KR101316213B1 - Apparatus for detecting defect of black resin steel sheet - Google Patents

Apparatus for detecting defect of black resin steel sheet Download PDF

Info

Publication number
KR101316213B1
KR101316213B1 KR1020110142258A KR20110142258A KR101316213B1 KR 101316213 B1 KR101316213 B1 KR 101316213B1 KR 1020110142258 A KR1020110142258 A KR 1020110142258A KR 20110142258 A KR20110142258 A KR 20110142258A KR 101316213 B1 KR101316213 B1 KR 101316213B1
Authority
KR
South Korea
Prior art keywords
defect
threshold
input image
black resin
defect detection
Prior art date
Application number
KR1020110142258A
Other languages
Korean (ko)
Other versions
KR20130074271A (en
Inventor
윤종필
배호문
박창현
윤성욱
Original Assignee
주식회사 포스코
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코 filed Critical 주식회사 포스코
Priority to KR1020110142258A priority Critical patent/KR101316213B1/en
Publication of KR20130074271A publication Critical patent/KR20130074271A/en
Application granted granted Critical
Publication of KR101316213B1 publication Critical patent/KR101316213B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

흑색 수지 강판의 결함 검출 장치가 제공된다. 흑색 수지 강판의 결함 검출 장치는, 흑색 수지 강판의 결함 검출 장치에 있어서, 이산 웨이블렛 역변환을 통해 입력 영상의 고주파 성분만으로 상기 입력 영상을 복원하는 복원 모듈과, 복원된 입력 영상의 화소값에 기초하여 흑색 수지 강판의 결함을 검출하는 결함 검출 모듈을 포함하며, 결함 검출 모듈은, 복원된 입력 영상의 각 라인에 대해 화소값들을 모두 합산하고, 합산된 화소값들이 복원된 입력 영상에 포함된 전체 화소들의 평균값 및 표준 편차에 의해 연산되는 문턱값 이상인 라인을 결함으로 판단할 수 있다. 이를 통해 흑색 수지 강판에 존재하는 매우 작은 크기의 결함들 및 라인 타입의 결함을 검출할 수 있다.The defect detection apparatus of a black resin steel plate is provided. The defect detection apparatus of a black resin steel plate is a defect detection apparatus of a black resin steel plate, Comprising: The restoration module which restores the said input image only by the high frequency component of an input image through discrete wavelet inverse transformation, and based on the pixel value of the restored input image. And a defect detection module for detecting a defect of the black resin steel sheet, wherein the defect detection module sums all pixel values for each line of the restored input image, and adds the pixel values to all pixels included in the restored input image. Lines larger than or equal to the threshold calculated by the average value and the standard deviation of these can be determined as a defect. Through this, it is possible to detect very small size defects and line type defects present in the black resin steel sheet.

Description

흑색 수지 강판의 결함 검출 장치{APPARATUS FOR DETECTING DEFECT OF BLACK RESIN STEEL SHEET}Fault detection device of black resin steel plate {APPARATUS FOR DETECTING DEFECT OF BLACK RESIN STEEL SHEET}

본 발명은 흑색 수지 강판의 결함을 검출하기 위한 장치에 관한 것이다.The present invention relates to an apparatus for detecting a defect of a black resin steel sheet.

일반적으로 흑색 수지 강판(Black Steel Sheet)은 LCD(Liquid Crystal Display) TV나 PDP(Plasma Display Panel) TV 등의 가전 제품의 후면 커버로 사용되는 특화된 소재이다.
Generally, black steel sheet is a specialized material used as a rear cover of home appliances such as an LCD (Liquid Crystal Display) TV or a Plasma Display Panel (PDP) TV.

이러한 흑색 수지 강판의 경우, 제조 공정상에서, 도 1에 도시된 바와 같은 결함 발생 가능성이 상당히 높다. 결함의 종류로, (a)와 같은 백색 반점, (b)와 같은 흄 드롭(fume drop), (c)와 같은 티마크, (d)와 같은 핀홀, 그리고 (e)와 같은 라인 타입의 줄무늬가 대표적이다.
In the case of such a black resin steel sheet, the possibility of defect generation as shown in FIG. 1 is considerably high in the manufacturing process. Types of defects: white spots like (a), fume drops like (b), T-marks like (c), pinholes like (d), and line type stripes like (e) Is representative.

하지만, 상술한 결함들은 그 크기가 매우 작고 색상차가 작기 때문에 육안으로는 식별이 곤란한 문제점이 있다.However, the above-mentioned defects have a problem that it is difficult to identify with the naked eye because of their very small size and small color difference.

본 발명의 일 실시 형태에 의하면, 흑색 수지 강판에 존재하는 육안으로 식별이 곤란한 매우 작은 크기의 결함들 및 라인 타입의 결함을 검출할 수 있는 장치를 제공한다.According to one embodiment of the present invention, there is provided an apparatus capable of detecting defects of very small size and line type defects that are difficult to visually identify in the black resin steel sheet.

본 발명의 제1 실시 형태에 의하면,흑색 수지 강판의 결함 검출 장치에 있어서, 이산 웨이블렛 역변환을 통해 입력 영상의 고주파 성분만으로 상기 입력 영상을 복원하는 복원 모듈; 및 상기 복원된 입력 영상의 화소값에 기초하여 상기 흑색 수지 강판의 결함을 검출하는 결함 검출 모듈을 포함하며, 상기 결함 검출 모듈은, 상기 복원된 입력 영상의 각 라인에 대해 화소값들을 모두 합산하고, 상기 합산된 화소값들이 상기 복원된 입력 영상에 포함된 전체 화소들의 평균값 및 표준 편차에 의해 연산되는 문턱값 이상인 라인을 결함으로 판단하는 흑색 수지 강판의 결함 검출 장치를 제공한다.
According to a first embodiment of the present invention, there is provided a defect detection apparatus for a black resin steel sheet, comprising: a restoration module for restoring the input image using only high frequency components of the input image through discrete wavelet inverse transformation; And a defect detection module that detects a defect of the black resin steel sheet based on the pixel value of the restored input image, wherein the defect detection module sums all pixel values for each line of the restored input image. And a defect detection apparatus of a black resin steel sheet which determines that a line whose summed pixel values are equal to or larger than a threshold calculated by an average value and a standard deviation of all pixels included in the restored input image is a defect.

삭제delete

삭제delete

삭제delete

삭제delete

본 발명의 실시 형태에 의하면, 상기 결함 검출 모듈은,According to an embodiment of the invention, the defect detection module,

상기 복원된 입력 영상을 소정 크기의 블록 영역으로 분할한 후, 분할된 각 블록 영역에 대한 주파수 분석을 통해 결함의 존재 여부를 판단하는 판단 모듈; 및A determination module for dividing the restored input image into block areas having a predetermined size, and determining whether a defect is present through frequency analysis of each divided block area; And

상기 판단 결과, 결함이 존재하는 블록 영역을 히스토그램에 기초하여 이진화하는 이진화 모듈을 포함할 수 있다.
As a result of the determination, it may include a binarization module for binarizing the block area in which the defect exists based on the histogram.

본 발명의 실시 형태에 의하면, 상기 판단 모듈은,According to an embodiment of the invention, the determination module,

결함이 2 이상의 블록 영역에 걸쳐 형성된 경우 하나의 블록으로 머지하며,If a defect is formed over two or more block areas, it merges into one block,

상기 머지된 블록에 대한 주파수 분석을 통해 결함의 존재 여부를 판단할 수 있다.
Frequency analysis of the merged block may determine whether a defect is present.

