수가 중소 영섬유제품에 대한 품질관리 대상은 소재에 대한 물리적 성능 특성 이외에도 색상, 착용감 등의 주관적 판단 인자들이 있다. 색상은 소비자들이 별도의 측정 장비 없이도 주관에 따라 판단 할 수 있는 대표적인 품질인자이다. 따라서 산업 현장에서는 색상에 대한 통계적 품질관리를 위하여 색차계를 이용한 정량화를 통해 품질관리에 적용하고 있다. 하지만, 국내 섬유관련 업체는 대다수가 중소 영세업체기 때문에 육안검사에 의존한 색차관리를 수행하고 있으며, 그로 인해 검사자 개인성향 및 작업 수행방식에 따라 많은 차이를 보이게 된다. 따라서 본 논문에서는 이러한 산업현장의 실정에 부합하는 품질관리 기법 개발을 목표로, 사무기기 중의 하나인 디지털 화상 장치를 이용한 간이 색차판별 가능성에 대한 연구를 수행하였다. 연구결과, 일반 평판 스캐너를 활용한 이미징 분석 기반의 색차판별법은 기존의 측색계를 이용한 판별법과 비교하여 높은 상관관계($R^2=0.969$)를 보여주고 있었으며, 이를 통해 공정 간 및 로트별 색차관리에 대한 현장 간이판별이 가능함을 확인하였다. 또한 색차를 구성하고 있는 각 요소(${\Delta}L$, ${\Delta}a$, ${\Delta}b$)에 대한 분석을 통해서 공정관리 요소식별이 가능함을 확인 할 수 있었다. 향후, 본 연구의 결과를 기반으로 하여 판정기법을 좀 더 정교화/최적화하게 된다면, 산업현장에서 충분히 색차계를 대체 할 수 있는 방법으로까지 발전 할 수 있으리라 판단된다.
수가 중소 영섬유제품에 대한 품질관리 대상은 소재에 대한 물리적 성능 특성 이외에도 색상, 착용감 등의 주관적 판단 인자들이 있다. 색상은 소비자들이 별도의 측정 장비 없이도 주관에 따라 판단 할 수 있는 대표적인 품질인자이다. 따라서 산업 현장에서는 색상에 대한 통계적 품질관리를 위하여 색차계를 이용한 정량화를 통해 품질관리에 적용하고 있다. 하지만, 국내 섬유관련 업체는 대다수가 중소 영세업체기 때문에 육안검사에 의존한 색차관리를 수행하고 있으며, 그로 인해 검사자 개인성향 및 작업 수행방식에 따라 많은 차이를 보이게 된다. 따라서 본 논문에서는 이러한 산업현장의 실정에 부합하는 품질관리 기법 개발을 목표로, 사무기기 중의 하나인 디지털 화상 장치를 이용한 간이 색차판별 가능성에 대한 연구를 수행하였다. 연구결과, 일반 평판 스캐너를 활용한 이미징 분석 기반의 색차판별법은 기존의 측색계를 이용한 판별법과 비교하여 높은 상관관계($R^2=0.969$)를 보여주고 있었으며, 이를 통해 공정 간 및 로트별 색차관리에 대한 현장 간이판별이 가능함을 확인하였다. 또한 색차를 구성하고 있는 각 요소(${\Delta}L$, ${\Delta}a$, ${\Delta}b$)에 대한 분석을 통해서 공정관리 요소식별이 가능함을 확인 할 수 있었다. 향후, 본 연구의 결과를 기반으로 하여 판정기법을 좀 더 정교화/최적화하게 된다면, 산업현장에서 충분히 색차계를 대체 할 수 있는 방법으로까지 발전 할 수 있으리라 판단된다.
Textile quality management targets the physical properties of fabrics and the subjective discriminations of color and fitting. Color is the most representative quality factor that consumers can use to evaluate quality levels without any instruments. For this reason, quantification using a color disc...
Textile quality management targets the physical properties of fabrics and the subjective discriminations of color and fitting. Color is the most representative quality factor that consumers can use to evaluate quality levels without any instruments. For this reason, quantification using a color discrimination device has been used for statistical quality management in the textile industry. However, small and medium-sized domestic textile manufacturers use only visual inspection for color discrimination. As a result, color discrimination is different based on the inspectors' individual tendencies and work procedures. In this research, we want to develop a textile industry-friendly quality management method, evaluating the possibility of rapid color discrimination using a digital imaging device, which is one of the office-automation instruments. The results show that an imaging process-based color discrimination method is highly correlated with conventional color discrimination instruments ($R^2=0.969$), and is also applicable to field discrimination of the manufacturing process, or for different lots. Moreover, it is possible to recognize quality management factors by analyzing color components, ${\Delta}L$, ${\Delta}a$, ${\Delta}b$. We hope that our rapid discrimination method will be a substitute technique for conventional color discrimination instruments via elaboration and optimization.
