KR101045393B1 - 철강공정 내부 크랙 및 중심편석 판정 방법 - Google Patents

Abstract

본 발명은 셀파(Sulfur) 프린트를 스캐너로 입력받거나 시편을 카메라로 촬영하여 입력받아 이들을 히스토그램 알고리즘과 마스킹 알고리즘을 거친 후, 남은 이미를 크랙 판정 알고리즘을 통하여 설정된 기준에 따라 크랙 및 중심편석으로 판정하고, 등급을 결정하여, 크랙 및 중심편석 판정을 일관성 있고 신뢰할 수 있도록 자동으로 판정해주는 방법에 관한 것이다.

셀파 프린트, 내부 크랙, 중심편석, 히스토그램, 마스크

Description

철강공정 내부 크랙 및 중심편석 판정 방법{Crack and Center Segregation Estimation method}

본 발명은 셀파(Sulfur) 프린트를 스캐너로 입력받거나 시편을 카메라로 촬영하여 입력받아 이들을 영상 처리 기법을 이용하여 처리하여 내부 크랙 및 중심 편석의 등급을 일관성 있고 신뢰할 수 있도록 자동으로 판정해주는 방법에 관한 것이다.

철강공정은 제선, 제강, 연주, 압연의 4단계를 거쳐 최종 제품이 생산된다. 이 생산과정 중 연주공정에서는 액체상태인 용강을 주형에 주입하고 연속 주조기를 통과시켜 냉각, 응고하여 연속적으로 슬라브(Slab)나 블룸I(Bloom), 빌릿(Billet) 등의 중간 소재를 만든다. 여기서 생산된 슬라브는 후판 압연기를 거쳐 후판으로 생산되거나 열간 압연기로 들어가 열연강판 등으로 만들어진다.

이러한 연주 공정에서 연주기를 통하여 두꺼운 슬라브가 만들어질 때 곡선으로 내려오다가 직선으로 슬라브를 펴게 되는데 그때 슬라브 안에서 균열이 생기거나 공기 흠에 의해 갈라지게 되는 것이 내부 크랙으로 슬라브의 상부와 하부에 나타난다. 그리고 슬라브를 만드는 쇳물 안에는 불순물들을 내포하고 있는데, 이 불 순물들은 슬라브가 냉각될 때 점점 중앙으로 몰리게 되며, 이 불순물이 쌓인 것이 중심 편석으로 슬라브의 중심영역에 나타나게 된다.

이러한 연주공정에서 생산되는 슬라브는 내부 크랙과 중심편석의 분포도가 높아지면 뒷 공정인 압연공정에서 연속적인 힘을 가할 때 슬라브의 내부 균열 및 제품불량이 발생할 수 있으며, 만들어진 제품은 하급품질을 가지게 되어 가격 등 제품 경쟁력을 상실하게 된다. 일정 수준의 내부 크랙과 중심편석을 내포하고 있는 모든 슬라브가 내부 균열 및 제품의 불량이 발생하는 것은 아니지만 결과적으로 내부에 발생한 크랙과 중심편석의 분포도가 높은 슬라브에서 하급품질의 제품이 생산되는 결과를 가진다.

이러한 슬라브의 내부 크랙과 중심 편석의 등급을 판정하기 위해서는 표본이미지를 만들어야 하는데, 표본이미지 추출단계는 아래 세 단계로 구분할 수 있다.

그 첫 번째 단계로 반제품 상태로 생산된 슬라브의 임의 위치에서 폭 5cm 정도의 시편을 추출한다. 두 번째 단계로 추출한 시편 표면을 수평으로 굴곡 없이 가공한다. 세 번째 단계는 가공한 시편의 표면을 약품처리 하면 약품이 흠에 들어가면서 기포가 발생하는데 그 기포들이 인화지에 묻게 되므로 시편에 발생한 내부 크랙 및 중심 편석의 정보를 확인할 수 있으며, 이렇게 만들어진 표본이미지를 셀파 프린트(Sulfur Print)라 한다.

이러한 셀파 프린트는 도 1에 나타내는 바와 같이 상부영역, 중심영역, 하부영역의 3단계로 나눌 수 있는데, 상부와 하부 영역에는 내부 크랙이 나타나고, 중심영역에는 중심 편석이 형성이 된다.

지금까지 내부 크랙과 중심 편석의 등급을 판정했던 방법은 영상처리 기법을 사용하지 않고 셀파 프린트를 현장 작업자가 수작업으로 일일이 길이를 재고, 작업자의 주관을 바탕으로 두께를 판단하여 등급을 판정하였으며, 이 방법은 작업자의 컨디션에 의해 불규칙적으로 등급이 판정되는 문제점이 발생하였다. 또한 내부 크랙의 두께를 측정하는 과정에서는 일정한 판정 기준이 없기에 작업자에 따라 각기 다른 판정 결과를 가지게 되었으며, 판정의 오류를 범하여도 그 판정의 근거가 없다는 문제점이 있었다.

본 발명은 상기한 바와 같이 판정의 기준이 없었던 크랙 및 중심편석의 판정기준을 확립하고, 수작업으로 진행하던 것을 자동으로 설정된 기준에 따라 판정하므로 판정결과를 신뢰할 수 있도록 하는 방법을 제공하는 데 목적이 있다.