본 발명의 실시 형태에 의하면, 상기 이진화 모듈은,According to an embodiment of the invention, the binarization module,

상기 분할된 각 블록 영역의 히스토그램에 기초하여 제1 문턱값을 선정하며,Selecting a first threshold value based on the histogram of each divided block region;

상기 제1 문턱값이 128미만인 경우 화소값이 128 이상인 화소들에 대해 제2 문턱값을 선정하며, 상기 제1 문턱값이 128이상인 경우 화소값이 128 미만인 화소들에 대해 제2 문턱값을 선정하고,If the first threshold is less than 128, a second threshold is selected for pixels having a pixel value of 128 or more. If the first threshold is 128 or more, a second threshold is selected for pixels having a pixel value of less than 128. and,

상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 상기 제1 문턱값 및 상기 제2 문턱값으로 상기 분할된 각 블록 영역을 이진화하며, 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 미만인 경우 상기 제1 문턱값으로 상기 분할된 각 블록 영역을 이진화할 수 있다.
When the difference between the selected first threshold value and the selected second threshold value is equal to or greater than a predetermined value, the divided respective block areas are binarized into the first threshold value and the second threshold value, and the selected first threshold value is obtained. When the difference between the value and the selected second threshold value is less than a predetermined value, each of the divided block regions may be binarized to the first threshold value.

본 발명의 실시 형태에 의하면, 상기 이진화 모듈은,According to an embodiment of the invention, the binarization module,

상기 제1 문턱값으로 상기 각 블록 영역을 이진화하되,Binarize each of the block regions by the first threshold;

상기 제1 문턱값이 128 미만임과 동시에 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 화소값이 128이상 화소들에 대해 상기 제2 문턱값으로 재차 이진화하며,When the first threshold is less than 128 and the difference between the selected first threshold and the selected second threshold is greater than or equal to a predetermined value, the pixel value is binarized again to the second threshold value for pixels of 128 or more. ,

상기 제1 문턱값이 128 이상임과 동시에 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 화소값이 128 미만인 화소들에 대해 상기 제2 문턱값으로 재차 이진화힐 수 있다.
When the first threshold value is greater than or equal to 128 and the difference between the predetermined first threshold value and the predetermined second threshold value is greater than or equal to a predetermined value, the binarization is performed again with the second threshold value for pixels having a pixel value less than 128. Can be.

본 발명의 실시 형태에 의하면, 상기 주파수 분석은, According to an embodiment of the present invention, the frequency analysis,

2차원 고속 푸리에 변환(2D Fast Fourier Transform)을 포함할 수 있다.
It may include a 2D Fast Fourier Transform.

본 발명의 실시 형태에 의하면, 상기 경계면 추출 모듈은,According to an embodiment of the present invention, the interface extraction module,

상기 슬라브가 나타나도록 이진화된 제1 이진화 영상 및 외부 조명에 의한 밝은 부분만이 나타나도록 이진화된 제2 이진화 영상을 획득하고,Acquire a first binarized image binarized so that the slab appears and a second binarized image binarized so that only a bright part by external illumination appears.

상기 제1 이진화 영상의 각 라인별로 화소값을 합산함으로써 상기 제1 이진화 영상의 투영 프로파일을 생성하며, 상기 제2 이진화 영상의 각 라인별로 화소값을 합산함으로써 상기 제2 이진화 영상의 투영 프로파일을 생성하며,Generate a projection profile of the first binarized image by summing pixel values for each line of the first binarized image, and generate a projection profile of the second binarized image by summing pixel values for each line of the second binarized image. ,

상기 제1 이진화 영상의 투영 프로파일 및 상기 제2 이진화 영상의 투영 프로파일에 기초하여 상기 경계면을 추출할 수 있다.
The boundary surface may be extracted based on the projection profile of the first binarized image and the projection profile of the second binarized image.

본 발명의 실시 형태에 의하면, 슬라브의 용융 잔존물 검출 장치는,According to the embodiment of the present invention, the molten residue detection device of the slab,

상기 슬라브 영상으로부터 백색 임펄스 잡음(white impulse noise)를 제거하는 미디언 필터(median filter)를 더 포함할 수 있다.
The median filter may further include a median filter for removing white impulse noise from the slab image.

본 발명의 실시 형태에 의하면, 상기 결함은,According to an embodiment of the present invention, the defect is

백색 반점, 흄 드롭(hume drop), 티마크, 핀홀을 포함할 수 있다.
May contain white spots, hume drop, T-marks and pinholes.

삭제delete

삭제delete

삭제delete

본 발명의 실시 형태에 의하면, 상기 문턱값은,According to an embodiment of the present invention, the threshold is

하기의 수학식:Equation below:

T = (A - a ×B)(A - a ×B)T = (A-a × B) (A-a × B)

에 의해 연산되며, T는 문턱값, A는 상기 입력 영상에 포함된 전체 화소들의 평균값, B는 상기 입력 영상에 포함된 전체 화소들의 표준 편차, a는 상수일 수 있다.The T may be a threshold value, A may be an average value of all pixels included in the input image, B may be a standard deviation of all pixels included in the input image, and a may be a constant.

본 발명의 실시 형태에 의하면, 상기 결함은, According to an embodiment of the present invention, the defect is

수직 또는 수평 방향으로 길게 늘어진 라인 타입의 결함을 포함할 수 있다.
Line type defects can be included in the vertical or horizontal direction.

본 발명의 제2 실시 형태에 의하면, 흑색 수지 강판의 결함 검출 방법에 있어서,According to 2nd Embodiment of this invention, in the defect detection method of a black resin steel plate,

이산 웨이블렛 역변환을 통해 입력 영상의 고주파 성분만으로 상기 입력 영상을 복원하는 복원 단계; 및Restoring the input image using only high frequency components of the input image through a discrete wavelet inverse transform; And

상기 복원된 입력 영상의 화소값에 기초하여 상기 흑색 수지 강판의 결함을 검출하는 결함 검출 단계Defect detection step of detecting a defect of the black resin steel sheet based on the pixel value of the restored input image

를 포함하는 흑색 수지 강판의 결함 검출 방법을 제공한다.
It provides a defect detection method of a black resin steel sheet comprising a.

본 발명의 실시 형태에 의하면, 상기 결함 검출 단계는,According to an embodiment of the present invention, the defect detection step includes:

상기 복원된 입력 영상을 소정 크기의 블록 영역으로 분할한 후, 분할된 각 블록 영역에 대한 주파수 분석을 통해 결함의 존재 여부를 판단하는 판단 단계; 및A determination step of dividing the restored input image into block areas having a predetermined size, and determining whether a defect is present through frequency analysis of each divided block area; And

상기 판단 결과, 결함이 존재하는 블록 영역을 히스토그램에 기초하여 이진화하는 이진화 단계를 포함할 수 있다.
As a result of the determination, it may include a binarization step of binarizing the block area in which the defect exists based on the histogram.

본 발명의 실시 형태에 의하면, 상기 판단 단계는,According to an embodiment of the invention, the determining step,

결함이 2 이상의 블록 영역에 걸쳐 형성된 경우 하나의 블록으로 머지하는 단계; 및Merging into one block if a defect is formed over two or more block regions; And

상기 머지된 블록에 대한 주파수 분석을 통해 결함의 존재 여부를 판단하는 단계를 더 포함할 수 있다.
The method may further include determining whether a defect is present through frequency analysis of the merged block.

본 발명의 실시 형태에 의하면, 상기 이진화 단계는,According to an embodiment of the invention, the binarization step,

상기 분할된 각 블록 영역의 히스토그램에 기초하여 제1 문턱값을 선정하는 제1 단계; 및Selecting a first threshold value based on a histogram of each divided block region; And

상기 제1 문턱값이 128미만인 경우 화소값이 128 이상인 화소들에 대해 제2 문턱값을 선정하며, 상기 제1 문턱값이 128이상인 경우 화소값이 128 미만인 화소들에 대해 제2 문턱값을 선정하는 제2 단계;If the first threshold is less than 128, a second threshold is selected for pixels having a pixel value of 128 or more. If the first threshold is 128 or more, a second threshold is selected for pixels having a pixel value of less than 128. A second step of doing;

상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 상기 제1 문턱값 및 상기 제2 문턱값으로 상기 분할된 각 블록 영역을 이진화하며, 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 미만인 경우 상기 제1 문턱값으로 상기 분할된 각 블록 영역을 이진화하는 제3 단계를 포함할 수 있다.
When the difference between the selected first threshold value and the selected second threshold value is equal to or greater than a predetermined value, the divided respective block areas are binarized into the first threshold value and the second threshold value, and the selected first threshold value is obtained. And a third step of binarizing each of the divided block regions with the first threshold value when the difference between the value and the selected second threshold value is less than a predetermined value.