Textile quality management targets the physical properties of fabrics and the subjective discriminations of color and fitting. Color is the most representative quality factor that consumers can use to evaluate quality levels without any instruments. For this reason, quantification using a color discrimination device has been used for statistical quality management in the textile industry. However, small and medium-sized domestic textile manufacturers use only visual inspection for color discrimination. As a result, color discrimination is different based on the inspectors' individual tendencies and work procedures. In this research, we want to develop a textile industry-friendly quality management method, evaluating the possibility of rapid color discrimination using a digital imaging device, which is one of the office-automation instruments. The results show that an imaging process-based color discrimination method is highly correlated with conventional color discrimination instruments ($R^2=0.969$), and is also applicable to field discrimination of the manufacturing process, or for different lots. Moreover, it is possible to recognize quality management factors by analyzing color components, ${\Delta}L$, ${\Delta}a$, ${\Delta}b$. We hope that our rapid discrimination method will be a substitute technique for conventional color discrimination instruments via elaboration and optimization.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 중소·영세 업체들이 대다수인 섬유 산업군에 속해 있는 업체들을 대상으로 품질관리 능력 향상을 위한 방법론을 제시하고자 디지털 화상장비를 활용한 간이 색차 판별법에 관한 연구를 수행하였다.
이에, 본 연구에서는 디지털 화상 장비인 스캐너를 활용하여 섬유 제품의 색차판정 가능성에 대한 연구를 수행하였으며, 간이 색차분석 기법 최적화를 통해서 섬유산업에 종사하는 중소업체의 품질관리 기법에 대한 새로운 방향성을 제시하고자 하였다.
이에, 본 연구에서는 우리가 주변에서 흔히 이용할 수 있는 디지털 화상 장비를 활용하여 간이 색차판별법을 적용하였고, 그 활용 가능성을 확인하였다.
제안 방법
따라서 간이 색차 판별법을 통해서 제품의 로트별 색차분석 가능 여부를 확인하였다.
색차 판별을 위한 이미징 조건 최적화를 위해서 3가지 색상(베이지그레이, 포레스트그린, 초콜릿색)을 대상으로 하여 각각의 해상도별 획득 이미지에 대한 정량분석을 수행하였다. 분석에 사용된 이미지 정보는 Fig.
이미징 기반의 색차분석이 간이 판별법으로 적용 가능함을 확인하기 위해 실제 측색계를 통해 측정된 색차 (ΔE)와의 상관관계를 파악하였다.
대상 데이터
본 연구에 사용된 디지털 화상 장비는 평판스캐너이며 대상 모델은 CANON 사의 MF8240CW 모델과 EPSON 사의 DS-5500 모델을 사용하였다. 색상분석은 측색기인 Konica Minolta사의 CM-700D를 사용하였다.
상관관계 분석에 사용된 색상은 군용 디지털 무늬에 사용되는 5가지 색상인 베이지그레이, 포레스트그린, 올리브그린, 초콜릿, 목탄색이며, 사용된 디지털무늬 원단 4종의 재질은 P/C 94급 2종(면 ,레이온), N 80급 2종 (170D, 1000D)을 사용하였다.
시험에 사용된 원단 및 색상은 군용 피복류에서 흔히 사용되는 N66 500D 디지털 무늬 원단을 대상으로 2개 업체에서 생산되는 원자재를 사용한 동일 품목에 대한 색차 분석을 수행하였고, 그 결과는 Fig. 10과 같았다.
데이터처리
각 원단 별 색상의 색차 조합 40개(4× 5C2)와 각 색상별 원단의 색차 조합 30개(5× 4C2)를 획득하여 총 70개의 실측값과 계산값 간의 상관관계를 회귀분석 하였다.
색상분석은 측색기인 Konica Minolta사의 CM-700D를 사용하였다. 획득한 이미지 처리에는 Java 기반의 오픈소스 이미지 처리 프로그램인 Image J(NIH, USA)를 사용하였다.