상기한 목적을 달성하기 위한 본 발명의 특징은, 스캐너를 통해서 획득된 셀파 프린트의 이미지 혹은 카메라를 통해서 획득된 시편의 이미지를 제어부에서 그레이(Gray) 이미지로 변환하는 1단계와, 히스토그램(Histogram) 알고리즘 중 명암대비 스트레칭을 이용하여 그레이 이미지에서 최적의 크랙 및 중심편석 판정이 가능하도록 2진화 임계치를 결정하고 결정된 임계치에 따라 그레이 이미지를 2진화 이미지로 변환하는 2단계, 2진화된 이미지를 마스킹(Masking) 알고리즘을 이용하여 2차 노이즈를 제거한 뒤 남은 점들을 모두 예상크랙위치로 기억하는 3단계, 예상크랙위치에서 기억되어 있는 좌표값을 가지고 1단계에서 나온 이미지 좌표에서 크랙 자동인식 알고리즘으로 연결되어있는 좌표들을 모두 찾아서 하나의 예상크랙으로 묶는 4단계, 예상크랙들끼리 인접할 경우 하나의 크랙으로 묶어주며, 총 픽셀수와 크랙의 길이, 가로와 세로 비율 등으로 크랙 여부를 판단하고, 이 과정을 거쳐서 남은 것을 상부와 하부에는 내부 크랙으로, 중심에는 중심편석으로 판정하는 5단계를 포함하는 철강공정 내부 크랙 및 중심편석 판정 방법에 있다.

그리고, 상기한 5단계를 수행한 후, 상부와 하부에서는 각각의 크랙의 길이 와 두께를 구하고, 이를 이용해 지수와 등급을 계산하며, 중심편석에서는 편석비율을 이용해 중심편석등급을 계산하는 6단계 및 상기한 6단계의 결과를 출력하는 7단계로 구성된다.

상기한 7단계를 통해서는 원본이미지와 결과 이미지가 보여지며, 내부 크랙에 대한 길이, 두께, 지수, 등급과 중심편석에 대한 편석비율과 길이와 등급이 화면에 출력 되고, 서버로 결과데이터와 결과이미지 전송을 하여, 웹으로 산출 데이터까지 확인을 할 수 있도록 한다.

이 시스템은 기존 수작업 보다 빠르고 정확한 시스템이며, 결과의 편차도 거의 없어 철강공정에 부가가치적인 이익의 향상을 기대할 수 있고, 이미지로 크랙을 판별하는 다른 부문에 적용시켜 보다 좋은 결과가 예상된다.

이하 본 발명의 실시예를 첨부된 도면을 참조하여 보다 상세하게 살펴보며, 본 발명의 실시예에서는 셀파프린트를 이용한 크랙 및 중심편석 판정 방법을 예로서 살펴본다.

우선, 본 발명의 실시를 위한 크랙 및 중심편석의 판정 기준을 살펴보며, 상기한 판정기준은 메모리에 기록되어 제어부가 크랙 및 중심편석을 판정하는 과정에서 사용한다.

우선, 본 발명에서 적용되는 크랙의 판정 기준을 살펴보며, 아래 모든 조건 을 갖춘 경우에 크랙으로 판정한다.

(1) 길이가 5mm 이상의 선과 같은 모양을 지닌 것으로, 길이가 5mm 이상이라고 해도 점과 같은 형상은 크랙이 아니다.

(2) 인접된 크랙이 아래나 위로 3mm 이내에 있으면 그것은 하나의 크랙으로 보고 3mm 이상 떨어져 있다면 그것은 2개의 크랙으로 본다.

(3) 한 크랙당 픽셀의 개수가 30개 이상 3000개 이하여야 한다. 30개 미만일 경우는 눈으로 보기에 크랙이 될 수가 없으며, 3000개 이상일 경우는 셀파 프린트 끝 라인에 맞물리거나 접힌 자국이다.

(4)세로의 비율이 가로의 3배 이상이어야 한다.

그리고, 중심편석의 등급은 1~5 단계로 나뉘며, 각각의 단계는 표 1에 나타내는 바와 같다.

상기한 판정기준을 이용하여, 본 발명의 크랙 및 중심편석 판정 방법을 살펴본다.

도 2는 본 발명에 따른 크랙 및 중심편석 판정장치를 나타내는 블록도이다.

본 발명에 크랙 및 중심편석 판정 장치는 셀파 프린트의 이미지를 획득하는 스캐너(10), 판정장치의 각종 동작 모드를 선택하는 키입력부(20), 크랙 및 중심편석 판정을 위한 각종 데이터가 기록된 메모리(30), 모니터와 스피커를 포함하는 출력부(40), 스캐너(10)와 키입력부(20) 및 출력부(40)의 동작을 제어하여 스캐너(10)로부터 입력된 셀파 프린트의 이미지를 이용하여 키입력부(20)의 제어명령에 따라 메모리(30)에 기록된 데이터를 이용하여 크랙 및 중심편석을 판정하고 그 결과를 출력부(40) 혹은 서버(50)로 출력하는 제어부(60)로 구성된다.

도 3은 상기한 판정 장치를 이용한 크랙 및 중심편석 판정방법을 나타내는 순서도이다.

이하 설명에서 CS는 중심편석(Center Segregation)을 나타낸다.

우선, 제어부(60)는 키입력부(20)로부터 출력되는 제어신호에 따라 스캐너(10)를 구동(S101)하여 셀파 프린트의 이미지를 획득하고, 획득된 이미지를 트루칼라(True color)와 그레이칼라(Gray color)의 이미지파일로 메모리(30)에 저장하며(S102), 이 과정에서 셀파 프린트의 폭을 사용자가 키입력부(20)를 통해서 수동으로 입력(S103)하는 1단계를 수행한다.

