KR100960323B1 - 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편표면결함 분류장치 및 이에 의한 분류방법 - Google Patents

Abstract

본 발명은 주편의 표면 결함을 분류하는 장치 및 방법에 관한 것으로,

주편에 발생된 결함을 탐사하기 위한 주편결함 탐사장치(10)와; 상기 주편결함 탐사장치(10)에 의해 획득된 결함의 특성벡터를 입력하기 위한 결함특성벡터 입력장치(20)와; 상기 결함특성벡터 입력장치(20)에 의해 입력된 특성벡터 정보를 퍼지집합으로 변환하기 위한 퍼지기(30)와; 상기 퍼지기(30)에 의해 변환된 퍼지집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하기 위한 퍼지 추론장치(40)와; 상기 퍼지 추론장치(40)에 의해 추론되어 퍼지집합으로 출력되는 정보를 수치정보로 변환하기 위한 비퍼지기(50)와; 상기 비퍼지기(50)에 의해 변환된 수치정보에 따라 주편의 표면결함을 분류하기 위한 결함 분류장치(70); 및 상기 비퍼지기(50)로부터 출력되는 정보를 입력받아 퍼지 규칙에 필요한 중심값을 최적화시키기 위한 최적화 학습장치(60)를 포함하여 구성되는 것을 특징으로 하는 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류장치를 제공함으로서 주편 결함의 종류를 자동으로 정확하게 분류할 수 있게 된다.

주편결함 탐사장치, 지능형 분류기(Intelligent Classifier)

Description

학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류장치 및 이에 의한 분류방법{APPARATUS FOR CLASSIFYING THE STRIP SURFACE DEFECT BY INTELLIGENT CLASSIFIER INCLUDING LEARNING PROCESS AND METHOD THEREOF}

본 발명은 주편의 표면 결함을 분류하는 방법에 관한 것으로, 특히 학습형 최적화 기능이 구비된 지능형 분류기를 이용하여 주편 표면의 결함을 자동으로 정확하게 분류할 수 있도록 하는 주편 표면결함 분류장치 및 분류방법에 관한 것이다.

쌍롤식 박판 공정은 냉각되고 있는 한 쌍의 주조롤과 한 쌍의 에지댐에 의하여 형성되는 공간에 용강공급 노즐로 용강을 공급하여 용강풀의 높이를 일정하게 유지시키고, 주조롤을 마주보는 방향으로 회전시켜, 주조롤 표면에 형성된 응고쉘(Shell)이 주조롤 간의 근접점에서 합체되어 주편을 형성시킴으로서, 용강으로부터 직접 박판을 연속적으로 제조하는 방법이다.

이와 같은 종래의 쌍롤식 박판 제조 공정을 비롯한 주편 제조 공정에 있어서 주편이 제조되면 주편 표면의 품질을 검사하는 과정이 수행되며, 주편 표면의 고품질화에 대한 요구가 높아짐에 따라 주편 표면의 품질의 분류함에 있어서의 정확성 에 대한 요구 또한 증대되고 있다.

일반적으로 주편 표면의 품질 검사는 검사관이 제조되는 주편의 흐름을 육안 관찰하여 각 결함의 종류 및 발생 시점 등을 기록하는 방법에 의하여 수행되고 있었으나, 주편의 하부면을 관찰하기 어려운 관계로 주편의 상부면만을 관찰하여 결함을 분류하게 되므로 정확하게 결함을 분류해내지 못하고, 검사관의 특성에 따라 서로 다른 결함으로 분류되는 문제가 발생하고 있었다. 또한 검사관이 생산라인의 상부에서 주편의 결함을 계속하여 관찰하여야 하는 이유로 안전사고의 발생 위험이 높아지는 안전상의 문제도 발생하고 있는 실정이었다.

타분야의 종래기술로는, 표면 결함 정보를 이용하여 강판의 표면품질 등급을 판정하는 방법이 대한민국특허청 공개특허공보 제10-2007-0113032호에 소개되어 있다. 이는 표면결함의 종류별로 각각 그 표면결함의 길이와 폭에 따른 평점을 설정하여 부여하고, 표면 결함에 대한 최종 평점을 부여함으로서 표면품질 등급을 판정하는 방법이나, 표면 결함의 길이와 폭만을 고려하여 평점을 부여하는 것이므로 정확한 표면 결함의 종류를 파악하지 못하는 문제가 있다.