성능/효과
분석결과, 각각의 색상에서 해상도별 L, a, b 평균값은 유사하게 나타났으나, 해상도가 증가할수록 표준편차가 크게 증가하는 경향을 보이고 있었다.
아울러 우리는 공정 간 이미징 기반의 색차분석을 통해서 색차판별에 국한되지 않고 색차에 영향을 주는 색인자까지 분석 가능함을 확인 할 수 있었다. Fig.
이미징 프로세스 기반의 간이 색차판별법은 실제 측색계를 이용한 색차 결과와 비교 했을 때 높은 상관계수를 갖는다는 것을 회귀분석을 통해서 확인 가능하였다. 또한 생산현장에서 해당 방법에 대한 실제 적용을 통해 공정 간 및 로트 별 색상 관리법으로의 활용 가능성을 확인 하였을 뿐만 아니라, 색차를 구성하는 3개 요소인 ΔL, Δa, Δb 중 어떠한 요소가 가장 큰 영향을 끼치는 품질 인자인지 동시에 파악 할 수 있었다.
직물류의 경우 통상 롤 단위로 생산하여 로트를 구성하게 되는데, 간이 색차 판별법을 적용하여 공정 간 생산 되는 원단에 대한 색차 모니터링 기법으로서의 적용 가능성을 확인하였다.
확인결과, 측정된 19개소에 대한 색차는 최저 0.17 (19번)에서 최대 1.49 (17번)에 이르는 것으로 나타났으 며, 이는 해당원단이 Table 1에서 언급한 “Grade AA color tolerance” 이상으로 생산 중임을 확인 할 수 있었다.
회귀분석 결과, 측색계에 의한 색차의 실측값과 이미징 기반의 계산값은 선형관계를 따르고 있었으며, 통계분석 결과 상관계수는 R2 =0.969 및 유의한 F-값은 0에 수렴하고 있어 해당 회귀식은 유의할 뿐만 아니라 강한 상관관계를 보여주고 있었음을 정량적으로 확인 할 수 있었다. (Fig.
후속연구
본 방법은 일반 상용 평판 스캐너를 통해 얻어진 순수한 이미지만을 사용하여 적용하였는데, 만약 이미지 보정 등의 전처리 과정을 추가로 연구하여 포함시키게 된다면, 보다 정밀한 색차 판별이 가능해지리라 판단하며 더 나아가 측색계를 대체 할 수 있는 방법론으로 적용가능하리라 판단된다.
아울러 KS K ISO 105-A02[11]의 국가표준에서는 전문가 집단의 육안검사를 통해서 색차 등급을 판정하고 있는데, 본 연구에서 제안하는 이미징 기반의 정량적 판별법과 전문가 집단의 육안판별 결과를 비교/분석한다면, 본 연구에서 제안하는 색차 판별법을 좀 더 정교화할 수 있으리라 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
CIE 색공간이란?
CIE 색공간은 “국제 조명위원회(CIE: Commission internationale de l'eclairage, 이하 CIE)”에서 인간의 색 인지에 대한 연구를 기반으로 수학적으로 정의한 최초의 색공간이다[5]. 인간의 시각 수용체인 원추세포는 수용할 있는 빛의 파장대 별로 L-, M-, S-원추세포로 분류되는데, 이는 각각 장파장(빨강), 중파장(초록), 단파장 (파랑)의 색을 수용하게 된다[6].
dpi는 특징은?
디지털 화상 장비를 통한 이미지 획득 시, 이미지의 품질은 설정된 해상도에 따라 달라지는데, 해상도의 단위는 dpi(dots per inch)로 표현된다. dpi는 1 inch 2 안에 표현되는 화소수를 말하며, 높은 값을 가질수록 저장되는 이미지에서 표현되는 화소수가 더 많음을 의미한다. 평판 스캐너를 통해 획득한 해상도별 이미지는 Fig.
색을 표현하는 3가지 속성은 각각 무엇을 의미하는가?
색을 표현하는 3가지 속성은 색상(Hue), 명도(Value) 그리고 채도(Saturation)로 구성된다[2]. 색상은 흔히 우리가 알고 있는 빨강, 주황, 노랑 등의 “색깔”을 의미하며, 명도는 색의 어둡고 밝은 정도를, 채도는 색상의 “짙은” 정도를 표현하는 의미로 사용된다. 따라서 우리가 인지하는 색은 위에서 언급한 색의 3가지 속성을 3차원 좌표계에 표현한 것이라 할 수 있으며, 이를 HSV 색공간이라고 명명한다[3].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.