이 후 제어부(60)는 메모리(30)에 기록된 그레이 이미지를 불러와서 히스토그램(Histogram) 알고리즘 중 명암대비 스트레칭 알고리즘을 이용하여 2진화 임계치를 결정하고 이에 따라 그레이 이미지를 2진화 이미지로 변환하는 2단계를 수행하며, 이 과정에서 1차로 노이즈 즉, 크랙 및 중심편석으로 판정되지 않을 이미지가 제거된다.(S104)

그리고, 제어부(60)는 2진화된 이미지를 마스킹(Masking) 알고리즘을 이용하여 2차 노이즈를 제거한 뒤 남은 점들을 모두 예상크랙위치 판단하여 메모리(30)에 저장하는 3단계와(S105), 예상크랙위치로 기억된 좌표값과 1단계에서 획득된 그레이 이미지의 동일 좌표값을 크랙 자동인식 알고리즘을 이용하여 연결되어있는 좌표들을 모두 찾아서 하나의 예상크랙으로 묶는 4단계를 수행한다.(S106)

이후, 제어부(60)가 예상크랙들끼리 설정된 거리범위 이내 즉 3mm이내로 인접할 경우 하나의 크랙으로 묶어주며, 총 픽셀수와 크랙의 길이, 가로와 세로 비율 등으로 크랙여부를 최종 판단하고, 이 과정을 거쳐서 크랙으로 판단된 것을 상부와 하부에는 내부 크랙으로, 중심에는 중심편석으로 판정하는 5단계(S107), 상부와 하부에서는 각각의 크랙의 길이와 두께를 구하고, 이를 이용해 지수와 등급을 계산하며, 중심편석에서는 편석비율을 이용해 중심편석등급을 계산하는 6단계(S108) 및, 상기한 6단계의 결과 이미지와 데이터를 출력부로 출력하고 서버로 전송하는 7단계(S109)(S110)로 구성된다.

이러한 일련의 과정을 하기에서 보다 상세하게 살펴보며, 이 과정에서의 동작들은 제어부(60)의 동작이므로, 이하 동작의 주체 기재는 생략한다.

1단계 : 이미지 획득

크랙 및 중심편석 자동인식 방법의 첫 번째 과정은 스캐너를 통해 셀파 프린트 이미지를 획득하여 메모리에 적재시키는 부분으로, 제어부가 스캐너를 제어하기 위하여 CTwain 클래스를 이용하므로 별도의 스캐너 드라이버를 설치하지 않아도 스캐너를 동작시킬 수가 있다.

CTwain 클래스를 이용하여 200dpi로 스캐너를 동작시켜 스캔을 하게 되면 셀파 프린트는 1706 * 2800pixel 의 크기의 이미지로 추출이 된다. 이 이미지는 나중에 원본이미지와 결과 이미지를 보여주기 위해 원본이미지(트루 칼라 이미지)를 저장하고, 8비트 그레이 이미지로 변환을 하여 저장하여, 2개의 이미지를 메모리에 적재시켜 놓는다.

2단계 : 히스토그램 알고리즘

히스토그램이란 영상의 밝기값을 수평축으로 하고 수평축의 밝기값에 대응되는 크기를 가진 픽셀수가 영상 안에 몇 개나 되는지를 나타내는 빈도수를 수직축으로 해서 만든 그래프이다. 그레이 이미지의 경우 수평축은 0 ~ 255의 범위를 가지며 수직축의 값은 영상의 크기와 밝기의 분포에 따라 달라진다.

이러한 히스토그램의 알고리즘 중 개선된 명암대비 스트레칭 알고리즘을 이용하여 그레이 이미지를 2진화시키기 위한 임계치를 정하는데, 여기서 1차 노이즈 제거 효과를 얻을 수 있으며 다음 단계를 거치기 위한 초석이 되는 부분이기도 하며, 상기한 그레이 이미지는 후에 크랙을 찾는 이미지로 재활용된다.

이미지를 2진화 시키기 위해서는 특정 상수 값 즉 임계치를 지정해 그 이상일 경우 255, 그 미만일 경우 0으로 바꾸는 형식이지만 그것은 밝기가 일정한 이미지일 때 가능한 경우이다.

셀파 프린트는 인화지 자체에서 색상 차이도 있을뿐더러, 시편의 상태에 따라 반점들이 많이 있을 수도 있고, 거의 희미한 점들만 나타날 때도 있다. 이러한 상황들을 고려해서 밝거나 어둡거나에 상관없이 그 한 장의 이미지 밝기에 따라 각각 다른 상수를 주기 위해 여러 알고리즘 중 개선된 명암대비 스트레칭을 이용한다.

도 3에서는 여러 형태의 셀파 프린트를 보여주는 것으로, (a) 아주 깨끗한 이미지, (b) 깨끗하나 중심 편석을 띄는 이미지, (c) 인화지 색상이 어두운 이미지, (d) 번짐이 많은 이미지, (e) 점이 많은 이미지, (f) 양 옆에 테두리가 찍혀있는 이미지를 보여준다.

이 개선된 명암대비 스트레칭은 이미지내 화소값을 255로 만들 픽셀의 비율인 하이퍼센트(HighPercent)와 화소값을 0으로 만들 픽셀의 비율인 로우퍼센트(LowPercent)를 지정하여 0 ~ 255 사이의 값인 하이쓰레스홀드(HighThreshold) 와 로우쓰레스홀드(LowThreshold)를 구하게 된다.

HighPercent 이상은 255값 LowPercent 이하는 0 값으로 바꾸고 그 중간의 값들만으로 영상을 표현하는 기법이지만 여기서는 2진화 임계치를 구하는 것이 목적이기 때문에 HighPercent와 LowPercent를 합쳐서 100%로 둔다. HighPercent가 80%이면 LowPercent(100%-HighPercent)는 20%가 된다. 아래 위로 보게 되면 동일한 퍼센트이므로 LowPercent는 밝은 이미지의 경우일 때 예외처리로 상수를 주게되고, 2진화를 구하는 수치는 HighPercent로만 사용한다.

