의 반복횟수가 증가하여도 검출된 마이크로 크랙의 너비가 원래의 마이크로 크랙의 너비와큰 차이가 없으며, 기존의 방법에 비해서 적은 반복횟수로 우수한 성능을 보여주었다. Tsai et al.
그림 7은 제안된 알고리즘에서 K값이 40과 50일 때, 반복횟수 T값의 변화에 따른 마이크로 크랙 검출 결과를 비교하여 보여주고 있다. 실험결과 동일한 확산 횟수에서, K가 증가할수록 잡음 화소는 억제되고, 마이크로 크랙만 검출하는 것을 볼 수 있었다.
알고리 즘에서 사용되는 각각의 파라미터는 반복적인 실험을 통하여 최적의 성능을 보여주는 파라미터를 선정하였다. 실험결과 마이크로 크랙이 존재하는 모든 영상에서 기존의 방법에 비하여 적은 반복횟수에서도 상대적으로 우수한 검출 성능과 적은 잡음 화소를 나타내는 것을 볼 수 있었다. 또한 마이크로 크랙이 없는 영상에 대해서는 과검출이 거의 발생하지 않는 것을 확인할 수 있었다.
실험결과 제안된 방법이 기존의 방법에 비해서 정검출 점수가 약 0.02∼0.04 높고, 미검출 점수는 약 0.02, 오검출 점수는 약 0.3∼0.55 만큼 낮은 것을 볼 수 있다.
그림 3은 Tsai et al.의 방법을 이용하여 대각선 방향과 수평방향 마이크로 크랙 검출 결과를 보여주며, 확산횟수가 적을수록 불연속적으로 검출하는 것을 확인할수 있다. 이처럼 불연속적으로 검출하는 경우 최종 불량 판정에서 오분류 할 확률이 높아진다.
의 알고리즘과 Ko and Rheem의 알고리즘, 그리고 본 논문에서 제안한 알고리즘의 비교실험을 수행 결과, 제안된 방법이 기존의 방법에 비해서 정검출 점수가 약 0.02∼0.04 높고, 미검출 점수는 약 0.02, 오검출 점수는 약 0.3∼ 0.55 만큼 낮은 것을 확인하였다.
55 만큼 낮은 것을 확인하였다. 이는 본 논문에서 제안한 알고리즘의 불량검출 성능이 우수하고, 잡음 화소를 보다 적게 발생시키는 것을 의미한다.
정검출 점수은 5점에 가까울수록, 미검출 점수와 오검출 점수는 1점에 가까울수록 성능이 우수함을 나타낸다. 실험결과 제안된 방법이 기존의 방법에 비해서 정검출 점수가 약 0.
질의응답
핵심어
질문
논문에서 추출한 답변
머신비전은 어떤 분야에 적극 활용되고 있는가?
머신비전을 이용한 불량 자동검사 시스템은 반도체, 디스플레이, 제지, 목제 등 많은 산업현장에서 적극적으로 활용되고 있다[1∼6, 11]. 최근 솔라셀에 대한 연구가 많이 이루어져 왔고, 현재는 실용화 단계에 도달하였다.
적외선 영상을 이용하여 마이크로 크랙을 검출하는 기법의 단점은?
다결정형 솔라셀은 그림 1과 같이 표면의 무늬가 불규칙하여 기존의 불량검출 알고리즘을 적용할 수 없었다. 따라서 적외선 영상을 이용하여 마이크로 크랙을 검출하는 기법이 활용되었으나, 가격이 비싸고, 속도가 느린 단점이 있었다. 이를 극복하기 위하여 최근에는 가격이 상대적으로 저렴하고, 영상획득 속도가 빠른 산업용 카메라를 적용하려는 연구가 시도되었다.
산업현장에서 마이크로 크랙 검출이 중요한 이유는?
솔라셀 제조현장에는 제품에 대한 불량검사를 수행해야 하며, 이때 중요한 검사항목 중 하나가 마이크로 크랙 검사이다. 마이크로 크랙이 있을 경우, 제조 설비 내부에서 솔라셀이 파손되는 경우가 생기며 이는 인라인으로 구성된 자동화 생산라인의 중단을 야기한다. 중단된 생산라인은 다시 재개하기까지 많은 시간이 소요되며, 이는 생산성 저하와 제조 원가 상승을 초래한다. 따라서 마이크로 크랙 검출은 중요한 문제이다.
참고문헌 (11)
R. W. Conners, C. W. McMillin, K. Lin and R. E. Vasquez-Espinosa, "Identifying and locating surface defects in wood," IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI-5, pp. 573-583, 1983.
L. H. Siew and R. M. Hogdson, "Texture measures for carpet wear assessment," IEEE Transactions on Pattern Analysis and Machine Intelligence 10, pp. 92-105, 1988.
K. V. Ramana and B. Ramamoorthy, "Statistical methods to compare the texture features of machined surfaces," Pattern Recognition 29, pp. 1447-1459, 1996.
J. Escofet, M. S. Millan, H. Abril and E. Torrecilla, "Inspection of fabric resistance to abrasion by Fourier analysis," Proceedings of SPIE 3490, pp. 207-210, 1998.
T. Ohshige, H. Tanaka, Y. Miyazaki, T. Kanda, H. Ichimura, N. Kosaka and T. Tomoda, "Detect inspection system for patterned wafers based on the spatial-frequency filtering," IEEE/CHMT European International Electronic Manufacturing Technology Symposium, pp. 192-196, 1991.
K. Wiltschi, A. Pinz and T. Lindeberg, "Automatic assessment scheme for steel quality inspection," Machine Vision and Applications 12, pp. 113-128, 2000.
D. M. Tsai, C. C. Chang and S. M. Chao, "Micro-crack inspection in heterogeneously textured solar wafers using anisotropic diffusion," Image and Vision Computing, vol. 28, no. 3, pp. 491-501, 2010.
J. Ko and J. Rheem, "Anisotropic diffusion based micro-crack inspection in polycrystalline solar wafers," Proceedings of the International MultiConference of Engineers and Computer Scientists, vol. 1, pp. 524-528, 2011.
J. Ko, J. Rheem, "Fuzzy anisotropic diffusion and its application to micro-crack detection in polycrystalline solar wafers," International Conference on Electronics, Information and Communication, pp.92-93, 2012.
P. Perona and J. Malik, "Scale-space and edge detection using anisotropic diffusion," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7, pp. 629-639, 1990.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.