본 발명의 실시 형태에 의하면, 상기 제3 단계는,According to an embodiment of the present invention, the third step is

상기 제1 문턱값으로 상기 각 블록 영역을 이진화하되,Binarize each of the block regions by the first threshold;

상기 제1 문턱값이 128 미만임과 동시에 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 화소값이 128이상 화소들에 대해 상기 제2 문턱값으로 재차 이진화하며,When the first threshold is less than 128 and the difference between the selected first threshold and the selected second threshold is greater than or equal to a predetermined value, the pixel value is binarized again to the second threshold value for pixels of 128 or more. ,

상기 제1 문턱값이 128 이상임과 동시에 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 화소값이 128 미만인 화소들에 대해 상기 제2 문턱값으로 재차 이진화하는 단계를 포함할 수 있다.
When the first threshold is greater than or equal to 128 and the difference between the predetermined first threshold and the predetermined second threshold is greater than or equal to a predetermined value, binarization is performed again to the second threshold for pixels having a pixel value less than 128. It may include a step.

본 발명의 실시 형태에 의하면, 주파수 분석은, According to the embodiment of the present invention, the frequency analysis,

2차원 고속 푸리에 변환(2D Fast Fourier Transform)을 포함할 수 있다.
It may include a 2D Fast Fourier Transform.

본 발명의 실시 형태에 의하면, 상기 결함은,According to an embodiment of the present invention, the defect is

백색 반점, 흄 드롭(hume drop), 티마크, 핀홀을 포함할 수 있다.
May contain white spots, hume drop, T-marks and pinholes.

본 발명의 실시 형태에 의하면, 상기 결함 검출 단계는,According to an embodiment of the present invention, the defect detection step includes:

상기 복원된 입력 영상의 각 라인에 대해 화소값들을 모두 합산하는 단계; 및Summing all pixel values for each line of the reconstructed input image; And

상기 합산된 화소값들이 상기 복원된 입력 영상에 포함된 전체 화소들의 평균값 및 표준 편차에 의해 연산되는 문턱값 이상인 라인을 결함으로 판단하는 단계를 포함할 수 있다.
The method may include determining that a line having a sum greater than or equal to a threshold calculated by an average value and a standard deviation of all pixels included in the reconstructed input image is a defect.

본 발명의 실시 형태에 의하면, 상기 문턱값은,According to an embodiment of the present invention, the threshold is

하기의 수학식:Equation below:

T = (A - a ×B)T = (A-a × B)

에 의해 연산되며, T는 문턱값, A는 상기 입력 영상에 포함된 전체 화소들의 평균값, B는 상기 입력 영상에 포함된 전체 화소들의 표준 편차, a는 상수일 수 있다.
The T may be a threshold value, A may be an average value of all pixels included in the input image, B may be a standard deviation of all pixels included in the input image, and a may be a constant.

본 발명의 실시 형태에 의하면, 상기 결함은, According to an embodiment of the present invention, the defect is

수직 또는 수평 방향으로 길게 늘어진 라인 타입의 결함을 포함할 수 있다.
Line type defects can be included in the vertical or horizontal direction.

본 발명의 일 실시 형태에 의하면, 흑색 수지 강판에 존재하는 매우 작은 크기의 결함들 및 라인 타입의 결함을 검출할 수 있다.
According to one embodiment of the present invention, defects of very small size and line type defects existing in the black resin steel sheet can be detected.

본 발명의 실시 형태에 의하면, 입력 영상을 고주파 성분만을 이용하여 복원하기 때문에, 좌우 에지 부분에서의 결함 검출을 효과적으로 함과 동시에 결함 부분을 더욱 강조할 수 있다.
According to the embodiment of the present invention, since the input image is reconstructed using only high frequency components, defect detection at the left and right edge portions can be effectively performed, and the defect portions can be further emphasized.

또한, 본 발명의 실시 형태에 의하면, 2개의 문턱값에 기초해서 입력 영상을 이진화함으로써, 밝은 부분과 어두운 부분이 혼재되어 있는 제1 타입과 같은 결함 검출을 용이하게 할 수 있다.Further, according to the embodiment of the present invention, by binarizing the input image based on two threshold values, it is possible to facilitate defect detection such as the first type in which the bright and dark portions are mixed.

도 1은 흑색 수지 강판에 존재할 수 있는 결함의 종류를 도시한 도면이다.
도 2는 본 발명의 일 실시 형태에 따른 흑색 수지 강판의 결함 검출 장치를 포함하는 전체 시스템의 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시 형태에 따른 고주파 성분만으로 복원된 입력 영상과 이에 대한 이산 웨이블렛 변환 결과를 도시한 도면이다.
도 4는 본 발명의 일 실시 형태에 따라 다수의 블록 영역들으로 분할된 입력 영상을 도시한 도면이다.
도 5a 및 도 5b는 본 발명의 일 실시 형태에 따라 결함이 없는 블록 영역과 결함이 존재하는 블록 영역에 대한 주파수 분석 결과를 도시한 도면이다.
도 6은 본 발명의 일 실시 형태에 따라 다수의 블록을 머지하는 과정을 설명하는 도면이다.
도 7은 본 발명의 일 실시 형태에 따른 이진화 과정을 설명하는 도면이다.
도 8은 본 발명의 일 실시 형태에 따라 라인 타입의 결함을 검출하는 과정을 설명하는 흐름도이다.
도 9a 및 도 9b는 본 발명의 일 실시 형태에 따른 흑색 수지 강판의 결함 검출 방법을 설명하는 흐름도이다.1 is a view showing the types of defects that may be present in the black resin steel sheet.
It is a block diagram of the whole system containing the defect-detection apparatus of the black resin steel plate which concerns on one Embodiment of this invention.
3A and 3B are diagrams illustrating an input image reconstructed using only a high frequency component and discrete wavelet transform results thereof according to an embodiment of the present invention.
4 is a diagram illustrating an input image divided into a plurality of block regions according to an embodiment of the present invention.
5A and 5B are diagrams showing frequency analysis results of a block area without a defect and a block area in which a defect exists according to an embodiment of the present invention.
6 illustrates a process of merging a plurality of blocks according to an embodiment of the present invention.
7 is a diagram illustrating a binarization process according to an embodiment of the present invention.
8 is a flowchart illustrating a process of detecting a line type defect according to an embodiment of the present invention.
9A and 9B are flowcharts illustrating a defect detection method of the black resin steel sheet according to one embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.
DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. However, the embodiments of the present invention can be modified into various other forms, and the scope of the present invention is not limited to the embodiments described below. The shape and the size of the elements in the drawings may be exaggerated for clarity and the same elements are denoted by the same reference numerals in the drawings.

도 2는 본 발명의 일 실시예에 따른 흑색 수지 강판의 결함 검출 장치를 포함하는 전체 시스템의 구성도이다.2 is a block diagram of an entire system including a defect detection apparatus of a black resin steel sheet according to an embodiment of the present invention.

도 2에 도시된 바와 같이, 전체 시스템은 광의 직진성을 높이기 위한 콜리메이트(Collimated) LED 조명(L)과, 콜리메이트(Collimated) LED 조명(L)에 의해 조사된 흑색 수지 강판(S)의 영상을 촬영하고, 촬영된 영상을 결함 검출 장치(200)로 전달하는 라인 스캔 카메라(C)와, 라인 스캔 카메라(C)로부터 전달받은 영상을 처리하여 흑색 수지 강판(S)에 존재하는 결함을 검출하는 결함 검출 장치(200)를 포함할 수 있다. 결함 검출 장치(200)는 카메라(C)로부터 전달받은 영상을 고주파 성분만으로 복원하는 복원 모듈(210)과, 복원된 입력 영상의 화소값에 기초하여 흑색 수지 강판의 결함을 검출하는 결함 검출 모듈(220)을 포함할 수 있다. 여기서, 콜리메이트(Collimated) LED 조명(L)의 광축과 흑색 수지 강판(S)이 이루는 각은 θ2이며, 라인 스캔 카메라(C)의 광축과 흑색 수지 강판(S)이 이루는 각은 θ1일 수 있다. 일 실시형태로 θ1은 75도, θ2는 45도일 수 있다.As shown in FIG. 2, the entire system is an image of a black resin steel sheet S irradiated by a collimated LED light L and a collimated LED light L to increase the linearity of light. To detect the defects present in the black resin steel sheet S by processing the image received from the line scan camera C and the line scan camera C to deliver the photographed image to the defect detection apparatus 200. The defect detection apparatus 200 may be included. The defect detection apparatus 200 includes a restoration module 210 for restoring the image received from the camera C with only a high frequency component, and a defect detection module for detecting a defect of the black resin steel sheet based on the pixel value of the restored input image. 220). Here, the angle formed by the optical axis of the collimated LED light L and the black resin steel sheet S is θ 2, and the angle formed by the optical axis of the line scan camera C and the black resin steel sheet S may be θ 1. have. In one embodiment, θ1 may be 75 degrees and θ2 may be 45 degrees.