보편적인 밝기의 셀파 프린트 이미지를 가지고 HighPercent를 98% 수치를 주니 HighThreshold가 220 정도가 되었고 99%를 주면 HighThreshold는 205 정도가 되었다. 하이퍼센트 수치가 높을수록 2진화 되는 수치가 낮아지기 때문에 더 어두운 색만 남게된다.

만약, 구해진 임계치가 220이라면 룩업테이블에 넣어 0 ~ 220의 값은 '0' 이고, 221 ~ 255 값은 '255'로 2진화를 하게 된다. 하지만 이 방법을 사용하다 보니 아주 깨끗한 이미지에서 약간의 희미한 점이 찍힐 경우 크랙으로 발견이 되었다.

상기에서 HighPercent와 LowPercent값은 명암 농도를 기준으로 미리 설정되는 것으로, 측정된 셀파 프린트 이미지의 명암 농도를 기준으로 자동으로 메모리로부터 검색하여 설정하게 된다.

도 4는 트루칼라 -> 그레이칼라 -> 2진화 하는 단계 이미지를 확대한 그림이다.

3단계 : 마스킹 알고리즘

영상처리 분야에서는 주어진 목적에 따라 영상을 평활화하거나 노이즈를 제거하거나, 윤곽 정보를 추출하는 등의 전처리 과정을 가장 먼저 수행하게 되는데 이때 마스킹 알고리즘을 사용한다.

마스크와 이미지로의 적용과정은 다음과 같다.

마스크를 원 이미지상의 계산 지점에 위치시키고, 해당 마스크의 계수값과 해당 이미지의 값을 곱한 후 모두 더한 값이 I5 지점에서의 새로운 값이 된다. 이는 도 5에 나타낸다.

히스토그램의 개선된 명암대비 스트레칭을 적용 시킨 후 2진화된 이미지에서는 아직도 많은 검은 점들이 있다. 이것을 한번 더 노이즈 제거를 위해 마스킹 알고리즘을 적용시켰다. 본 발명에서 사용되는 마스크는 도 6에 나타난 것처럼 +마스크, I마스크, II마스크의 3가지 마스크를 쓴다

도 6의 마스크 중 한 가지를 사용하여 마스크 기법 계산을 통해 이미지의 픽셀에 대응시키면 계산 결과가 나오게 되는데 조건문을 걸어 그 조건에 해당될 경우 가운데 값이 0으로 되고 그 외에는 255가 되는 알고리즘을 이용하여 필터를 적용시켰다.

마스킹 알고리즘을 사용하여 이미지에 적용을 시키면 마스크 안에 일치하는 값이 모두 '0' 이여만 '0' 값이 출력되고 하나라도 '255'가 된다면 '255'값을 출력하게 된다. '255'값이 백색이고 '0' 값이 검은색이다. 도 7은 가운데 값이 '0'이 되는 조건이다.

도 7의 (b) 경우만 '0'을 출력하고 그 외에는 '255'값을 출력한다. 도 8은 마스크의 '1'값에 해당하는 자리에 하나라도 '255'값이 있게 되면 '255'값을 출력함으로서 필터가 되는 경우를 보여준다.

이 마스킹 알고리즘을 거침으로써 한번 더 노이즈 제거를 하고 남은 '0'값은 예상 크랙이 되는 픽셀이다. 도 9는 그레이 이미지와 히스토그램 알고리즘을 적용 시킨 이미지, 마스킹 알고리즘을 적용 시켜나온 이미지를 보여주며, 마스킹 알고리즘 적용 후 남은 픽셀의 좌표는 도 10과 같은 형태로 파일에 저장한다.

4단계 : 크랙 판정

크랙 판정은 3단계에서 예상크랙으로 기록한 파일을 열어서 그 위치부터 8방향으로 인접된 픽셀값이 '0'인 것들을 순서대로 찾아가서 하나의 크랙으로 만든다.

여기서부터는 눈으로 이미지 비교를 많이 해 봐야 하기 때문에 흰색 바탕의 검은점을 반전시켜 눈에 보기 쉽게 검은색 바탕에 흰색점으로 진행하였다. 픽셀값 '0'값이 배경, '255'값이 크랙이다. 다음 순서들은 픽셀의 값을 따라 하나의 크랙을 찾아가는 크랙 자동인식 알고리즘을 나타낸다.

(1)파일을 열어 한 좌표를 읽어 온다. 도 11은 x,y값을 읽어왔을 때 8방향의 좌표값을 보여준다.

(2)이미지는 히스토그램만 적용시킨 후의 이미지를 가지고 한다.

(3)왼쪽 위부터 차례로 오른쪽 아래까지 8방향으로 돌면서 픽셀값이 255인 위치를 찾는다.

(4)좌표순서대로 255인 값을 찾게 되면 그 좌표값을 모두 스택에 넣고 픽셀값은 100으로 바꾸어 넣은 다음(중복 체크 방지), x값은 StackX[top] y값은 StackY[top]에 넣는다(좌표 이동). 이때 StackX1[], StackY1[] 백업을 해 놓는다. StackX[], StackY[]은 재귀호출 용도 위해 넣었다 뺐다 할 것이고, StackX1[], StackY1[]은 크랙이 확정될때 그 크랙들의 좌표값을 불러내기 위해 스택을 하나 더 만들어 저장해놓는다. 도 12에서 픽셀값이 100인 좌표값을 스택에 넣고 그 값을 100으로 바꾸는 과정을 보여준다.

