KR100234593B1 - 직물의 고속 검사방법 - Google Patents

Abstract

본 발명은 고속으로 직물(원단)의 오류나 불량을 검사하는 데 적합한 영상처리방법을 이용하여 직물의 오류나 불량을 고속으로 검사할 수 있는 방법에 관한 것으로, 상세하게는 비교적 밀한 조직을 갖는 직물영상 등과 같은 질감연상(Texture Image)을 전자카메라로 고속 촬영하면서 2진 영상화하여 오류 패턴에 대한 선 지식(prior knowledge)을 적절히 이용함으로서 고속으로 직물의 오류나 불량여부를 판단하여 검출할 수 있도록 하고, 직물의 오류나 불량을 검출하는 검출창의 크기를 적절히 조정함으로서 다양한 질감 영상에 안정적으로 적용할 수 있는 직물 고속 검사방법에 관한 것이다.

Description

직물의 고속 검사방법

본 발명은 영상처리 방법을 이용하여 직물의 오류나 불량을 고속으로 검사할 수 있는 방법에 관한 것으로, 상세하게는 비교적 밀한 조직을 갖는 직물 영상 등과 같은 질감영상(Texture Image)을 전자카메라로 고속 촬영하면서 2진 영상화하여 오류 패턴에 대한 선 지식(prior knowledge)을 적절히 이용함으로서 고속으로 직물의 오류나 불량을 검출할 수 있도록 하고, 직물의 오류나 불량을 검출할 때 검출창의 크기를 적절히 조정함으로서 다양한 질감의 직물영상에도 안정적으로 적용할 수 있는 직물 고속 검사방법(algorithm)에 관한 것이다.

종래의 제직된 직물의 오류나 불량여부를 검사하는 방법으로는 이송장치에 의해 천천히 이송되는 직물의 뒷부분에 밝은 밝기의 조명등을 설치하고, 직물의 전면에 작업자가 위치하면서 시각적으로 직물의 오류(불량여부)를 검사하였으므로 검사속도가 매우 느려 능률이 낮을 뿐 아니라, 작업자의 시력을 감퇴시키는 등의 직업병 요인이 있으며, 집중력이 떨어질 경우 오류를 놓치는 등의 문제점이 있었다.

일반적으로 직물 검사의 핵심은 얼마나 빠른 속도에서 어느 정도로 정확하게 직물을 검사할 수 있느냐 하는 것이다. 따라서 속도를 고려하지 않았던 기존의 영상처리 기술을 직물검사에 그대로 적용하는 것은 비합리적이다.

일련의 모든 처리는 고속으로 이루어져야 하며 오류의 징후를 검사하거나 오류의 여부를 확인하고 종류를 판별할 때 아주 세밀하게 판별하는 것보다는 큰 범위의 포괄적인 오류를 규정하고 이 범위 안에 오류를 적용시키는 것이 속도면에서 유용하다 할 것이다.

따라서, 본 발명은 고속 촬상이 가능한 전자 카메라로 고속 이동되는 비교적 밀한 조직의 직물을 촬영하여 2진 영상신호를 획득한 다음 오류 패턴에 대한 선 지식(prior knowledge)을 적절히 이용함으로서 고속으로 오류 검출을 가능하게 하며 오류 검출시 창의 크기를 조정함으로서 다양한 질감 영상에 안정적으로 적용할 수 있는 직물 고속검사방법을 제공함에 목적이 있다.

상기 목적을 달성하기 위하여 제안된 알고리즘은 크게 직물 영상의 이진화부분과 이진화된 직물 영상으로부터 오류를 찾아내는 부분으로 구성하며, 영상을 여러 개의 하위 창으로 분할하고 각각의 창에 이진화 후에 남아 있는 화소들의 수와 공간 분포를 통계적 측면에서 분석하여 직물의 오류와 불량여부를 찾아내는 방법을 제안한다.

제1도 : 본 발명의 개략적인 구성도.

제2도 : 본 발명의 정상직물의 그레이 영상 도면.

제3도 : 본 발명의 결정된 하위 문턱치의 도면.

제4도 : 본 발명에서 결정된 상위 문턱치의 도면.

제5도 : 본 발명 오류신호의 정의 그래프도.

제6도 : 본 발명에서 백색 임펄스 창을 도시한 도면.

제7도 : 본 발명에서 흑색 임펄스 창을 도시한 도면.

제8도 : 본 발명에서 통계적 접근방법의 도면으로, 가로의 선모양 오류를 포함한 영상 도면.

제9도 : 본 발명 제8도의 2진화 된 영상 도면.

제10,13도 : 본 발명에서 통계적 접근방법의 도면으로, 알고리즘을 적용하여 오류를 검출한 영상도면.

제11도 : 본 발명에서 통계적 접근방법의 도면으로, 세로의 선모양 오류를 포함한 영상도면.

제12도 : 본 발명 제11도의 2진화 영상도면.

〈도면의 주요부분에 대한 부호의 설명〉

(1) : 고속 촬상용 전자카메라 (2) : 제어기

(3) : 오류마킹장치

(4) : 직물을 고속으로 정속 주행시켜 권취하는 롤러

(5) : 직물 (6) : 조명장치

(7) : 직물의 변부

이하, 본 발명의 바람직한 기술구성과 작용을 첨부한 도면에 따라 상세히 설명하고자 한다. 제 1 도는 본 발명의 개략적인 구성도로, 직물(원단 : 1)은 정속 이송장치(2)의 도움을 받아 고속으로 이송되면서 롤러(3)에 권취되며, 직물(1)의 전면 또는 후면 또는 전·후면에 밝기가 밝은 조명장치(4)가 설치되고, 직물의 이미지 영상을 획득하는 전자카메라(5)는 직물(1)의 전면에 설치하여 이동 직물(1)을 감시하게 된다.

또한, 전자카메라(5)의 촬영방향(scan)은 직물(1)의 이동방향과 직각방향(경우에 따라서는 전자카메라를 고정시킴)으로 스캔되고, 직물(1)의 이송속도는 검출창의 크기 등에 따라 달라질 수 있으나 분당 40m∼150m로 이동시킬 수 있으며, 직물(1)에 오류나 불량여부(불량위치)가 검출되면 제어기(6)가 마킹신호를 출력하게 되고, 따라서 마킹장치(7)는 순간적으로 하강하여 직물의 변부(7)에 마킹(Marking)을 한 다음 상승하게 되므로 오류나 불량이 발생된 위치를 쉽게 확인할 수 있게 된다.

한편, 전자카메라(5)가 획득한 직물(1)의 이미지 영상을 이진화하는 과정은 전처리를 통해 문턱치 값을 미리 정하고 이 값을 본 처리과정에서 이용하는 방법을 택했다. 전처리는 오류가 없는 직물(1)을 통해 이루어 져야 하며 각각의 직물(1)은 고유한 문턱치를 가지므로 모든 직물(1)에 대해 미리 문턱치를 구해야 한다.

또한, 속도문제 때문에 이진화 후에 남아있는 잡음(noise)을 제거할 시간적인 여유가 없으므로 오류 검출에 필요한 파라미터(parameter)는 이진영상에 남아있는 잡음과 함께 섞여 있는 오류를 찾을 수 있도록 설정한다.

일반적인 영상은 히스토그램(histogram) 분포가 다양하고 복잡하지만 직물은 인공적으로 제작되어 그 모양이 반복되므로 히스토그램 분포가 제 2 도와 같이 임의의 준위를 기준으로 덩어리를 이루므로 문턱치를 정하는데 있어서 매우 용이한 특성을 가지고 있다. 따라서 기존에 제안되었던 일반적인 이진화 방법보다 직물 영상의 이진화에 매우 적절한 전문성(heuristic)을 띤 알고리즘을 적용하였다.

2진화 영상은 크게 유용한 정보와 잡음에 의한 오류신호로 이루어져 있으며, 직물의 모양이나 오류를 포함하고 있고 잡음은 임펄스 형태로 불규칙하게 영상 전체에 흩어져 있다.