또한, 전체 시스템은 불필요한 정보를 차단하기 위해 라인 스캔 카메라(C)의 앞에 슬릿(SL)을 설치할 수 있다.
In addition, the entire system may install a slit SL in front of the line scan camera C to block unnecessary information.

이하에서는, 도 2 내지 도 8을 참조하여 본 발명의 일 실시예에 따른 흑색 수지 강판의 결함 검출 장치(200)에 대해 상세하게 설명한다. 본 발명의 실시 형태를 설명함에 있어서, 흑색 수지 강판(S)의 결함은 2가지로 구별될 수 있으며, 그 하나는 도 1의 (a) 내지 (d)에 도시된 바와 같은 크기가 작은 결함(이하 '제1 타입의 결함'이라 함)이며, 나머지는 도 1의 (e)에 도시된 바와 같은 라인 타입의 결함(이하 '제2 결함'이라 함)일 수 있다.
Hereinafter, the defect detection apparatus 200 of the black resin steel sheet according to an embodiment of the present invention will be described in detail with reference to FIGS. 2 to 8. In describing the embodiment of the present invention, the defect of the black resin steel sheet S can be distinguished into two types, one of which is a small defect as shown in FIGS. 1A to 1D ( It may be referred to as a 'first type defect', and the rest may be a line type defect (hereinafter referred to as a 'second defect') as shown in FIG.

한편, 도 3a 및 도 3b는 본 발명의 일 실시 형태에 따른 고주파 성분만으로 복원된 입력 영상과 이에 대한 이산 웨이블렛 변환 결과를 도시한 도면이며, 도 4는 본 발명의 일 실시 형태에 따라 다수의 블록 영역들으로 분할된 입력 영상을 도시한 도면이다. 그리고, 도 5a 및 도 5b는 본 발명의 일 실시 형태에 따라 결함이 없는 블록 영역과 결함이 존재하는 블록 영역에 대한 주파수 분석 결과를 도시한 도면이며, 도 6은 본 발명의 일 실시 형태에 따라 다수의 블록을 머지하는 과정을 설명하는 도면이다. 그리고, 도 7은 본 발명의 일 실시 형태에 따른 이진화 과정을 설명하는 도면이다. 마지막으로, 도 8은 본 발명의 일 실시 형태에 따라 라인 타입의 결함을 검출하는 과정을 설명하는 흐름도이다.
3A and 3B illustrate an input image reconstructed with only high frequency components and discrete wavelet transform results thereof according to an embodiment of the present invention, and FIG. 4 illustrates a plurality of blocks according to an embodiment of the present invention. FIG. 3 is a diagram illustrating an input image divided into regions. 5A and 5B are diagrams illustrating frequency analysis results of a block area without a defect and a block area in which a defect exists according to an embodiment of the present invention, and FIG. 6 is a view illustrating an embodiment of the present invention. A diagram illustrating a process of merging a plurality of blocks. 7 is a diagram illustrating a binarization process according to an embodiment of the present invention. Finally, FIG. 8 is a flowchart illustrating a process of detecting a line type defect according to an embodiment of the present invention.

이하 제1 타입의 결함과 제2 타입의 결함 각각에 대한 검출을 나누어 설명한다.Hereinafter, the detection for each of the first type defect and the second type defect will be described separately.

(1) 제1 타입의 결함 검출(1) Defect detection of the first type

제1 타입의 결함 검출에 대해서는 도 2 내지 도 7을 참조하여 설명한다.Detecting the first type of defect will be described with reference to FIGS. 2 to 7.

우선, 복원 모듈(210)은 이산 웨이블렛 역변환을 통해 라인 스캔 카메라(C)로부터 전달받은 입력 영상을 고주파 성분만으로 복원할 수 있다. 복원된 입력 영상은 결함 검출 모듈(220)로 전달될 수 있다.
First, the reconstruction module 210 may reconstruct the input image received from the line scan camera C with only high frequency components through discrete wavelet inverse transformation. The reconstructed input image may be transmitted to the defect detection module 220.

구체적으로, 복원 모듈(210)은 입력 영상을 이산 웨이블렛 변환을 통해 저주파 성분과 고주파 성분으로 분리할 수 있다. 저주파 성분의 경우 입력 영상의 전체 밝기를 일정하게 하지 않는 부분이므로, 복원 모듈(210)은 저주파 성분을 0으로 만들 수 있다. 이후, 복원 모듈(210)은 결함을 가장 잘 표현할 수 있는 고주파 성분만으로 입력 영상을 복원할 수 있다. 실시 형태에 따라서는 고주파 성분에 가중치를 부여함으로써 더욱 강조한 후 복원할 수도 있을 것이다. 입력 영상은 도 3a의 (a)에, 고주파 성분만으로 복원된 입력 영상은 도 3a의 (b)에 도시되어 있다.
In detail, the reconstruction module 210 may separate the input image into a low frequency component and a high frequency component through discrete wavelet transform. In the case of the low frequency component, since the overall brightness of the input image is not constant, the reconstruction module 210 may set the low frequency component to zero. Thereafter, the reconstruction module 210 may reconstruct the input image using only high frequency components that can best express defects. According to the embodiment, the weight may be further emphasized by restoring the high frequency component. The input image is shown in FIG. 3A (a), and the input image reconstructed with only the high frequency component is shown in FIG. 3A (B).

한편, 도 3b에는 고주파 성분만으로 복원된 입력 영상의 프로파일(도 3a의 301의 프로파일임)을 도시하고 있다. 도 3b에 도시된 바와 같이, 입력 영상(302)에 비해 고주파 성분만으로 복원된 입력 영상(303)의 경우 전체적으로 일정한 크기를 가짐을 알 수 있다.
3B illustrates a profile of the input image reconstructed only by the high frequency component (that is, the profile of 301 of FIG. 3A). As shown in FIG. 3B, it can be seen that the input image 303 reconstructed with only a high frequency component as compared to the input image 302 has a predetermined size as a whole.

상술한 바와 같은 고주파 성분만으로 입력 영상을 복원하는 이유는, 입력 영상의 경우 좌우 에지 부분으로 갈수록 어두워지는 현상이 나타나기 때문에, 좌우 에지 부분에서의 결함 검출을 효과적으로 함과 동시에 결함 부분을 더욱 강조하기 위함이다.
The reason for restoring the input image using only the high frequency components as described above is that in the case of the input image, the phenomenon becomes darker toward the left and right edge portions, so that the defect portion at the left and right edge portions can be effectively detected and the defect portion can be further emphasized. to be.

다음, 결함 검출 모듈(220)은 복원된 입력 영상의 화소값에 기초하여 흑색 수지 강판의 결함을 검출할 수 있는데, 이하 판단 모듈(221) 및 이진화 모듈(222)을 포함하는 결함 검출 모듈(220)에 대해 상세하게 설명한다.
Next, the defect detection module 220 may detect a defect of the black resin steel sheet based on the pixel value of the restored input image. Hereinafter, the defect detection module 220 may include a determination module 221 and a binarization module 222. ) Will be described in detail.