또한 표면결함 검출 및 표면형상 인식장치가 대한민국특허청 공개특허공보 제10-2005-0011908호에 소개되어 있다. 이는 2대의 카메라를 이용하여 수집된 영상으로부터 표면 결함 및 상하 변동량을 인식하여 3차원의 표면 결함 정보를 파악하는 장치이나, 표면 결함의 종류를 구별하지 못하는 문제가 있다.

또한 대한민국특허청 공개특허공보 특2003-0049331호에는 냉연강판의 표면을 결함하기 위한 검출장치가 소개되어 있다. 이는 이미지 프로세싱 및 미리 정해진 몇 개의 패턴 필터들을 이용하여 표면 결함의 종류를 파악하는 장치이나, 결함 종류를 파악하기 위한 패턴 필터가 정확한 기준을 제공하는지 확인할 수 없으며, 복잡한 형태의 표면 결함의 형태에 대하여 정확한 표면 결함의 종류를 파악하지 못하는 문제가 있다.

이와 같은 종래의 표면 결함 분류방법에 의하면 표면 결함을 정확하게 파악하지 못하게 되어 결함이 발생된 주편이 제품으로 제조되어 판매됨으로서 불량품이 양산되었으며, 표면 결함의 유형을 정확하게 분류하지 못하게 되어 결함의 발생원인을 찾는데 시간이 지연되고 더 나아가 생산 공정이 중단되어야 하는 최악의 상황까지 발생하고 있는 실정이었다.

본 발명은 상술한 바와 같은 종래기술의 제반 문제점을 해소하고자 창출된 것으로, 판 제조장치에 있어서 주편의 상, 하 표면에 나타나는 여러 결함들을 자동으로 탐색하는 주편결함 탐사장치의 출력으로 나타나는 결함의 특성벡터 값들을 이용하여 지능형 추론 과정을 수행하는 주편 표면결함 분류장치 및 이에 의한 분류방법을 제공하는 것을 그 목적으로 한다.

또한 본 발명은 상기 과제 외에 지능형 추론을 수행함에 있어서, 추론과정에서 적용되는 퍼지규칙에 필요한 중심값을 최적화시키기 위한 학습단계를 수행함으로서 표면결함 분류장치의 성능을 최적화하는 주편 표면결함 분류장치 및 이에 의한 분류방법을 제공하는 것을 또 하나의 목적으로 한다.

상기 과제를 달성하기 위한 본 발명의 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류장치는 주편에 발생된 결함을 탐사하기 위한 주편결함 탐사장치와; 상기 주편결함 탐사장치에 의해 획득된 결함의 특성벡터를 입력하기 위한 결함특성벡터 입력장치와; 상기 결함특성벡터 입력장치에 의해 입력된 특성벡터 정보를 퍼지집합으로 변환하기 위한 퍼지기와; 상기 퍼지기에 의해 변환된 퍼지집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하기 위한 퍼지 추론장치와; 상기 퍼지 추론장치에 의해 추론되어 퍼지집합으로 출력되는 정보를 수치정보로 변환하기 위한 비퍼지기와; 상기 비퍼지기에 의해 변환된 수치정보에 따 라 주편의 표면결함을 분류하기 위한 결함 분류장치; 및 상기 비퍼지기로부터 출력되는 정보를 입력받아 퍼지 규칙에 필요한 중심값을 최적화시키기 위한 최적화 학습장치를 포함하여 구성되는 것을 특징으로 한다.

이 때, 상기 결함특성벡터 입력장치는 주편 결함의 길이와 폭, 주편내의 위치, 밝기 정보를 포함하는 특성벡터를 입력하도록 구성되는 것이 바람직하다.

상기 과제를 달성하기 위한 다른 양상에 의하면, 본 발명의 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류방법은 주편에 발생된 결함을 탐사하는 주편결함 탐사단계와; 상기 주편결함 탐사단계에서 탐사된 주편 결함의 특성벡터를 입력하는 결함특성벡터 입력단계와; 상기 결함특성벡터 입력단계에서 입력된 특성벡터 정보를 퍼지집합으로 변환하는 퍼지화 단계와; 상기 퍼지화 단계에 의해 변환된 퍼지집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하는 퍼지 추론단계와; 상기 퍼지추론 단계에서 추론되어 퍼지집합으로 출력되는 정보를 수치정보로 변환하는 비퍼지화 단계와; 상기 비퍼지화 단계에서 변환된 수치정보에 따라 주편의 표면결함을 분류하는 결함 분류단계를 포함하여 이루어지는 것을 특징으로 한다.