직물영상에서의 오류는 크게 두 가지 형태로, 직물이 겹쳐져서 정상 직물보다 낮은 그레이 준위를 가지는 것과 직물 구성의 결손으로 높은 그레이 준위를 가지는 것이다. 따라서 이진화는 전역적으로 수행하되 상위 문턱치와 하위 문턱치 인 2개의 문턱치를 설정하여야 한다.

오류신호(False Alarm)는 제 5 도와 같이 잡음으로 공간적으로 랜덤하게 나타나는 임펄스 형태를 가진다. 따라서 제 6, 7 도와 같은 3x3 창으로 오류신호를 찾아내는데 이용하였다. 직물(1)의 오류는 상기와 같이 직물(1)의 겹쳐져서 정상 직물보다 낮은 그레이 준위를 가지는 것과 높은 그레이 준위를 가지는 것의 두 가지 형태이므로 백색(White) 임펄스 창과 흑색(Black) 임펄스 창의 두 가지를 선정한다.

이러한 창을 이용항 아래식 (2-1)(2-2)(2-3)(2-4)(2-5)와 같이 오류신호를 2진화하였다.

여기서 Binary_T(x,y)는 문턱치를 T로 하여 이미지 X, Y(Image(x,y))를 이진화한 것이고, Mask_BT(x,y)는 Binary_T(x,y)의 백색 오류신호(White False Alarm)의 검사식이고, Mask_WT(x,y)는 Binary_T(x,y)의 흑색 오류신호(Black False Alarm)의 검사 식이다.

False_B(T)는 256 x 256 영상을 검사한 백색 임펄스 창의 수이고, False_w(T)는 흑색 임펄스 창의 수이다. 최종적으로 길이 11의 평균 필터를 통과시켰으며, False_B(T) 하위 문턱치는 0에서 255까지 변화해가면서 최초로 △False_B(T)보다 커지는 곳을 선정하였고, 상위 문턱치는 255에서 0까지 변화해가면서 False_w(T)가 △False_B(T)보다 최초로 커지는 곳을 선정하였다.

한편, 상기의 방법으로 획득한 영상은 오류가 있는 영상과 오류가 없는 영상 모두를 획득하였다. 정상 영상은 오류를 판별하는데 필요한 파라미터의 문턱치를 정하기 위함이고 오류가 있는 영상은 오류를 판별하는 알고리즘을 적용하는데 사용되었으며, 오류판별에 사용된 파라미터의 문턱치 결정은 다음과 같다.

모의실험에 사용하기 위해 획득된 영상은 무한히 펼쳐진 직물의 영상중에서 하나의 표본만을 채취한 것으로 볼 수 있다. 하나의 직물은 거의 동일한 패턴들이 반복적으로 구성되어 있으므로 그 중 표본을 채취하여 특징으로 추출하는 것은 모집단의 특징을 대변한다고 볼 수 있다. 다음은 오류 검사를 위하여 사용되는 특징들이다.

한편, 하위창 안에 포함된 화소의 총합(NUM)은 다음과 같다.

모집단을 이루는 전체 직물영상의 평균을 NUM 이라 하면 표본집단인 각각의 하위창에서 구한 화소들의 합의 평균은

이고, 임의의 신뢰도에 대한 평균은

으로 표현할 수 있다.

은 가우스(Gaussian)분포를 따르며

+3σ를 문턱치로 하였다.

또한, 하우창 안에서 화소들의 중점을 중심으로 하는 32 x 32의 하위창 안에 포함된 화소들의 총합(subNUM)은 다음과 같다.

먼저, ｋ번째 하위 창에 오류 징후가 있을 때 그 화소들의 중심점 x_c, y_c를 구하면 이 점은 반드시 오류에 아주 가깝게 위치해 있을 것이다. 따라서, 여기에 새로운 하위 창을 씌워 그 화소 수(pixel 數)를 검색하여 문턱치를 설정하고, 64 x 64 크기의 하위창 안에 포함된 화소의 총합 과 32 x 32 크기의 하위창 안에 포함된 화소의 총합과 비(Prop)를 구하면 식(3-1)과 같이 성립하며,

이항분포를 따르는 비율(Prop)의 추정치(estimator)는 식(3-2)와 같다.