우선, 판단 모듈(221)은, 도 4에 도시된 바와 같이, 복원 모듈(210)로부터의 복원된 입력 영상을 소정 크기의 블록 영역(400)으로 분할한 후, 분할된 각 블록 영역(400)에 대한 주파수 분석을 통해 결함의 존재 여부를 판단할 수 있다. 이와 같이 복원된 입력 영상 전체 대신 더 작은 블록 영역에 대해 주파수 분석을 하는 이유는 전체 영상에 대한 주파수 분석의 경우 결함의 위치를 정확히 알기 힘들기 때문이다.
First, as illustrated in FIG. 4, the determination module 221 divides the restored input image from the reconstruction module 210 into block areas 400 having a predetermined size, and then divides each divided block area 400. The frequency analysis of can determine the presence of a defect. The reason for the frequency analysis of the smaller block area instead of the entire reconstructed input image is that it is difficult to accurately locate the defect in the frequency analysis of the entire image.

또한, 결함이 여러 블록 영역들에 걸쳐 형성되어 있는 경우(도 6의 610, 620 참조)에는 특징이 잘 나타나지 않을 수 있기 때문에, 본 발명의 실시 형태에 의하면, 인접한 블록 영역은 영역의 반이 중복(overlap)(410)될 수 있도록 할 수 있다.
In addition, if the defect is formed over several block areas (see 610 and 620 of FIG. 6), the feature may not appear well. According to an embodiment of the present invention, half of the areas of the adjacent block areas overlap. (overlap) 410 can be made.

이후, 판단 모듈(221)은 각 블록 영역(400)에 대해 주파수 분석을 통해 결함의 존재 여부를 판단할 수 있다. 상술한 판단 결과는 이진화 모듈(222)로 전달될 수 있다. 여기서, 주파수 분석은 2차원 고속 푸리에 변환(Fast Fourier Transform, FFT)(이하 '2-D FFT'라 함)이 이용될 수 있다.
Thereafter, the determination module 221 may determine whether a defect is present through frequency analysis for each block area 400. The determination result described above may be transmitted to the binarization module 222. Here, the frequency analysis may use a two-dimensional fast Fourier transform (FFT) (hereinafter referred to as '2-D FFT').

구체적으로, 도 5a에는 결함이 없는 블록 영역의 영상((a) 참조)과, 결함이 없는 블록 영역의 2-D FFT에 의한 주파수 분석 결과((b) 참조)와, 2-D FFT에 의한 주파수 분석 결과의 3차원 플롯((c) 참조)이 도시되어 있으며, 도 5b에는 결함이 있는 블록 영역의 영상((a) 참조)과, 결함이 있는 블록 영역의 2-D FFT에 의한 주파수 분석 결과((b) 참조)와, 2-D FFT에 의한 주파수 분석 결과의 3차원 플롯((c) 참조)이 도시되어 있다.
Specifically, FIG. 5A shows an image of a block area without a defect (see (a)), a frequency analysis result (see (b)) with a 2-D FFT of a block area without a defect, and a 2-D FFT. A three-dimensional plot of the results of the frequency analysis (see (c)) is shown. Figure 5b shows an image of the defective block area (see (a)) and a frequency analysis by 2-D FFT of the defective block area. The results (see (b)) and three-dimensional plots of the results of the frequency analysis by the 2-D FFT (see (c)) are shown.

도 5b의 (c)로부터 알 수 있듯이, 결함이 있는 블록 영역의 저주파 영역(즉, 4개의 모서리 부분)의 크기가 도 5b의 (c)의 결함이 없는 블록 영역의 저주파 영역의 크기보다 더 클 수 있다.
As can be seen from (c) of FIG. 5B, the size of the low frequency region (i.e., four corner portions) of the defective block region is larger than that of the low frequency region of the defective block region of FIG. 5B (c). Can be.

따라서, 본 발명의 실시 형태에 의하면, 판단 모듈(221)은 4개의 저주파 영역의 크기의 평균값이 소정의 문턱값 이상인 경우 결함이 존재하는 블록 영역이라고 판단할 수 있다. 다른 실시 형태에 따르면, 1개의 저주파 영역의 크기가 소정의 문턱값 이상인 경우, 또는 2개의 저주파 영역의 크기가 소정의 문턱값 이상인 경우에 결함이 존재하는 블록 영역이라고 판단할 수도 있을 것이다.
Therefore, according to the embodiment of the present invention, the determination module 221 may determine that the block area in which the defect exists when the average value of the sizes of the four low frequency areas is more than a predetermined threshold value. According to another embodiment, when the size of one low frequency region is greater than or equal to a predetermined threshold value, or when the size of two low frequency regions is greater than or equal to a predetermined threshold value, it may be determined that the defect is a block region in which the defect exists.

또 다른 실시 형태에 의하면, 결함이 2 이상의 블록 영역에 걸쳐 존재할 수 있다. 따라서, 판단 모듈(221)은 결함이 존재하는 블록 영역들을 머지(merge)한 후, 머지된 블록 영역에 대한 주파수 분석을 통해 결함의 존재 여부를 판단할 수 있다.
According to another embodiment, a defect may exist over two or more block regions. Accordingly, the determination module 221 may merge the block areas in which the defect exists and then determine whether the defect exists through frequency analysis of the merged block area.

즉, 도 6에 도시된 바와 같이, 복원된 입력 영상(600)에는 다양한 크기의 결함이 존재할 수 있으며, 4개의 블록 영역들에 걸쳐 존재(도면부호 610 참조)하거나, 2개의 블록 영역들에 걸쳐 존재(도면부호 620 참조)하거나 또는 하나의 블록 영역의 일부에 존재(도면부호 630 참조)할 수 있다. 따라서, 판단 모듈(221)은 하나의 블록 영역의 일부에 결함이 존재하는 경우(도면부호 630, 631 참조)를 제외하고, 결함이 존재하는 블록 영역을 머지한 후(도면부호 611, 621 참조), 머지된 블록에 대한 주파수 분석을 통해 결함의 존재 여부를 판단할 수 있다.
That is, as shown in FIG. 6, the reconstructed input image 600 may have various sizes of defects, and may exist over four block regions (see reference numeral 610) or across two block regions. It may be present (see 620) or part of one block area (see 630). Accordingly, the decision module 221 merges the block area in which the defect exists (see reference numerals 611 and 621) except when a defect exists in a part of one block area (see reference numerals 630 and 631). In addition, frequency analysis of the merged block may determine whether a defect is present.

다음, 이진화 모듈(222)은 결함이 존재하는 블록 영역을 히스토그램에 기초하여 이진화함으로써 결함을 검출할 수 있다. 이를 위해 본 발명의 실시 형태에 의하면, 키틀러 방법(kittler method)를 이용할 수 있다. 키틀러 방법은 영상의 히스토그램을 2 개의 정규 분포(normal distribution)로 이루어져 있다고 가정하며, 2개의 정규 분포의 교차 부분의 면적이 가장 적게 되는 그레이 값(gray vlue)을 문턱값으로 선정하는 방법이다.
Next, the binarization module 222 may detect the defect by binarizing the block area in which the defect exists based on the histogram. To this end, according to an embodiment of the present invention, a kittler method may be used. The Kitler method assumes that the histogram of the image is composed of two normal distributions, and selects a gray value (gray vlue) having the smallest area of the intersection of the two normal distributions as a threshold.

구체적으로, 이진화 모듈(222)은, 도 7의 (a)에 도시된 바와 같은 분할된 각 블록 영역의 히스토그램에 제1 문턱값(710)을 선정할 수 있다. 이 경우 선정된 제1 문턱값이 128 미만인 경우 화소값이 128 이상인 화소들에 대해 제2 문턱값을 선정하며, 제1 문턱값이 128 이상인 경우 화소값이 128 미만인 화소들에 대해 제2 문턱값을 선정한다. 도 7의 (a)의 경우 제1 문턱값(710)이 128 이상이므로, 화소값이 128 미만인 화소들에 대해 제2 문턱값(720)을 선정할 수 있다.
In detail, the binarization module 222 may select the first threshold value 710 in the histogram of each divided block region as illustrated in FIG. 7A. In this case, when the first threshold value is less than 128, the second threshold value is selected for pixels having a pixel value of 128 or more, and when the first threshold value is 128 or more, a second threshold value is set for pixels having a pixel value of less than 128. Select. In the case of FIG. 7A, since the first threshold value 710 is greater than or equal to 128, the second threshold value 720 may be selected for pixels having a pixel value less than 128. Referring to FIG.