(5)StackX[top], StackY[top]에서 마지막 저장된 좌표의 위치에서 다시 8방향으로 255값을 찾게된다. 도 13은 도 12와 연계된 그림이며, 도 12에서 8방향으로 255값을 다 찾고 스택에 넣은 후 StackX[top], XtackY[top]의 위치가 다시 x,y로 돼서 그 위치에서 다시 8방향으로 읽는 것을 보여주는 것이 도 13이다. 도 13에서 빨간색으로 되어 있는 좌표가 도 12에서 x,y좌표이며 마지막 좌표인 x+1,y가 도 13에서 x,y가 된 것을 볼 수 있다.

(6)주변 8방향으로 255값이 더 이상 없다면 (5)의 과정으로 돌아가 StackX[top], StackY[top]값을 하나씩 뺀 좌표로 8방향을 다시 검색하여 지나쳤던 부분들을 다시 검색하며 스택이 빌 때까지 반복을 하게 된다. 스택이 비게 되면 하나의 크랙을 찾게 된다.

예상 좌표를 가지고 앞의 단계를 거쳐서 모든 크랙을 찾아 간다. 하지만 영상 처리 기법은 픽셀 단위로 계산을 하는 반면, 사람의 눈은 픽셀단위로 구분 짓는 것이 아니라 형체를 보고 판단을 하므로 도 14와 같은 상황들이 생길 수가 있다.

도 14의 (a)는 점선처럼 크랙이 나타난 경우이다. 이런 증상에서 제어부는 이어지지 않았기 때문에 크랙이 아니라고 판단을 하고, 사람이 볼 때는 전체적인 모습을 보기 때문에 크랙으로 판단을 하게 된다.

그리고 도 14의 (b)는 약간 떨어져 있는 크랙인데 아래 선과 윗선은 크랙이지만 중간에는 크랙이 아닌 점으로 인식을 하여 2개의 크랙으로 나뉜 경우이다. 이런 경우들을 대부분 1~2픽셀 정도가 떨어져 있기 때문에 이런 문제를 해결하기 위해서 y축으로 2픽셀을 더 읽음으로써 해결할 수가 있었다.

이 과정에서 크랙 하나의 총 픽셀 개수를 판단하여 이것이 일정 숫자에 미치지 않을 때는 크랙이 아니라고 판단하며 두 번째 스택에 저장되어있는 크랙의 좌표를 읽어 픽셀값들을 모두 '0'으로 바꾸어 버리며, 픽셀 개수가 범위를 넘으면 좌표의 픽셀값들을 모두 '200'으로 바꾸어준다. 픽셀 개수가 3000개가 넘을 때도 접힌 자국이나 큰번짐으로 판단하여 마찬가지로 픽셀값들을 모두 '0'으로 바꾸어 준다. 각각의 크랙은 이렇게 구해지게 되며 최종적으로 이미지의 픽셀값을 '200'으로 바꿈으로써 이미지에 크랙이라 표현을 해 놓는다.

5단계 : 인접크랙 연결 및 삭제

인접되어있는 크랙끼리는 하나의 크랙으로 보고 서로 연결해야하며, 개제물일 경우는 크랙에서 제거한다. 여기서 지정하는 개제물이란 길지않고 점같은 형상이나 가로 방향으로 스크래치가 난 경우로 크랙이 아닌 경우이다. 세로와 가로의 비율을 일정 상수로 주어 그 이상일 경우 개제물로 정의하였다.

4단계에서 이미지의 크랙부분은 픽셀값을 '200'으로 바꾸어 저장하였다. 이 '200' 값들이 담겨있는 정보들을 하나 하나씩의 크랙으로 묶어준다. 그런 다음 인접한 크랙끼리는 하나의 크랙으로 연결하고, 그 크랙이 개제물인지를 판단한 뒤, 개제물이면 픽셀값을 '0'으로 바꾼다. 이 크랙들을 연결하기 위해서는 크랙의 테두리를 알아야 하는데, 테두리를 찾는 방법은 자기주변 8방향 중 3개 이상의 픽셀값이 '0'이면 테두리이다.

크랙을 연결하기 위해서는 여러 가지 배열의 정보들이 필요한데, nIndex[cnt]에는 몇 번째 크랙인지의 값을, x[cnt]에는 x좌표, y[cnt]에는 y좌표 값을, nEdge[cnt]에는 테두리다 아니다의 0과 1값이 들어간다. 표 2에서는 인접크랙을 연결하기 전의 배열 데이터들이고 표 3은 nIndex 인접크랙을 연결 한 후의 데이터 배열들이다.

nIndex가 다른 크랙의 엣지와 거리차를 구하여 인접하게 위치하는 크랙이면 nIndex 값을 앞크랙 값으로 넣어 하나로 합쳐 앞크랙으로 넣어버린다. 표 2에서 0과 3이 인접크랙이라고 발견되었을 때 인덱스 값 3이 0으로 변경된 것을 표 3에서 볼 수 있다. nIndex 값이 3이였던 크랙을 0으로 바꿈으로서 2개의 크랙이 하나로 합쳐지게 되었다.

인접크랙 연결처리를 해준 뒤 크랙으로 남게된 픽셀값은 200에서 201로 바뀌게 되며, 201값이 기록된 이미지를 나중에 오리지날 이미지와 크랙부분을 합치기 위해 ONLYCRACK.BMP 이미지로 저장을 해 놓는다. 이 ONLYCRACK.BMP 파일에는 상부와 하부의 내부크랙과 중심편석만을 지닌 저장소가 된다.

6단계 : 크랙과 중심편석 계산

하나의 크랙이 판정된 후 나와야될 값들은 길이, 두께, 지수, 등급이 있다. 길이는 x,y의 최저값들을 점으로 찍은 부분과, x,y의 최대값들을 점으로 찍은 부분을 연결하면 크랙의 길이가 되고, 두께는 PixelCount / (yMax - yMin) * Pl로 계산한다. 여기서 Pl은 1픽셀당 실측 길이이며 0.127mm이다. 두께 공식 중 PixelCount 는 한 크랙의 총 픽셀 개수이고, yMax와 yMin은 크랙안의 픽셀 중 y축의 가장 큰 값과 가장 작은 값이다.