또, P는 이진화 된 256×256 영상에 남아 있는 화소수가 충분히 크다면 정규 분포를 따르게 된다. 따라서, (1-α)100%의 신뢰도를 가지는 문턱치는 아래식(3-3)으로 결정될 수 있다.

또한, 64 x 64 크기의 하위창 안에서 화소들 x축 방향의 분산(VarX, VarY)은 다음과 같다.

먼저, 각 창은 정규분포를 따르는 화소의

을 가진다. 또 표본 분산

은

의 추정치(estimator)이며 그 분포가 카이-스퀘어(chi-square)분포를 이루며 v=n-1의 자유도를 가진다. 표본분산

은 식(3-4)와 같고, 카이-스퀘어는

이고, 분산의 문턱치는 식(3-5)와 같고, y축 방향의 문턱치는

x축 방향의 분산의 문턱치를 구하는 방법과 동일한 방법으로 구할 수 있다.

또한, x축 방향의 분산과 y축 방향의 분산의 비(W)의 경우 두 분산의 비

의 추정치(estimator)는 표본 분산비

이고, 통계치는

이고, F-분산을 이룬다.

그런데, 검색되어질 영상의 하위 창에 분포하는 화소수의 합은 항상 가변적이어서 많은 계산 량을 필요로 하고, 또 복잡해서 분산의 비의 문턱치는 실험적으로 얻어진 값들을 취하여 제 3 도와 같은 하위 문턱치와 제 4 도와 같은 상위 문턱치를 획득하였다.

한편, 본 발명에서 제안된 오류 검출 방법은 다음과 같다.

[통계적 접근의 오류 검출 방법]

먼저 64 x 64 크기의 하위 창을 씌워 나가면서 각각의 창에 대해 NUM과 subNUM의 문턱치를 동시에 통과한 창만을 오류가 있다고 가정하고 오류판별 알고리즘을 적용하였다. 각 창은 아래에 제시한 3가지 방법을 만족하였을 때에만 오류라고 최종적으로 결정하고 결정과 동시에 에러의 유형도 가려 내도록 하였다.

[방법 ①. 선 모양(Line-like) 오류 검출]

먼저 x축 방향과 y축 방향의 오류만을 분류하는데 분산의 문턱치는 99.9%의 신뢰도를 가지도록 선정하였고 상위와 하위 문턱치를 통과하면서 W의 문턱치를 만족하는 것만 선택하였으며 W는 실험 값을 취하였다.

[방법 ②. 모양이나 형체나 형상에 의한(Shape) 오류 검출]

임의의 형태를 이루고 있는 오류는 당연히 화소들이 뭉쳐져 있기 마련이므로 분산은 x축과 y축 모두의 하위 문턱치 만을 만족하도록 하였고, 또한 W도 위에서 제시한 문턱치를 만족함과 동시에 대각 방향의 오류도 검출하기 위해 비율(Prop)도 고려하였다.

[방법 ③. 기타 오류 검출]

오류가 64 x 64 크기보다도 더 큰 경우에는 num과 sub_num의 수가 같아져서 위에서 제시한 분산이나 비율(Prop), W에 아무런 정보를 제공하지 않았다.

따라서, sub_num의 문턱치에 가중치를 두어 오류의 유형을 알 수는 없지만 오류라고 일단 판별하도록 하였다. 이럴 경우에 오류의 유형은 씌워진 창의 위치들의 관계를 분석하여 오류 유형을 판별하도록 하였다.

if(sub_num 〉 10 x sub_threshold), then defect

본 발명에서 오염의 형태는 가로로 길쭉하거나 세로로 길쭉하거나 또는 둥글게 나타나고 있으며, 직물(원단)에 규칙적인 줄무늬가 있는 경우 규칙적인 줄무늬가 나타나게 되며, 잡음이 퍼져 있는 경우 검출창이 큰 창이어서 줄무늬가 5, 6줄이 포함되어 있을지라도 줄무늬의 화소 평균치는 중앙에 나타난다.

한편, 오류 잡음(Noise)은 제 5 도와 같이 랜덤하게 나타나므로 잡음 위치의 평균 좌표치를 구하여 평균치가 계산되며 또한, 오류는 몰려다니므로 오류가 있는 부분으로 평균치가 가중된다.

실제로 제 9, 10 도와 같이 까만 부분들이 많이 나타나 전체 갯수가 높아지며, 상기의 오류 분산치를 보아서 가로 세로가 비슷하면 오염으로 보고, 세로방향이 길면 세로의 오염으로 보고, 가로방향으로 길면 가로의 오염으로 보면 된다.

또한, 오류(검은 점)의 평균치를 구하고 그 안에 조그만 창을 만들어 임펄스의 개수를 구한 다음 좀더 정확한 추정을 할 수 있다. 오류 검출창의 크기가 작으면 오류 검출이 어려우므로 창의 크기를 크게 증가시키면 검색속도가 증가되고 오류검출의 정도의 높아진다.

[실험]

제 8, 9, 10, 11, 12, 13 도는 통계적 접근방법을 이용한 오류검출과정을 보인 것으로, 제 8 도는 가로의 선모양 오류를 포함한 영상이고, 제 11 도는 세로의 선모양 오류를 포함한 영상이며, 제 9 도는 제 8 도의 2진화 된 영상이고, 제 12 도는 제 11 도의 2진화된 영상이며, 제 10, 13 도는 알고리즘을 적용하여 오류를 검출한 영상이다.

본 발명에서 제안된 알고리즘은 기존의 영상처리에 보편화 되어있는 인공신경망(ANNs)이나 고속 푸리에 변환(FFT)등과 같이 비교적 많은 계산시간과 오류패턴에 대한 훈련과정이 필요하지 않으므로 직물을 실시간으로 검사할 수 있음을 알 수 있다. (C. Sandy and L. Norton-Wayne. "Machine Vison Inspection OF Lace Using a Neural Network." SPIE vol. 2423 Machine Vision Applications in Industrial Inspection III, pp〉 314-322. 1995)

(Mark Bradshaw. "Ddlincation of Defecs in noise ternary images using a Piecewisc Dynamic Approach, " SPIE vol. 2423 Visual Communication and Image Processing, PP. 334-342. 1995)

이상에서와 같이 본 발명은 전자카메라와 컴퓨터에 의한 영상기법을 이용하여 직물의 오류나 제직불량 여부의 고속으로 검사하고, 또한 오류 검출창의 크기를 적절히 조정함으로써 다양한 질감의 직물이더라도 불량여부를 안정적으로 고속 검사할 수 있는 효과가 있는 유용한 발명이다.

또한, 전자카메라로 획득한 직물영상 신호를 영상처리기법으로 감시하다가 직물의 오류 및 제직 불량으로 판단되면, 오류마킹장치로 직물의 변부를 마킹하게 되므로 손쉽게 확인하여 처리할 수 있는 효과가 있다.

또한, 상기 영상처리기법은 직물 영상의 2진화 부분의 이진화 된 직물 영상으로부터 오류를 찾아내는 부분으로 구성하되 영상을 여러 개의 하위창으로 분할하고 각각의 창에 2진화 후에 남아있는 화소들의 수와 공간 분포를 통계적 측면에서 분석하여 오류를 판단하게되며, 또한 오류 검출창의 크기를 조정하여 다양한 질감의 직물도 고속으로 검사할 수 있는 등의 효과가 있는 유용한 발명이다.

Claims (2)

1. 고속으로 이동하는 직물을 전자카메라로 촬영하여 컴퓨터에 의한 영상처리기법으로 2진 영상화 한 직물영상을 오류패턴에 대한 선지식으로 고속 검사 하다가 직물의 오류나 제직불량이 판단되면 오류나 제직불량이 발생된 직물의 변부를 오류마킹장치로 마킹하도록 한 직물의 고속 검사방법.
2. 제1항에 있어서, 직물영상의 오류나 제직 불량여부를 검출할 때 질감에 맞도록 오류검출창의 크기를 조정함으로써 다양한 질감의 직물영상에도 안정적으로 적용할 수 있는 직물의 고속 검사방법.

Images