이후, 이진화 모듈(222)은 제1 문턱값(710)과 제2 문턱값(720)의 차이가 일정한 값 이상인 경우 제1 문턱값(710) 및 제2 문턱값(720)으로 분할된 각 블록 영역을 이진화할 수 있다. 구체적으로, 도 7의 (a)를 참조하면, 제1 문턱값(710) 이상인 화소의 경우 "1"로 이진화하며, 제1 문턱값(710) 미만인 화소에 대해서는 제2 문턱값(720)에 기초해서 재차 이진화할 수 있다.
Subsequently, the binarization module 222 divides each block into a first threshold 710 and a second threshold 720 when the difference between the first threshold 710 and the second threshold 720 is greater than or equal to a predetermined value. Regions can be binarized. Specifically, referring to FIG. 7A, the pixel that is greater than or equal to the first threshold value 710 is binarized to “1”, and the pixel that is less than or equal to the first threshold value 710 corresponds to the second threshold value 720. It can be binarized again on the basis of this.

하지만, 제1 문턱값(710)과 제2 문턱값(720)의 차이가 일정한 값 미만인 경우에는 제1 문턱값(710)에 기초해서 이진화한다. 즉, 제1 문턱값(710) 이상인 화소에 대해서는 "1"로, 제1 문턱값(710) 미만인 화소에 대해서는"0"으로 이진화할 수 있다.
However, when the difference between the first threshold value 710 and the second threshold value 720 is less than a predetermined value, the result is binarized based on the first threshold value 710. That is, the pixel may be binarized to “1” for pixels greater than or equal to the first threshold value 710 and to “0” for pixels less than or equal to the first threshold value 710.

이렇게 해서 검출된 제1 타입의 결함이 도 7의 (b)에 도시되어 있다. The first type of defect detected in this way is shown in Fig. 7B.

즉, 도면부호 710a는 제1 문턱값(710)에 기초해서 검출된 결함을, 도면부호 720a는 제2 문턱값(720)에 기초해서 검출된 결함을 도시하고 있다.
That is, reference numeral 710a shows a defect detected based on the first threshold value 710, and reference numeral 720a shows a defect detected based on the second threshold value 720.

상술한 바와 같이, 본 발명의 실시 형태에 의하면, 2개의 문턱값에 기초해서 입력 영상을 이진화함으로써, 밝은 부분과 어두운 부분이 혼재되어 있는 제1 타입과 같은 결함 검출을 용이하게 할 수 있는 효과가 있다.
As described above, according to the embodiment of the present invention, by binarizing the input image based on the two threshold values, there is an effect of facilitating the detection of defects like the first type in which the bright and dark portions are mixed. have.

(2)제2 타입의 결함 검출(2) Defect detection of the second type

제2 타입의 결함의 경우, 도 1의 (e)에 도시된 바와 같이, 1 내지 2 픽셀의 폭을 가진 수평 또는 수직 방향으로 길게 늘어진 라인 타입일 수 있다. 따라서, 복원 모듈(210)의 동작은 동일하나, 결함 검출 모듈(220)에서의 동작이 상이할 수 있다.
In the case of the second type of defect, as shown in FIG. 1E, the second type of defect may be a line type elongated in the horizontal or vertical direction having a width of 1 to 2 pixels. Accordingly, the operation of the restoration module 210 may be the same, but the operation of the defect detection module 220 may be different.

이하, 제2 타입의 결함 검출에 대해 상세하게 설명한다.Hereinafter, the second type of defect detection will be described in detail.

우선, 복원 모듈(210)은 이산 웨이블렛 역변환을 통해 라인 스캔 카메라(C)로부터 전달받은 입력 영상을 고주파 성분만으로 복원할 수 있다. 복원된 입력 영상은 결함 검출 모듈(220)로 전달될 수 있다.
First, the reconstruction module 210 may reconstruct the input image received from the line scan camera C with only high frequency components through discrete wavelet inverse transformation. The reconstructed input image may be transmitted to the defect detection module 220.

구체적으로, 복원 모듈(210)은 입력 영상을 이산 웨이블렛 변환을 통해 저주파 성분과 고주파 성분으로 분리할 수 있다. 저주파 성분의 경우 입력 영상의 전체 밝기를 일정하게 하지 않는 부분이므로, 복원 모듈(210)은 저주파 성분을 0으로 만들 수 있다. 이후, 복원 모듈(210)은 결함을 가장 잘 표현할 수 있는 고주파 성분만으로 입력 영상을 복원할 수 있다. 실시 형태에 따라서는 고주파 성분에 가중치를 부여함으로써 더욱 강조한 후 복원할 수도 있을 것이다. 입력 영상은 도 3a의 (a)에, 고주파 성분만으로 복원된 입력 영상은 도 3a의 (b)에 도시되어 있다.
In detail, the reconstruction module 210 may separate the input image into a low frequency component and a high frequency component through discrete wavelet transform. In the case of the low frequency component, since the overall brightness of the input image is not constant, the reconstruction module 210 may set the low frequency component to zero. Thereafter, the reconstruction module 210 may reconstruct the input image using only high frequency components that can best express defects. According to the embodiment, the weight may be further emphasized by restoring the high frequency component. The input image is shown in FIG. 3A (a), and the input image reconstructed with only the high frequency component is shown in FIG. 3A (B).

한편, 도 3b에는 고주파 성분만으로 복원된 입력 영상의 프로파일(도 3a의 301의 프로파일임)을 도시하고 있다. 도 3b에 도시된 바와 같이, 입력 영상(302)에 비해 고주파 성분만으로 복원된 입력 영상(303)의 경우 전체적으로 일정한 크기를 가짐을 알 수 있다.
3B illustrates a profile of the input image reconstructed only by the high frequency component (that is, the profile of 301 of FIG. 3A). As shown in FIG. 3B, it can be seen that the input image 303 reconstructed with only a high frequency component as compared to the input image 302 has a predetermined size as a whole.

상술한 바와 같은 고주파 성분만으로 입력 영상을 복원하는 이유는, 입력 영상의 경우 좌우 에지 부분으로 갈수록 어두워지는 현상이 나타나기 때문에, 좌우 에지 부분에서의 결함 검출을 효과적으로 함과 동시에 결함 부분을 더욱 강조하기 위함이다.
The reason for restoring the input image using only the high frequency components as described above is that in the case of the input image, the phenomenon becomes darker toward the left and right edge portions, so that the defect portion at the left and right edge portions can be effectively detected and the defect portion can be further emphasized. to be.

다음, 결함 검출 모듈(220)은 복원된 입력 영상의 화소값에 기초하여 흑색 수지 강판의 결함을 검출할 수 있다.Next, the defect detection module 220 may detect a defect of the black resin steel sheet based on the pixel value of the restored input image.

구체적으로, 도 2 및 도 8에 도시된 바와 같이, 결함 검출 모듈(220)은 복원된 입력 영상의 각 라인(도 8에서는 수직 방향, 800)에 대해 화소값들을 모두 합산할 수 있다. 이후, 결함 검출 모듈(220)은 합산된 화소값들이 입력 영상에 포함된 전체 화소들의 평균값 및 표준 편차에 의해 연산되는 문턱값(810) 이상인 라인(820)을 결함으로 판단할 수 있다. In detail, as illustrated in FIGS. 2 and 8, the defect detection module 220 may sum the pixel values for each line (vertical direction 800 in FIG. 8) of the reconstructed input image. Thereafter, the defect detection module 220 may determine that the line 820 having a sum or more than the threshold 810 calculated by the average value and the standard deviation of all pixels included in the input image is a defect.

여기서, 문턱값(810)은 하기의 수학식 1에 의해 연산될 수 있다.Here, the threshold 810 may be calculated by Equation 1 below.

[수학식 1][Equation 1]

T = (A - a ×B)T = (A-a × B)

여기서, T는 문턱값, A는 입력 영상에 포함된 전체 화소들의 평균값, B는 입력 영상에 포함된 전체 화소들의 표준 편차, a는 상수일 수 있다.
Here, T may be a threshold value, A may be an average value of all pixels included in the input image, B may be a standard deviation of all pixels included in the input image, and a may be a constant.