이 때, 상기 주편 표면결함 분류방법은 비퍼지화 단계에서 출력되는 정보를 입력받아 퍼지규칙에 필요한 중심값을 최적화시키는 최적화 학습단계를 더 포함하여 이루어지는 것이 바람직하다.

본 발명의 주편 표면결함 분류장치 및 이에 의한 분류방법에 의하면 주편 결 함 탐사장치로부터 획득된 결함의 특성벡터를 이용하여 지능형 추론 과정을 수행함으로서 주편 결함의 종류를 자동으로 정확하게 분류할 수 있게 되며, 복잡한 변수가 존재하는 주편 결함에 대하여도 최적의 지능형 추론을 수행하여 주편 결함의 종류를 분류할 수 있는 효과가 있다.

또한 본 발명의 주편 표면결함 분류장치 및 이에 의한 분류방법은 퍼지 추론을 위한 중심값을 최적화하기 위한 학습과정을 수행하므로 표면결함 분류장치의 성능을 최적화하는 효과를 제공하게 된다.

이하, 첨부된 도면을 참조하여 본 발명의 학습형 최적화 기능이 구비된 지능형 분류기를 이용하는 주편 표면결함 분류장치 및 이에 의한 분류방법에 대하여 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 주편 표면결함 분류장치를 나타낸 블록도이다.

도 1을 참조하여 설명하면, 본 발명의 학습형 최적화 기능이 구비된 지능형 분류기를 이용하는 주편 표면결함 분류장치(100)는 주편결함 탐사장치(10)와; 결함특성벡터 입력장치(20)와; 퍼지기(Fuzzifier)(30)와; 퍼지 추론장치(40)와; 비퍼지기(Defuzzifier)(50)와; 최적화 학습장치(60); 및 결함 분류장치(70)를 포함하여 구성된다.

주편결함 탐사장치(10)는 주편에 발생되는 각종 결함을 탐사하는 역할을 수행하며, 입력하고자 하는 특성벡터에 따라 결함의 길이나 폭, 주편 내에서의 결함 의 위치 또는 결함의 밝기 등과 같은 주편에 발생된 결함 정보를 탐사할 수 있도록 구성된다.

결함특성벡터 입력장치(20)는 주편결함 탐사장치(10)에 의해 획득된 결함의 특성벡터를 입력하는 역할을 수행한다. 즉, 결함특성벡터 입력장치(20)는 상기 주편결함 탐사장치(10)에 의해 획득된 결함 정보를 수치화하여 얻은 특성벡터를 퍼지기(30), 퍼지 추론장치(40), 비퍼지기(50)로 구성되는 지능형 분류장치로 입력한다. 이와 같은 결함특성벡터 입력장치(20)는 주편결함 탐사장치(10)로부터 입력받은 결함의 길이나 폭, 주편 내에서의 결함의 위치, 결함의 밝기와 같은 여러 종류의 값들에 대하여 자동으로 그 유효성을 판단하고, 유효한 입력값들에 대해서만 단일 퍼지기(Singleton Fuzzifier) 기법을 통해 지능형 분류장치로 그 값을 전송한다.

지능형 분류장치에서는 상기 결함특성벡터 입력장치(20)로부터 입력받은 특성벡터들을 이용하여 결함의 종류를 추론하게 된다.

지능형 분류장치를 구성하는 상기 퍼지기(30)는 퍼지 추론이 수행되기에 앞서 결함특성벡터 입력장치(20)에 의해 입력된 특성벡터 정보를 퍼지집합으로 변환하는 역할을 수행한다.

상기 퍼지 추론장치(40)는 퍼지기(30)에 의해 변환된 퍼지 집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하는 역할을 수행한다.

상기 비퍼지기(50)는 퍼지 추론장치(40)에 의해 추론되어 퍼지집합으로 출력되는 정보를 크리스프(Crisp)한 수치정보로 변환하는 역할을 수행한다.

이 때, 상기 비퍼지기(50)에 의한 비퍼지화 과정은 Mean Of Maxima(MOM), Center Of Mass(COM)(연속적 Centroid), Height Method(이산적 Centroid) 등의 방법에 의하여 수행되도록 할 수 있다.

상기 결함 분류장치(70)는 비퍼지기(50)에 의해 변환된 수치정보에 따라 주편의 표면결함을 분류하는 역할을 수행한다.

상기 최적화 학습장치(60)는 비퍼지기(50)로부터 출력되는 정보를 입력받아 퍼지 규칙에 필요한 중심값을 최적화시키는 역할을 수행한다.

본 발명의 주편 표면결함 분류장치(100)는 퍼지 알고리즘을 통해 주편의 표면결함을 정확하게 분류할 수 있으며, 최적화 학습장치(60)가 구비되어 있어 퍼지 규칙에 필요한 중심값을 최적화하여 지능형 분류장치의 성능을 온라인(On Line) 또는 오프라인(Off Line) 상에서 최적화할 수 있게 된다.

도 2는 본 발명의 일 실시예에 따른 주편 표면결함 분류방법을 설명하기 위한 플로우챠트(Flow Chart)이다.

도 2를 참조하여 설명하면, 우선 주편결함 탐사장치(10)에서는 주편에 발생된 결함을 탐사하는 단계를 수행한다(S10). 즉, 쌍롤식 박판 주조기를 비롯한 판 제조 장치에 의해 제조되는 주편의 상, 하 표면에 나타나는 여러 결함들을 탐사하고, 탐사된 결함의 길이나 폭, 주편 내에서의 위치, 밝기 등을 분석하는 단계를 수행한다.

주편에 발생된 결함을 탐사하는 단계(S10)가 수행되면, 결함특성벡터 입력장치(20)에서는 탐사된 주편 결함의 정보를 나타내는 특성벡터를 입력하는 단계를 수 행한다(S20). 이 때, 주편결함 탐사장치(10)로부터 입력받은 여러 종류의 값들에 대하여 자동으로 그 유효성을 판단하고, 유효한 입력값에 대하여만 지능형 분류장치로 그 값을 전송하도록 한다.

결함에 대한 특성벡터를 입력하는 단계(S20)가 수행되면 지능형 분류장치에서는 결함의 종류를 추론하는 단계를 수행한다. 우선, 퍼지기(30)에서는 입력된 특성벡터 정보를 퍼지집합으로 변환하는 퍼지화 단계를 수행하는데(S30), 입력된 특성벡터를 각각의 입력 차원으로 하여 각 차원에 대하여 아래의 수식 1과 같은 특성의 소속 함수를 가지게 된다.

[ 수 식 1 ]

여기서 α, σ, x_m 은 결함 분류장치의 특성에 따라 변경가능한 상수이다.

퍼지화 단계(S30)가 수행되면, 퍼지 추론장치(40)에서는 변환된 퍼지집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하는 단계를 수행한다(S40).

이 때, 하기의 수식 2와 같은 특성의 퍼지 추론 과정에 의하여 퍼지출력을 추론하도록 할 수 있다.

[ 수 식 2 ]

이 때, M은 퍼지규칙의 개수, n은 입력 차원,

는 비퍼지기(Defuzzifier)의 대표값을 의미하며, 퍼지규칙의 수(M)와 결함의 분류 개수가 동일하다는 특징을 가진다.

입력장치로부터 들어온 특성벡터의 값은 퍼지 추론장치(40)에서 분석되어, 각 분류장치에서 사용되는 주편 결함의 종류를 대표하는 퍼지 규칙의 중심부와 입력된 특성벡터의 값과 가장 가까운 거리의 퍼지 규칙에 의하여 결함을 파악하여 분류할 수 있게 된다. 여기서 입력된 특성벡터의 값과 퍼지규칙의 중심부와의 거리는 수식 3에 의해 구할 수 있다.

[ 수 식 3 ]

여기서 α는 상수, D는 입력 차원, i,j는 i번째 규칙 내의 j차원, c는 퍼지 규칙의 중심값을 의미한다.

퍼지규칙을 이용하여 퍼지출력을 추론하는 단계가 수행되면, 비퍼지기(50)에 서는 퍼지 추론 장치(40)에 의해 추론되어 퍼지집합으로 출력되는 정보를 크리스프(Crisp)한 수치정보로 변환하여 비퍼지화하는 단계를 수행한다(S50).

비퍼지화하는 단계가 수행되면, 결함 분류장치(70)에서는 변환된 수치정보에 따라 주편의 표면결함을 분류하는 단계를 수행한다(S70).

한 편, 최적화 학습장치(60)에서는 비퍼지화하는 단계(S50)에서 출력되는 정보를 학습하여 퍼지규칙에 필요한 중심값을 최적화시키는 단계를 수행한다(S60). 이와 같은 학습기능을 가지는 지능형 분류기의 최적화 학습장치(60)는 수식 4와 같은 형식으로 각각의 퍼지 규칙에 필요한 중심값을 최적화하는 단계를 수행하게 된다(S60).

[ 수 식 4 ]

여기서, p는 (c₁₁₁,...,c_11d,...,c_ij1,...,c_ijd), rand(0,1)은 0~1 사이의 uniform distribution, v_{i , best}는 각 개체에 대한 최적값, v_gbest는 모든 개체에 대한 최적값을 의미한다. 이 때, 학습형 최적화 단계(S60)는 수식 4의 인덱스 i가 기 설정된 값이 될 때까지 반복하여 수행되도록 한다.

상술한 바와 같이 본 발명의 학습형 최적화 기능이 구비된 지능형 분류기를 이용하는 주편 표면결함 분류방법에 의하면 주편결함 탐사장치로부터 획득된 결함 의 특성벡터를 이용하여 지능형 추론 과정을 수행함과 동시에 최적화를 위한 학습과정을 수행하므로, 주편 결함의 종류를 자동으로 정확하게 분류할 수 있으며 표면결함 분류장치의 성능을 최적화할 수 있게 된다.

도 1은 본 발명의 일 실시예에 따른 주편 표면결함 분류장치를 나타낸 블록도.

도 2는 본 발명의 일 실시예에 따른 주편 표면결함 분류방법을 설명하기 위한 플로우챠트(Flow Chart).

♧ 도면의 주요 부분에 대한 부호의 설명 ♧

10 : 주편결함 탐사장치 20 : 결함특성벡터 입력장치 30 : 퍼지기(Fuzzifier) 40 : 퍼지 추론장치 50 : 비퍼지기(Defuzzifier) 60 : 최적화 학습장치

70 : 결함 분류장치

Claims (4)

1. 주편에 발생된 결함을 탐사하기 위한 주편결함 탐사장치(10)와;

   상기 주편결함 탐사장치(10)에 의해 획득된 결함의 특성벡터를 입력하기 위한 결함특성벡터 입력장치(20)와;

   상기 결함특성벡터 입력장치(20)에 의해 입력된 특성벡터 정보를 퍼지집합으로 변환하기 위한 퍼지기(30)와;

   상기 퍼지기(30)에 의해 변환된 퍼지집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하기 위한 퍼지 추론장치(40)와;

   상기 퍼지 추론장치(40)에 의해 추론되어 퍼지집합으로 출력되는 정보를 수치정보로 변환하기 위한 비퍼지기(50)와;

   상기 비퍼지기(50)에 의해 변환된 수치정보에 따라 주편의 표면결함을 분류하기 위한 결함 분류장치(70); 및

   상기 비퍼지기(50)로부터 출력되는 정보를 입력받아 퍼지 규칙에 필요한 중심값을 최적화시키기 위한 최적화 학습장치(60)를 포함하여 구성되는 것을 특징으로 하는 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류장치.
2. 청구항 1에 있어서, 상기 결함특성벡터 입력장치(20)는

   주편 결함의 길이와 폭, 주편내의 위치, 밝기 정보를 포함하는 특성벡터를 입력하도록 구성되는 것을 특징으로 하는 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류장치.
3. 주편에 발생된 결함을 탐사하는 주편결함 탐사단계(S10)와;

   상기 주편결함 탐사단계(S10)에서 탐사된 주편 결함의 특성벡터를 입력하는 결함특성벡터 입력단계(S20)와;

   상기 결함특성벡터 입력단계(S20)에서 입력된 특성벡터 정보를 퍼지집합으로 변환하는 퍼지화 단계(S30)와;

   상기 퍼지화 단계(S30)에 의해 변환된 퍼지집합을 입력받아 퍼지규칙을 이용하여 퍼지출력을 추론하는 퍼지 추론단계(S40)와;

   상기 퍼지추론 단계(S40)에서 추론되어 퍼지집합으로 출력되는 정보를 수치정보로 변환하는 비퍼지화 단계(S50)와;

   상기 비퍼지화 단계(S50)에서 변환된 수치정보에 따라 주편의 표면결함을 분류하는 결함 분류단계(S70)를 포함하여 이루어지는 것을 특징으로 하는 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류방법.
4. 청구항 3에 있어서, 상기 주편 표면결함 분류방법은

   비퍼지화 단계(S50)에서 출력되는 정보를 입력받아 퍼지규칙에 필요한 중심값을 최적화시키는 최적화 학습단계(S60)를 더 포함하여 이루어지는 것을 특징으로 하는 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편 표면결함 분류방 법.

Images