지수를 구하는 공식은 제철소에서 만들어 준 공식을 통해 계산되어지며 등급을 구하는 기준은 표 4와 같다.

그리고, 중심영역의 이미지 전처리 과정도 크랙을 찾는 상/하부와 마찬가지로 히스토그램으로 2진화 후 마스킹 기법을 거쳐 이미지 전처리 과정 후에 나온 결과이미지를 가지고 계산을 하게 되는데, 상/하부 내부크랙과 같은 수준으로 영상처리를 해보니 중심 편석이 육안으로 측정한 것에 비해 한 단계 정도 더 높게 판정되었다. 그래서 중심영역에는 상/하부의 HighPercent 보다 1을 더한 수치로 2진화를 한다. 그런 다음 마스킹 기법을 거쳐 나온 예상좌표로 2진화 이미지에 크랙 자동인식 알고리즘을 적용 시킨 후 픽셀 개수가 최저 크랙 픽셀 개수 미만인 부분들은 픽셀값을 0으로 바꿔버리고 나머지는 픽셀값을 201로 바꿔 중심편석임을 이미지에 표시한다.

중심영역에서 중심 편석을 계산하는 방법은, 우선 크랙 자동인식 알고리즘으로 중심영역에서 발견된 편석들 각각의 가로 비율이 세로의 몇배인지를 비교하여 중심편석이 크랙성인지 아닌지를 판단해 놓는다. 그런 다음 중심편석 영역에서 x축으로 201값이 가장 많은 곳을 중심 편석의 가장 중앙으로 잡고 그 중앙에서 아래 위로 5mm를 x축으로 지나면서 y축에 201값이 있는 행을 카운터로 계산한다. 그 비율로 중심편석 비율을 계산하고, 중심편석의 길이를 계산한다. 그리고 중심편석의 등급은 그 중심편석비율과 크랙성이 있냐 없냐에 따라 등급이 달라지게 되며, 이를 표 5와 6에 나타내었다.

7단계 : 결과 출력

1단계에서 6단계의 순서대로 트루칼라 이미지부터 그레이 이미지, 2진화 이미지, 크랙계산, 크랙만 담은 이미지를 만든 다음, 최종적으로 발견된 크랙들을 원본 이미지에 합치는 작업을 수행해야 한다. 이 작업은 원 이미지에서 인식한 크랙을 중첩시켜 크랙을 이미지에 표시를 하고 결과내역 창에는 크랙의 개수, 총길이, 지수, 등급과 크랙의 각각의 길이나 두께, 중심편석의 길이, 등급, 지수가 화면에 출력된다. 도 15에서 원본이미지와 결과이미지를 비교해 놓았으며, 도 16에서는 자동판정 시스템의 최종 결과 화면을 보여준다.

이렇게 판정이 끝난 이미지와 데이터는 프로그램의 ‘전송’ 버튼을 누르게 되면 자동판정시스템 서버로 전송하게 된다. 이 결과들을 서버에서 저장과 동시에 웹브라우저를 통해서 결과치를 확인할 수가 있다. 도 17에서는 검색된 결과를, 도 18에서는 주편 번호를 눌렀을 때 상세정보가 나오는 것을 보여주고 있다.

상기한 본 발명의 판정 방법을 검증하기 위한 실시예를 하기에서 살펴본다.

실시예는 히스토그램의 HighPercent(앞으로 2진화 농도 수치로 표기), 마스킹 기법의 마스크, 한 크랙을 만족시키는 최저 픽셀 개수의 수치를 변경하면서 진행하였으며, 이하 표 및 도면에서 괄호안 각 항목들은 ‘2진화 농도수치-최저픽셀수-마스크’ 순으로 표기하였다.

<실시예1>

우선, 2진화 농도 수치에 따른 결과를 도 19에 나타낸다.

도 19는 하나의 이미지를 농도수치만 98.0과 99.0으로 다르게 셋팅한 뒤 판정을 한 결과이다. 도 19의 (a)에서 잡힌 상부 왼쪽 2개의 크랙이 (b)에서는 잡히지 않았다. 이는 농도수치가 높게 적용되어 나온 이미지에서는 ┼ 마스킹에서 크랙으로 인식되지 않거나, 한 크랙의 총 픽셀 개수가 50개가 되지않아 잡히지 않은 것이다.

그리고, (a)의 왼쪽 5번째 크랙이 (b)에서는 크랙 하단쪽만 조금 잡혔는데 그 크랙은 중간 중간 끊겨있는 것을 확인할 수 있다. 그 끊김의 하나 하나가 크랙인데 끊겨있는 크랙의 픽셀개수가 50개에 만족 되지 못하여 크랙이 아니라고 판단된 경우이다.

그리고 세 번째, (a)의 오른쪽에서 2번째 크랙은 (b)에서 중간부분이 크랙으로 인식되지 않았는데, 이는 ┼마스킹의 취약점으로 얇은 크랙을 인식하지 못한 결과이다.

상기한 실시예에서 2진화 농도수치가 낮으면, 첫번째로 크랙주위의 번짐까지도 크랙으로 인식되기 때문에 크랙이 더욱 굵어지게 된다. 크랙이 굵어지게 되면 지수 계산식에 두께의 영향도가 크기 때문에 지수가 터무니없이 커지게 된다. 두 번째는 크랙의 최저픽셀이 50개인데 픽셀수는 50개가 미만이면서 얇고 긴 크랙이 나올 가능성도 있다. 그리고 세 번째는 지금 사용중인 마스크가 ┼형 마스크인데 이 마스크를 쓰다보니 얇고 긴 크랙을 찾지 못하였다. 네 번째는 농도의 수치가 낮으면 크랙을 찾는 이미지의 점들이 많아져서 하나의 크랙을 잘 찾게 된다.

반편, 농도의 수치가 높으면 작은 크랙들을 많이 찾게되고 인근의 크랙들을 이어서 하나의 크랙으로 만들어 지게 되는데 이 부분에서 최저픽셀 개수가 만족 하지 않을 때와 개제물이 존재할 때 문제가 발생된다.

이 문제점들을 해결하기 위해 상기한 도 19에 사용된 이미지를 2진화 농도수치와 최저크랙의 픽셀개수와 마스킹 기법을 15가지 방법으로 변경하여 테스트를 해 보았으며, 그 결과는 표 7에 나타낸다.

표 7에서 보면 가장 많이 찾아낸 경우는 (2)인 98-30-I 경우이다. 많이 찾아 냈다는것은 크랙 길이뿐만 아니라 크랙이 분리될 수 있기 때문에 길이까지 확인해야한다. 그리고 가장 적게 찾아낸 경우는 (15) 경우이고, 확실한 크랙만 잘 잡아낸 경우는 (4, 5, 6)의 경우이다.

표 7에서 검출된 크랙 별 길이를 표 8에 나타내고, 도 20에 결과 이미지를 나타낸다.

상기한 실시예에서 농도가 98일때는 크랙이라 의심이 드는 것들은 다 인식되었고, 98.5일때는 실제 크랙인 것들이 크랙으로 판정이 되었다. 99일때는 98.5 보다 크랙의 개수가 더 많이 인식되기도 했지만, 하나의 크랙이 두 개로 분리되어 개수만 늘어났다는 것을 알 수 있다.

최저픽셀수의 경우 30은 작은 크랙까지 인식할 수 있지만, 작은 크랙을 너무 많이 인식하였으며, 50의 경우 실제 크랙인 수준의 크랙들만 인식하는 것을 볼 수 있었으나 얇게 나타나는 작은 크랙에는 취약점이 보였다.

십자 마스킹은 무난하게 크랙을 잘 찾아내지만, 얇은 크랙을 인식 못하는 경우가 생겼으며, I마스킹은 모든 크랙을 다 잡아내지만 너무 많은 예상 크랙 위치를 남기기 때문에 속도면에서 뒤떨어지는 단점이 있었다.

결과가 가장 잘나온 방법은 크랙이 가장 잘 검출된 (5)번 (98-50-I) 이다. 하지만 농도수치가 98이라 번짐까지 같이 잡힘으로써 두께가 두꺼워지는 취약점을 보였다. 크랙의 두께는 지수를 구하는 공식 중 중요한 요소로서 이 두께가 정확한 판단이 안된다면 지수는 맞지 않는 수치가 된다. 사람 눈으로 측정을 할 때는 번짐이 눈에 보이므로 번짐이 어느 만큼이라는 예상을 하고 두께 측정을 하지만 컴퓨터에서는 번짐조차도 크랙이라 인식해서 생기는 문제이다. 이런 문제 때문에 농도수치를 높이게 되면 번짐은 막게 되나 인식해야 할 크랙까지 인식하지 못하는 경우가 생기게 된다.

크랙을 찾고 길이를 구하는 것은 만족스러운 결과를 얻었지만, 두께에 대해서는 육안 판정 수준까지 구해내기 위해 Each Upgrade Histogram을 제안하였으며, 이는 상기한 제 2단계 내지 5단계를 다시 수행하는 것이다.

<실시예2>

실시예 2에서는 실시예 1의 크랙은 잘 찾아 내지만 번짐에 대해서 취약점을 가진 상황을 극복하고자 각각의 크랙사이즈 내에서 히스토그램을 재적용시켜 두께까지 확실한 크랙을 찾는 방법을 제안하였다. 이는 크랙이 가장 잘 검출되었던 실시예1의 (2)상황인 (98-30-I)를 이용해 크랙을 우선 찾고 크랙의 위치를 모두 기억하고 있다가 그 크랙 영역 내에서 각각의 히스토그램을 이용하여 HighPercent를 입력하고 새롭게 2진화를 한 후 그 안에서 다시 크랙계산을 한다. 이 알고리즘을 적용시켜 두께가 확연하게 줄어든 것을 도 21에서 확인할 수가 있다.

상기한 바와 같이 Each Upgrade Histogram을 적용시켜 비교한 결과를 도 22 및 표 9에 나타내었다.

도 22에서 (a)보다 (b)나 (c)의 두께가 훨씬 더 줄어든 것을 볼 수 있다. 그리고 표 9에서 (c)의 값들을 보면 서로의 두께가 크게 차이가 나지 않는데, 이것은 육안으로 측정한 것과 아주 근접한 차이의 두께를 가지고 있으며, 이 두께값과 PI(픽셀당 실측길이)를 조절하면 육안판정에 근접한 두께값을 얻을 수 있다.

픽셀당 길이 수치를 조절해서 구한 결과 아주 두꺼울 경우 0.06mm로 적정선으로 나왔고, 평균 크랙의 두께는 0.04 ~ 0.05mm이며, 얇은 크랙의 경우 0.03mm로 만족할 만한 두께수치가 계산되었다.

<실시예3>

크랙이 없는 깨끗한 이미지 5장, 크랙이 많은 이미지 5장, 중심편석이 적은 이미지 5장, 중심편석이 많은 이미지 5장을 선별하여 수작업과 시스템의 최종 정합성 비교를 하였다. 표 10은 수작업과 시스템의 정합성 비교표이다.

크랙길이 정합성은 육안측정의 한계성으로 ±5mm 이내일 경우 합격으로 인정하였으며, 정합성 결과 중심편석 90%, 상부크랙 100%, 하부크랙 100%를 종합결과 97% 시스템 판정수준의 신뢰성이 있다는 결과가 나왔다.

한편, 상기한 본 발명의 설명에서 셀파 프린트만 가지고는 시편폭에 대해 알 수 있는 방법이 없으나, 판독자가 셀파 프린트의 양쪽으로 선을 그어주게 되면 자동인식이 가능해진다. 그러면 스캔과 동시에 바로 판정이 가능하게 된다.

도 1은 셀파 프린트를 나타내는 도면

도 2는 본 발명에 따른 크랙 및 중심편석 판정장치를 나타내는 블록도

도 3은 상기한 판정 장치를 이용한 크랙 및 중심편석 판정방법을 나타내는 순서도

도 4는 트루칼라 -> 그레이칼라 -> 2진화 하는단계 이미지를 확대한 그림

도 5 내지 도 8은 마스킹 알고리즘을 나타내는 도면

도 9는 그레이 이미지와 히스토그램 알고리즘을 적용 시킨 이미지, 마스킹 알고리즘을 적용 시켜나온 이미지를 나타내는 도면.

도 10은 마스킹 알고리즘 적용 후 남은 픽셀의 좌표를 나타내는 도면

도 11 내지 도 14는 크랙 자동 인식 알고리즘을 나타내는 도면

도 15는 원본이미지와 결과이미지를 비교한 도면

도 16은 본 발명에 따른 판정 방법의 최종 결과 화면을 나타내는 도면

도 17은 도 16에서 검색된 결과를 눌렀을 때 상세정보가 나오는 것을 나타내는 도면

도 18은 도 16에서 주편 번호를 눌렀을 때 상세정보가 나오는 것을 나타내는 도면

도 19는 하나의 이미지를 농도수치만 98.0과 99.0으로 다르게 셋팅한 뒤 판정을 한 결과를 나타내는 도면

도 20은 2진화 농도수치-최저픽셀수-마스크 값을 다르게 한 경우의 결과를 나타내는 도면

도 21 및 도 22는 본 발명에서 Each Upgrade Histogram을 실시한 결과를 나타내는 도면

Claims (6)

1. 스캐너를 통해서 획득된 셀파 프린트의 이미지 혹은 카메라를 통해서 획득된 시편의 이미지를 제어부에서 그레이(Gray) 이미지로 변환하는 1단계와,

   히스토그램(Histogram) 알고리즘 중 명암대비 스트레칭을 이용하여 그레이 이미지에서 최적의 크랙 및 중심편석 판정이 가능하도록 이미지내 화소값을 255로 만들 픽셀의 비율인 하이퍼센트(HighPercent)와 화소값을 0으로 만들 픽셀의 비율인 로우퍼센트(LowPercent)를 합쳐서 100% 되도록 지정하여, 0 ~ 255 사이의 임계치를 구하고, 시편의 중심편석 판정에 사용되는 중심영역에는 상/하부의 하이퍼센트 보다 1을 더한 수치로 하여 임계치를 구하여, 그레이 이미지를 2진화 이미지로 변환하는데, 상기하이퍼센트와 로우퍼센트값은 획득된 시편의 명암 농도를 기준으로 제어부에서 메모리로부터 자동으로 검색하여 설정하는 2단계,

   2진화된 이미지를 마스킹(Masking) 알고리즘을 이용하여 노이즈를 제거한 뒤 남은 점들을 모두 예상크랙위치로 기억하는 3단계,

   예상크랙위치의 좌표값과 1단계에서 나온 그레이 이미지에 히스토그램만을 적용한 이미지의 좌표를 비교하여 크랙 자동인식 알고리즘을 통해서 연결되어있는 좌표들을 모두 찾아서 하나의 예상크랙으로 묶는 4단계,

   예상크랙들 사이의 간격과 예상 크랙의 총 픽셀수, 길이, 가로와 세로 비율 을 판단하여 크랙 여부를 결정하고, 이 과정을 거쳐서 남은 것을 상부와 하부에는 내부 크랙으로, 중심에는 중심편석으로 판정하는데, 이때 크랙의 판정 기준은, 길이가 5mm 이상의 선형이고, 인접된 크랙이 3mm 이내에 있으면 하나의 크랙으로 보고 3mm 이상 떨어져 있다면 그것은 2개의 크랙으로 보며, 한 크랙당 픽셀의 개수가 30개 이상 3000개 이하여야 하고, 세로의 비율이 가로의 3배 이상인 것이고, 중심편석은 편석의 길이가 시편 전체 폭의 30-100%에 해당하는 것임을 특징으로 하는 철강공정 내부 크랙 및 중심편석 판정 방법.
2. 제 1항에 있어서, 상기한 5단계를 거친 후 이미지의 상부와 하부에서는 각각의 크랙의 길이와 두께를 구하고, 이를 이용해 지수와 등급을 계산하며, 중심편석에서는 편석비율을 이용해 중심편석등급을 계산하는 6단계를 더 포함하는 것을 특 징으로 하는 철강공정 내부 크랙 및 중심편석 판정 방법.
3. 삭제
4. 삭제
5. 삭제
6. 제1항에 있어서, 제 5단계를 거쳐서 찾아진 크랙의 위치에서 상기한 제 2 내지 5단계를 다시 수행하는 것을 특징으로 하는 철강공정 내부 크랙 및 중심편석 판 정 방법.

Images