이하, 도 2 내지 도 9b을 참조하여, 본 발명의 일 실시 형태에 의한 슬라브의 용융 잔존물 검출 방법을 설명한다. 다만, 발명의 간명화를 위해 도 2 내지 도 8에서 설명된 사항과 중복된 설명은 생략한다.
Hereinafter, with reference to FIGS. 2-9B, the molten residue detection method of the slab which concerns on one Embodiment of this invention is demonstrated. However, for simplicity of the invention, descriptions duplicated with those described in FIGS. 2 to 8 will be omitted.

도 2 내지 도 9a을 참조하면, 복원 모듈(210)은 이산 웨이블렛 역변환을 통해 라인 스캔 카메라(C)로부터 전달받은 입력 영상을 고주파 성분만으로 복원할 수 있다(S900 참조). 복원된 입력 영상은 결함 검출 모듈(220)로 전달될 수 있다.2 to 9A, the reconstruction module 210 may reconstruct an input image received from the line scan camera C using only high frequency components through discrete wavelet inverse transformation (S900). The reconstructed input image may be transmitted to the defect detection module 220.

상술한 S900은 제1 타입의 결함과 제2 타입의 결함 모두에 적용될 수 있음은 상술한 바와 같다.
As described above, the above-described S900 may be applied to both the first type of defect and the second type of defect.

이후, 결함 검출 모듈(220)은 복원된 입력 영상의 화소값에 기초하여 흑색 수지 강판(S)의 결함을 검출할 수 있다(S910).
Thereafter, the defect detection module 220 may detect a defect of the black resin steel sheet S based on the restored pixel value of the input image (S910).

이하 S910에 대해서는 도 9b를 참조하여 설명한다.Hereinafter, S910 will be described with reference to FIG. 9B.

결함 검출 모듈(220)의 결함 검출 알고리즘은 결함의 타입에 따라 달라질 수 있으며(S911), 결함 타입의 라인 타입이 아닌 경우(즉, 제1 타입의 결함인 경우)에 S912 및 S913을 통해 결함을 검출한다. The defect detection algorithm of the defect detection module 220 may vary according to the type of the defect (S911), and if the defect type is not a line type (that is, the first type of defect), the defect is detected through S912 and S913. Detect.

구체적으로, 결함 검출 모듈(220) 중 판단 모듈(221)은, 도 4에 도시된 바와 같이, 복원 모듈(210)로부터의 복원된 입력 영상을 소정 크기의 블록 영역(400)으로 분할한 후, 분할된 각 블록 영역(400)에 대한 주파수 분석을 통해 결함의 존재 여부를 판단할 수 있다(S912). 판단 결과는 이진화 모듈(222)로 전달될 수 있다.
In detail, as illustrated in FIG. 4, the determination module 221 of the defect detection module 220 divides the restored input image from the restoration module 210 into a block area 400 having a predetermined size. The presence of a defect may be determined through frequency analysis of each divided block area 400 (S912). The determination result may be transferred to the binarization module 222.

다음, 이진화 모듈(222)은 결함이 존재하는 블록 영역을 히스토그램에 기초하여 이진화함으로써 결함을 검출할 수 있다(S913).
Next, the binarization module 222 may detect a defect by binarizing the block area in which the defect exists based on the histogram (S913).

하지만, 결함 타입이 라인 타입이 아닌 경우(즉, 제2 타입의 결함인 경우)에 S914 및 S915을 통해 결함을 검출한다.
However, if the defect type is not a line type (i.e., a defect of the second type), the defect is detected through S914 and S915.

구체적으로, 결함 검출 모듈(220)은, 복원된 입력 영상의 각 라인(도 8에서는 수직 방향, 800)에 대해 화소값들을 모두 합산할 수 있다(S914).
In detail, the defect detection module 220 may add the pixel values to each line (vertical direction 800 in FIG. 8) of the restored input image (S914).

이후, 결함 검출 모듈(220)은 합산된 화소값들이 입력 영상에 포함된 전체 화소들의 평균값 및 표준 편차에 의해 연산되는 문턱값(810) 이상인 라인(820)을 결함으로 판단할 수 있다(S915).
Thereafter, the defect detection module 220 may determine that the line 820 having the sum of the pixel values equal to or greater than the threshold 810 calculated by the average value and the standard deviation of all pixels included in the input image as a defect (S915). .

상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 흑색 수지 강판에 존재하는 매우 작은 크기의 결함들 및 라인 타입의 결함을 검출할 수 있다.
As described above, according to one embodiment of the present invention, defects of very small size and line type defects existing in the black resin steel sheet can be detected.

또한, 본 발명의 실시 형태에 의하면, 입력 영상을 고주파 성분만을 이용하여 복원하기 때문에, 좌우 에지 부분에서의 결함 검출을 효과적으로 함과 동시에 결함 부분을 더욱 강조할 수 있다.
Further, according to the embodiment of the present invention, since the input image is reconstructed using only high frequency components, defect detection at the left and right edge portions can be effectively performed, and the defect portions can be further emphasized.

또한, 본 발명의 실시 형태에 의하면, 2개의 문턱값에 기초해서 입력 영상을 이진화함으로써, 밝은 부분과 어두운 부분이 혼재되어 있는 제1 타입과 같은 결함 검출을 용이하게 할 수 있다.
Further, according to the embodiment of the present invention, by binarizing the input image based on two threshold values, it is possible to facilitate defect detection such as the first type in which the bright and dark portions are mixed.

본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경할 수 있다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.The present invention is not limited by the above-described embodiment and the accompanying drawings. It is intended to limit the scope of the claims by the appended claims, and that various forms of substitution, modification and change can be made without departing from the spirit of the present invention as set forth in the claims to those skilled in the art. Will be self explanatory.

200: 결함 검출 장치 210: 복원 모듈
220: 결함 검출 모듈 221: 판단 모듈
222: 이진화 모듈200: defect detection device 210: restoration module
220: defect detection module 221: judgment module
222 binarization module

Claims (10)

흑색 수지 강판의 결함 검출 장치에 있어서,
이산 웨이블렛 역변환을 통해 입력 영상의 고주파 성분만으로 상기 입력 영상을 복원하는 복원 모듈; 및
상기 복원된 입력 영상의 화소값에 기초하여 상기 흑색 수지 강판의 결함을 검출하는 결함 검출 모듈을 포함하며,
상기 결함 검출 모듈은,
상기 복원된 입력 영상의 각 라인에 대해 화소값들을 모두 합산하고, 상기 합산된 화소값들이 상기 복원된 입력 영상에 포함된 전체 화소들의 평균값 및 표준 편차에 의해 연산되는 문턱값 이상인 라인을 결함으로 판단하는 흑색 수지 강판의 결함 검출 장치.
In the defect detection apparatus of the black resin steel sheet,
A reconstruction module for reconstructing the input image using only high frequency components of the input image through a discrete wavelet inverse transform; And
A defect detection module detecting a defect of the black resin steel sheet based on a pixel value of the restored input image,
The defect detection module,
A pixel is determined as a defect by summing all pixel values for each line of the reconstructed input image, and the sum of the summed pixel values is equal to or larger than a threshold calculated by an average value and a standard deviation of all pixels included in the reconstructed input image. The defect detection apparatus of the black resin steel plate which is made.
제1항에 있어서,
상기 결함 검출 모듈은,
상기 복원된 입력 영상을 소정 크기의 블록 영역으로 분할한 후, 분할된 각 블록 영역에 대한 주파수 분석을 통해 결함의 존재 여부를 판단하는 판단 모듈; 및
상기 판단 결과, 결함이 존재하는 블록 영역을 히스토그램에 기초하여 이진화하는 이진화 모듈
를 포함하는 흑색 수지 강판의 결함 검출 장치.
The method of claim 1,
The defect detection module,
A determination module for dividing the restored input image into block areas having a predetermined size, and determining whether a defect is present through frequency analysis of each divided block area; And
As a result of the determination, the binarization module for binarizing the block area in which the defect exists based on the histogram
The defect detection apparatus of the black resin steel plate containing the.
제2항에 있어서,
상기 판단 모듈은,
결함이 2 이상의 블록 영역에 걸쳐 형성된 경우 하나의 블록으로 머지하며,
상기 머지된 블록에 대한 주파수 분석을 통해 결함의 존재 여부를 판단하는 흑색 수지 강판의 결함 검출 장치.
3. The method of claim 2,
Wherein the determination module comprises:
If a defect is formed over two or more block areas, it merges into one block,
The defect detection apparatus of the black resin steel sheet to determine the presence of a defect through the frequency analysis for the merged block.
제2항에 있어서,
상기 이진화 모듈은,
상기 분할된 각 블록 영역의 히스토그램에 기초하여 제1 문턱값을 선정하며,
상기 제1 문턱값이 128미만인 경우 화소값이 128 이상인 화소들에 대해 제2 문턱값을 선정하며, 상기 제1 문턱값이 128이상인 경우 화소값이 128 미만인 화소들에 대해 제2 문턱값을 선정하고,
상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 상기 제1 문턱값 및 상기 제2 문턱값으로 상기 분할된 각 블록 영역을 이진화하며, 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 미만인 경우 상기 제1 문턱값으로 상기 분할된 각 블록 영역을 이진화하는 흑색 수지 강판이 결함 검출 장치.
3. The method of claim 2,
The binarization module,
Selecting a first threshold value based on the histogram of the divided block regions;
If the first threshold is less than 128, a second threshold is selected for pixels having a pixel value of 128 or more. If the first threshold is 128 or more, a second threshold is selected for pixels having a pixel value of less than 128. and,
When the difference between the selected first threshold value and the selected second threshold value is equal to or greater than a predetermined value, the divided respective block areas are binarized into the first threshold value and the second threshold value, and the selected first threshold value is obtained. The black resin steel plate defect detection apparatus which binarizes each divided block area | region by the said 1st threshold value, when the difference of a value and the said selected 2nd threshold value is less than a fixed value.
제4항에 있어서,
상기 이진화 모듈은,
상기 제1 문턱값으로 상기 각 블록 영역을 이진화하되,
상기 제1 문턱값이 128 미만임과 동시에 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 화소값이 128이상 화소들에 대해 상기 제2 문턱값으로 재차 이진화하며,
상기 제1 문턱값이 128 이상임과 동시에 상기 선정된 제1 문턱값과 상기 선정된 제2 문턱값의 차이가 일정한 값 이상인 경우 화소값이 128 미만인 화소들에 대해 상기 제2 문턱값으로 재차 이진화하는 흑색 수지 강판이 결함 검출 장치.
5. The method of claim 4,
The binarization module,
Binarize each of the block regions by the first threshold;
When the first threshold is less than 128 and the difference between the selected first threshold and the selected second threshold is greater than or equal to a predetermined value, the pixel value is binarized again to the second threshold value for pixels of 128 or more. ,
When the first threshold is greater than or equal to 128 and the difference between the predetermined first threshold and the predetermined second threshold is greater than or equal to a predetermined value, binarization is performed again to the second threshold for pixels having a pixel value less than 128. Black resin steel plate defect detection device.
제2항에 있어서,
상기 주파수 분석은,
2차원 고속 푸리에 변환(2D Fast Fourier Transform)을 포함하는 흑색 수지 강판의 결함 검출 장치.
3. The method of claim 2,
The frequency analysis,
The defect detection apparatus of the black resin steel plate containing a 2D Fast Fourier Transform.
제1항에 있어서,
상기 결함은,
백색 반점, 흄 드롭(hume drop), 티마크, 핀홀을 포함하는 흑색 수지 강판의 결함 검출 장치.
The method of claim 1,
Preferably,
Defect detection device of black resin steel sheet containing white spots, hume drop, T-mark, pinhole.
삭제delete 제1항에 있어서,
상기 문턱값은,
하기의 수학식:
T = (A - a ×B)
에 의해 연산되며, T는 문턱값, A는 상기 입력 영상에 포함된 전체 화소들의 평균값, B는 상기 입력 영상에 포함된 전체 화소들의 표준 편차, a는 상수인 흑색 수지 강판의 결함 검출 장치.
The method of claim 1,
The threshold value may be,
Equation below:
T = (A-a × B)
And T is a threshold value, A is an average value of all pixels included in the input image, B is a standard deviation of all pixels included in the input image, and a is a constant.
제1항에 있어서,
상기 결함은,
수직 또는 수평 방향으로 길게 늘어진 라인 타입의 결함을 포함하는 흑색 수지 강판의 결함 검출 장치.The method of claim 1,
Preferably,
The defect detection apparatus of the black resin steel plate containing the line-type defect extended in the vertical or horizontal direction.
KR1020110142258A 2011-12-26 2011-12-26 Apparatus for detecting defect of black resin steel sheet KR101316213B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110142258A KR101316213B1 (en) 2011-12-26 2011-12-26 Apparatus for detecting defect of black resin steel sheet

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110142258A KR101316213B1 (en) 2011-12-26 2011-12-26 Apparatus for detecting defect of black resin steel sheet

Publications (2)

Publication Number Publication Date
KR20130074271A KR20130074271A (en) 2013-07-04
KR101316213B1 true KR101316213B1 (en) 2013-10-08

Family

ID=48988406

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110142258A KR101316213B1 (en) 2011-12-26 2011-12-26 Apparatus for detecting defect of black resin steel sheet

Country Status (1)

Country Link
KR (1) KR101316213B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101778352B1 (en) 2014-12-24 2017-09-13 주식회사 포스코 Oven apparatus for preventing accumulation of fume

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003123073A (en) * 2001-10-15 2003-04-25 Ricoh Co Ltd Defect detection method
JP2008107311A (en) * 2006-09-29 2008-05-08 Hitachi Chem Co Ltd Defect inspection method and device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003123073A (en) * 2001-10-15 2003-04-25 Ricoh Co Ltd Defect detection method
JP2008107311A (en) * 2006-09-29 2008-05-08 Hitachi Chem Co Ltd Defect inspection method and device

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김성진 외 2인. 데이터베이스연구. 2008.04., 제24권, 제1호, 49-65쪽. *

Also Published As

Publication number Publication date
KR20130074271A (en) 2013-07-04

Similar Documents

Publication Publication Date Title
Yu et al. Efficient crack detection method for tunnel lining surface cracks based on infrared images
Halfawy et al. Efficient algorithm for crack detection in sewer images from closed-circuit television inspections
EP2743886B1 (en) System for detecting structured artifacts in video sequences
JP5174540B2 (en) Wood defect detection device
WO2020110667A1 (en) Surface defect detecting method, surface defect detecting device, method for manufacturing steel material, steel material quality control method, steel material manufacturing equipment, method for creating surface defect determination model, and surface defect determination model
KR101677070B1 (en) System and Method for Automatically Detecting a Mura Defect using Morphological Image Processing and Labeling
KR102242996B1 (en) Method for atypical defects detect in automobile injection products
CN105554494A (en) Snow point image detection method and device and video quality detection device and system
KR101316213B1 (en) Apparatus for detecting defect of black resin steel sheet
EP3876195A1 (en) Image processor and method for evaluating dyeing quality of knit fabric
JP5889778B2 (en) Automatic unevenness detection apparatus and automatic unevenness detection method for flat panel display
JP2005165387A (en) Method and device for detecting stripe defective of picture and display device
JP5167731B2 (en) Inspection apparatus and method
JP7003669B2 (en) Surface inspection equipment and surface inspection method
CN116542963A (en) Float glass defect detection system and detection method based on machine learning
JP6035124B2 (en) Defect inspection apparatus and defect inspection method
KR20140082333A (en) Method and apparatus of inspecting mura of flat display
KR101637977B1 (en) Feature point detecting method of welding joint using laser vision system
JP6114559B2 (en) Automatic unevenness detector for flat panel display
JP5136277B2 (en) Defect detection method for netted or lined glass
CN114937003A (en) Multi-type defect detection system and method for glass panel
JP4403036B2 (en) Soot detection method and apparatus
KR20140082335A (en) Method and apparatus of inspecting mura of flat display
KR101675532B1 (en) Apparatus and Method for detecting defect of thick steel plate
JP2018021873A (en) Surface inspection device and surface inspection method

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant