KR101393594B1 - 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법 - Google Patents

화상 해석 기법에 의한 단체분리도 평가 장치 및 방법 Download PDF

Info

Publication number
KR101393594B1
KR101393594B1 KR1020130065081A KR20130065081A KR101393594B1 KR 101393594 B1 KR101393594 B1 KR 101393594B1 KR 1020130065081 A KR1020130065081 A KR 1020130065081A KR 20130065081 A KR20130065081 A KR 20130065081A KR 101393594 B1 KR101393594 B1 KR 101393594B1
Authority
KR
South Korea
Prior art keywords
image
pixel
value
degree
separation
Prior art date
Application number
KR1020130065081A
Other languages
English (en)
Inventor
박승수
박재구
문향
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020130065081A priority Critical patent/KR101393594B1/ko
Application granted granted Critical
Publication of KR101393594B1 publication Critical patent/KR101393594B1/ko

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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 장치는 단체분리도 평가 대상물의 분쇄물 시편을 촬영하여 화상을 획득하는 촬영부; 미리 저장된 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행하는 처리부; 및 상기 화상의 상 구분 처리 결과에 기초하여 상기 단체분리도 평가 대상물의 분쇄물의 단체분리도를 평가하는 평가부를 포함한다.

Description

화상 해석 기법에 의한 단체분리도 평가 장치 및 방법{DEVICE AND METHOD FOR EVALUATING DEGREE OF LIBERATION USING IMAGE ANALYSIS}
본 발명의 실시예들은 화상 해석을 통해 광물이나 인쇄회로기판과 같은 폐 전자부품 분쇄물의 단체분리도를 평가하는 장치 및 방법에 관한 것이다.
일반적으로 유용광물과 맥석으로 이루어진 원광을 작게 분쇄하였을 때 그 분쇄물 중에서 유용광물만으로 이루어진 입자를 단체분리 된 입자(liberated particle)라고 한다. 단체분리도(degree of liberation)는 전체 분쇄산물에 대해 단체분리 된 입자의 비율을 백분율로 나타낸 것이다. 한편, 대상 원료가 원광이 아닌 인쇄회로기판인 경우에는 유용광물 대신에 구리와 같은 목적으로 하는 금속의 단체분리도를 평가하게 된다.
분쇄 시간을 증가시키면 유용광물이 분쇄산물로 분리될 확률이 높아지고, 결과적으로 단체분리도가 높아진다. 이는 선별이나 제련 등 후속 처리과정에서 소모되는 비용을 절약할 수 있게 하지만, 지나친 분쇄는 제어가 어려운 미분을 발생시키고 분쇄 과정 자체에 소모되는 비용을 증가시키므로 적정한 분쇄시간을 결정해야 한다. 단체분리도는 유용광물의 단체분리 된 정도를 나타내기 때문에 이러한 적정한 분쇄시간을 결정하는 기준으로 매우 중요하다.
관련 선행기술로는 공개특허공보 제10-2012-0127670호(발명의 명칭: 곡립 외관 품위 판별장치에서 품위별 중량 비율의 산출방법, 공개일자: 2012년 11월 22일)가 있다.
본 발명의 일 실시예는 화상 해석을 통해 유용 광물, 금속 등 어떤 목적 성분의 단체분리도 평가를 용이하게 할 수 있는 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법을 제공한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 장치는 단체분리도 평가 대상물의 분쇄물 시편을 촬영하여 화상을 획득하는 촬영부; 미리 저장된 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행하는 처리부; 및 상기 화상의 상 구분 처리 결과에 기초하여 상기 단체분리도 평가 대상물의 분쇄물의 단체분리도를 평가하는 평가부를 포함한다.
상기 촬영부는 상기 단체분리도 평가 대상물의 입도별 분쇄물 시편의 절단면을 촬영하여 상기 화상을 획득할 수 있다.
상기 레퍼런스 이미지는 상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대한 메타 데이터를 포함할 수 있다.
상기 메타 데이터는 상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대응하는, 색상 성분 각각의 평균 값 및 표준편차 값을 포함할 수 있다.
본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 장치는 상기 레퍼런스 이미지를 누적 수집하여 상기 메타 데이터를 계속해서 업데이트하여 저장하는 데이터베이스부를 더 포함할 수 있다.
상기 색상 성분은 색상(hue), 채도(Saturation), 및 명도(Value)를 포함하는 색의 3요소인 것이 바람직하다.
상기 처리부는 상기 레퍼런스 이미지를 이용하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하고, 상기 화상의 픽셀별 물질 분석 결과에 기초하여 상기 화상의 상 구분 처리를 수행할 수 있다.
상기 처리부는 상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값 및 표준편차 값을 이용하여, 상기 화상의 픽셀별로 상기 레퍼런스 이미지와의 에러 값을 계산하고, 상기 계산된 에러 값에 기초하여 상기 화상의 각 픽셀에 해당하는 물질을 분석할 수 있다.
상기 처리부는 상기 화상의 픽셀별 색상 성분 각각의 값과 상기 평균 값의 차이에 대한 절대값을 계산하고, 상기 계산된 절대값을 상기 표준편차 값의 일정 상수배의 값으로 나눈 결과 값에 기초하여, 상기 화상의 픽셀별 색상 성분 각각에 대한 에러 값의 합을 산출하며, 상기 산출된 에러 값의 합 중 최소 값에 해당하는 물질을 상기 화상의 각 픽셀에 해당하는 물질로 선택하여, 상기 화상의 픽셀별 물질 분석 결과로서 출력할 수 있다.
상기 처리부는 상기 화상의 상 경계 부분의 픽셀들에 대해, 주변 픽셀들의 평균 값을 이용하여 스무딩(smoothing) 처리할 수 있다.
상기 평가부는 상기 화상의 상 구분 처리 결과에 따른 상의 면적 비로부터 상기 분쇄물 시편의 단체분리도를 평가할 수 있다.
본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 방법은 단체분리도 평가 장치의 촬영부에서, 단체분리도 평가 대상물의 분쇄물 시편을 촬영하여 화상을 획득하는 단계; 상기 단체분리도 평가 장치의 처리부에서, 미리 저장된 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행하는 단계; 및 상기 단체분리도 평가 장치의 평가부에서, 상기 화상의 상 구분 처리 결과에 기초하여 상기 단체분리도 평가 대상물의 분쇄물의 단체분리도를 평가하는 단계를 포함한다.
상기 레퍼런스 이미지는 상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대한 메타 데이터를 포함할 수 있다.
상기 메타 데이터는 상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대응하는, 색상 성분 각각의 평균 값 및 표준편차 값을 포함할 수 있다.
상기 화상의 상 구분 처리를 수행하는 단계는 상기 레퍼런스 이미지를 이용하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계; 및 상기 화상의 픽셀별 물질 분석 결과에 기초하여 상기 화상의 상 구분 처리를 수행하는 단계를 포함할 수 있다.
상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계는 상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값 및 표준편차 값을 이용하여, 상기 화상의 픽셀별로 상기 레퍼런스 이미지와의 에러 값을 계산하는 단계; 및 상기 계산된 에러 값에 기초하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계를 포함할 수 있다.
상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계는 상기 화상의 픽셀별 색상 성분 각각의 값과 상기 평균 값의 차이에 대한 절대값을 계산하는 단계; 상기 계산된 절대값을 상기 표준편차 값의 일정 상수배의 값으로 나눈 결과 값에 기초하여, 상기 화상의 픽셀별 색상 성분 각각에 대한 에러 값의 합을 산출하는 단계; 및 상기 산출된 에러 값의 합 중 최소 값에 해당하는 물질을 상기 화상의 각 픽셀에 해당하는 물질로 선택하여, 상기 화상의 픽셀별 물질 분석 결과로서 출력하는 단계를 포함할 수 있다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명의 일 실시예에 따르면, 화상 해석을 통해 단체분리도 평가를 용이하게 할 수 있다.
본 발명의 일 실시예에 따르면, 화상 해석을 통해 단체분리도를 평가함으로써, 기존의 중액 선별을 이용한 방법에서 사용하는 화학적인 시약이 필요하지 않으므로 시약이 유발하는 유해성이나 위험성에서 벗어날 수 있다.
도 1은 본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 장치를 설명하기 위해 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 있어서, 레퍼런스 이미지의 일례를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 있어서, 레퍼런스 이미지가 메타 데이터와 매칭되어 컴퓨터의 메모리 영역에 저장되는 일례를 도시한 도면이다.
도 4 및 도 5는 본 발명의 일 실시예에 있어서, 각각 스무딩 과정을 거치기 전과 후를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 있어서, 물질 y의 i행 j열 픽셀에서의 에러 값을 계산하는 방법을 도시한 도면이다.
도 7 및 도 8은 본 발명의 일 실시예에 있어서, 상 구분 처리 전/후의 화상을 각각 나타낸 도면이다.
도 9 내지 도 11은 본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 방법을 설명하기 위해 도시한 흐름도이다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 장치를 설명하기 위해 도시한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 회상 해석 기법에 의한 단체분리도 평가 장치(100)는 촬영부(110), 데이터베이스부(120), 처리부(130), 평가부(140), 및 제어부(150)를 포함할 수 있다.
상기 촬영부(110)는 단체분리도 평가 대상물의 분쇄물 시편을 촬영하여 화상을 획득한다. 이때, 상기 촬영부(110)는 상기 단체분리도 평가 대상물의 입도별 분쇄물 시편의 절단면을 촬영하여 상기 화상을 획득할 수 있다.
여기서, 상기 단체분리도 평가 대상물은 광물이나 인쇄회로기판과 같은 폐 전자부품 등을 포함할 수 있다. 본 실시예에서는 상기 단체분리도 평가 대상물을 인쇄회로기판으로 한정하여 설명하기로 한다. 이는 설명의 편의 및 용이한 이해를 위한 것일 뿐, 본 발명의 권리범위를 제한하기 위함이 아님은 자명하다.
상기 데이터베이스부(120)는 상기 인쇄회로기판의 분쇄물의 조성 물질 각각에 대한 메타 데이터를 포함하는 레퍼런스 이미지(reference image)를 수집하여 미리 저장할 수 있다. 이때, 상기 데이터베이스부(120)는 상기 레퍼런스 이미지를 누적 수집하여 상기 메타 데이터를 계속해서 업데이트하여 저장할 수 있다.
여기서, 상기 메타 데이터(meta data)는 상기 인쇄회로기판의 분쇄물의 조성 물질 각각에 대응하는, 색상 성분 각각의 평균 값 및 표준편차 값을 포함할 수 있다. 상기 인쇄회로기판의 분쇄물의 조성 물질은 예컨대 구리, 기타 금속, 솔더 레지스트, 유리 섬유, 에폭시 수지 등의 물질을 포함할 수 있으며, 상기 색상 성분은 색의 3요소, 즉 색상(hue), 채도(Saturation), 및 명도(Value)를 포함할 수 있다.
상기 처리부(130)는 상기 데이터베이스부(120)에 미리 저장된 상기 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행한다.
이때, 상기 처리부(130)는 상기 레퍼런스 이미지를 이용하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하고, 상기 화상의 픽셀별 물질 분석 결과에 기초하여 상기 화상의 상 구분 처리를 수행할 수 있다.
아래에서는 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 것에 대해 구체적으로 설명한다.
즉, 상기 처리부(130)는 상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값 및 표준편차 값을 이용하여, 상기 화상의 픽셀별로 상기 레퍼런스 이미지와의 에러 값을 계산할 수 있다. 여기서, 상기 에러 값은 상기 화상의 해당 픽셀과 상기 레퍼런스 이미지 사이의 오차 값으로 정의될 수 있다. 상기 처리부(130)는 상기 계산된 에러 값에 기초하여 상기 화상의 각 픽셀에 해당하는 물질을 분석할 수 있다.
더욱 구체적으로, 상기 처리부(130)는 상기 화상의 픽셀별 색상 성분 각각의 값과 상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값을 비교하여 그 차이 값을 구할 수 있다. 상기 처리부(130)는 상기 차이 값에 대한 절대값을 계산하여 상기 표준편차 값의 일정 상수배의 값으로 나눈 후, 그 결과 값에 기초하여 상기 화상의 픽셀별 색상 성분 각각에 대한 에러 값을 구할 수 있다. 상기 처리부(130)는 상기 에러 값의 합을 산출하고, 그 에러 값의 합 중 최소 값에 해당하는 물질을 상기 화상의 각 픽셀에 해당하는 물질로 선택하여, 상기 화상의 픽셀별 물질 분석 결과로서 출력할 수 있다.
상기 처리부(130)는 상기 화상의 상 경계 부분의 픽셀들에 대해, 주변 픽셀들의 평균 값을 이용하여 스무딩(smoothing) 처리할 수 있다. 상기 스무딩 처리는 상기 화상의 상 경계를 좀 더 부드럽게 하기 위한 것으로, 상기 화상의 상 구분 처리를 수행하기 전에 진행될 수 있다.
상기 평가부(140)는 상기 화상의 상 구분 처리 결과에 기초하여 상기 인쇄회로기판의 분쇄물의 단체분리도를 평가한다. 이때, 상기 평가부(140)는 상기 화상의 상 구분 처리 결과에 따른 상의 면적 비로부터 상기 인쇄회로기판의 분쇄물의 단체분리도를 평가할 수 있다.
상기 제어부(150)는 본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 장치(100), 즉 상기 촬영부(110), 상기 데이터베이스부(120), 상기 처리부(130), 상기 평가부(140) 등의 동작을 전반적으로 제어할 수 있다.
이하에서는 실시예를 통해 본 발명을 보다 상세히 설명한다.
[실시예]
디지털 화상은 수많은 화소(pixel, picture element)들로 이루어져 있다. 이러한 화상의 색을 표현하는 가장 일반적인 방법으로는 빛의 3원색인 빨강(Red), 초록(Green), 파랑(Blue)의 농도 비로써 나타내는 방법(RGB)과 색상(Hue), 채도(Saturation), 명도(Value)의 3가지 요소로써 색을 표현하는 방법(HSV)이 대표적이다.
한편, 화상은 화소의 집합으로 이루어진 특성 상 특정 색상 값이 정해지지 않고 분포하는 특징을 가지고 있는데, 색상 분포를 표현함에 있어서 각 색상 요소에 따른 빈도수(frequency)를 나타내는 '히스토그램(histogram)'을 많이 사용한다.
본 실시예에서는 다음과 같은 순서로 화상 해석을 통한 단체분리도의 평가가 이루어진다.
1) 분쇄물을 각 입도구간별로 체 분리.
2) 입도별로 에폭시 수지를 이용하여 마운팅 시편을 제작.
3) 제작한 마운팅 시편 절단면의 2차원 화상 촬영.
4) 촬영된 화상의 상(phase) 구분 처리.
5) 상의 면적 비로부터 단체분리도 계산.
특히, 이 중에서 4)번에 해당하는 화상 해석 방법의 내용을 순서대로 설명하면 아래와 같다.
인쇄회로기판의 분쇄물의 시편을 만들어 2차원 화상 촬영을 하였을 때, 촬영되는 화상에 관찰되는 물질로는 회수를 목적으로 하는 물질인 구리와, 기타 물질로 구분되는 구리 이외의 금속 물질, 솔더 레지스트, 유리섬유, 그리고 마운팅 시료인 에폭시 수지 등이 관찰된다.
본 실시예의 방법을 통해 단체분리도를 평가할 경우, 위의 다섯 가지 물질에 대한 레퍼런스 이미지(reference image)가 우선적으로 수집된다. 상기 레퍼런스 이미지는 각 물질별로 하나 이상이 수집될 수 있다.
이러한 레퍼런스 이미지는 계속적으로 누적 수집되고, 이에 따라 색상(Hue), 채도(saturation), 명도(value) 요소에 대해서 각각의 평균값(
Figure 112013050488317-pat00001
), 표준편차 값(
Figure 112013050488317-pat00002
)을 가지는 메타 데이터가 계속해서 업데이트 될 수 있다.
참고로, 도 2는 레퍼런스 이미지의 일례를 도시한 도면이다. 본 실시예에서는 도 2에 도시된 바와 같이 밝기에 따라서 상기 레퍼런스 이미지를 하나 이상 수집할 수 있다. 또한, 밝기별로 메타 데이터가 매칭되어 저장될 수 있다.
이하 기술되는 변수는 다음과 같은 의미로 통용된다.
Figure 112013050488317-pat00003
: 물질 y(구리, 금속 등)의 색상성분 x(색상, 채도, 명도)의 평균
Figure 112013050488317-pat00004
: 물질 y(구리, 금속 등)의 색상성분 x(색상, 채도, 명도)의 표준편차
위와 같이 레퍼런스 이미지에 대한 색상 정보의 메타 데이터가 정리되면, 상기 레퍼런스 이미지는 도 3에 도시된 바와 같이 상기 메타 데이터와 매칭되어 컴퓨터의 메모리 영역에 저장된다. 다음 실질적으로 단체분리도 평가에 적용될 시편의 2차원 화상을 다른 메모리 영역으로 불러온다.
실제적인 상 구분 과정에 앞서 상의 경계를 좀 더 부드럽게 하기 위해 스무딩(smoothing) 과정이 적용될 수 있다. 스무딩 과정은 픽셀의 주변부 값을 참조하여 참조 값들의 평균값을 본래의 픽셀 값으로 대체하여 취하는 방법이다. 본래 (i,j) 화소에서의 특정 색상요소 값을 f(i,j)라고 하고, 참조 범위 n(n은 1보다 큰 홀수)의 애버리지 필터(average filter)를 거친 값을 g(i,j)라고 하면, g(i,j)는 다음의 수학식 1과 같이 계산된다.
Figure 112013050488317-pat00005
위와 같은 스무딩 과정을 거친 화상은 노이즈(noise)가 감소되고 주변부가 매끄러워지기 때문에 후단에 이어질 상 구분이 좀 더 명확해진다. 참조 범위가 클수록 노이즈 감소의 효과가 크고 주변부가 더 매끄러워지는 효과가 있지만, 분해능이 감소하여 좀 더 정밀한 값을 찾기 어려우므로 참조범위는 상황에 따라 달리 선택될 수 있다.
참고로, 도 4 및 도 5는 각각 스무딩 과정을 거치기 전과 후를 나타낸 도면이다. 특히, 도 4는 참조범위 1의 애버리지 필터, 즉 필터링을 거치지 않은 화소를 나타낸 도면이고, 도 5는 참조범위 5의 애버리지 필터를 거쳐 본 픽셀을 포함 25개 픽셀들의 평균값을 계산한 결과를 나타낸 도면이다.
스무딩 과정을 거친 화상의 i번째 행, j번째 열의 픽셀의 색상요소 색상(hue), 채도(saturation), 그리고 명도(value)의 값을 각각 hue(i,j), sat(i,j) 그리고 val(i,j)이라 하자. 위 세 개의 값들과 앞에서 저장된 각 레퍼런스 이미지의 메타 데이터로부터 얻어진 HSV(색상, 채도, 명도) 성분의 평균값을 비교하여 그 차이의 절대값을 계산한다.
그 후 상기 절개값을 상기 레퍼런스 이미지의 메타 데이터에 포함된 표준편차 값의 일정 상수배(a)의 값으로 나눠주게 되는데, 이는 편차의 범위가 큰 색상성분에 대한 노멀라이즈(normalize) 과정으로써의 의미를 갖는다. 이때 상수(a)는 1.96, 2.58 등 표준 정규분포의 95%, 99% 신뢰구간을 설정할 수 있는 상수로 설정하는 것이 바람직하다.
이렇게 노멀라이즈 된 각 색상요소 값들의 에러(오차) 값들의 합을 구하여 총 에러(error) 값(
Figure 112013050488317-pat00006
)을 구하는데, 이때 각 에러 값은 원하는 만큼의 가중치(w)를 두어 그 색상요소의 중요성을 부각시킬 수 있다. 상기 가중치는 사용자에 의해 그 값이 선택될 수 있다.
예를 들어, 각 물질이 색상(Hue)의 차이가 두드러질 경우
Figure 112013050488317-pat00007
값을
Figure 112013050488317-pat00008
,
Figure 112013050488317-pat00009
값보다 크게 함으로써 에러 값에서의 색상(Hue)의 비중을 크게 할 수 있다. 물질 y의 i행 j열 픽셀에서의 에러 값을 계산하는 식은 다음의 수학식 2와 같이 정리할 수 있다.
Figure 112013050488317-pat00010
상기 수학식 2와 같은 방법으로 물질 y의 i행 j열 픽셀에서의 에러 값을 계산하는 방법을 도 6에 도시하였다. 도 6에서는 물질 y의 i행 j열 픽셀을 도 2의 레퍼런스 이미지와 비교하여 상기 에러 값을 계산한 것이다.
최종적으로 구하여진 총 에러 값(Err)을 비교하여 그 값이 가장 작은 물질을 (i,j) 픽셀에서의 물질 값으로 택한다. 이를 식으로 정리하면 아래의 수학식 3과 같다.
Figure 112013050488317-pat00011
위의 과정을 i개 행, j개 열의 픽셀에 대해서 모두 수행해 주면 최종적인 상 구분 처리가 완료된다. 도 7 및 도 8은 각각 상 구분 처리 전/후의 화상을 나타낸 도면이다.
이러한 상 구분 처리의 과정을 거친 화상은 물질별로 단일 색상을 갖기 때문에 그 단일 색상의 분포율에 따라 구리 입자의 품위(grade)를 계산할 수 있고, 이로부터 단체분리도 평가를 용이하게 할 수 있다.
도 9 내지 도 11은 본 발명의 일 실시예에 따른 화상 해석 기법에 의한 단체분리도 평가 방법을 설명하기 위해 도시한 흐름도이다. 상기 단체분리도 평가 방법은 도 1의 단체분리도 평가 장치(100)에 의해 수행될 수 있다.
먼저 도 1 및 도 9를 참조하면, 단계(910)에서 상기 단체분리도 평가 장치(100)의 촬영부(110)는 인쇄회로기판의 분쇄물 시편을 촬영하여 화상을 획득한다.
다음으로, 단계(920)에서 상기 단체분리도 평가 장치(100)의 데이터베이스부(120)는 상기 인쇄회로기판의 분쇄물의 조성 물질 각각에 대한 메타 데이터를 포함하는 레퍼런스 이미지(reference image)를 수집하여 미리 저장한다.
다음으로, 단계(930)에서 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 데이터베이스부(120)에 미리 저장된 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행한다.
이를 위해, 상기 단체분리도 평가 장치(100)의 처리부(130)는 도 10에 도시된 바와 같이, 단계(1010)에서 상기 레퍼런스 이미지를 이용하여 상기 화상의 각 픽셀에 해당하는 물질을 분석한다. 이후, 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 화상의 픽셀별 물질 분석 결과에 기초하여 상기 화상의 상 구분 처리를 수행한다.
아래에서는 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 과정을 도 11을 참조하여 구체적으로 설명하기로 한다.
도 11을 참조하면, 단계(1110)에서 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값 및 표준편차 값을 이용하여, 상기 화상의 픽셀별로 상기 레퍼런스 이미지와의 에러 값을 계산한다.
즉, 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 화상의 픽셀별 색상 성분 각각의 값과 상기 평균 값의 차이에 대한 절대값을 계산한다. 이후, 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 계산된 절대값을 상기 표준편차 값의 일정 상수배의 값으로 나눈 결과 값에 기초하여, 상기 화상의 픽셀별 색상 성분 각각에 대한 에러 값의 합을 산출할 수 있다.
다음으로, 단계(1120)에서 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 계산된 에러 값에 기초하여 상기 화상의 각 픽셀에 해당하는 물질을 분석한다.
즉, 상기 단체분리도 평가 장치(100)의 처리부(130)는 상기 산출된 에러 값의 합 중 최소 값에 해당하는 물질을 상기 화상의 각 픽셀에 해당하는 물질로 선택하여, 상기 화상의 픽셀별 물질 분석 결과로서 출력할 수 있다.
다시 도 1 및 도 9를 참조하면, 단계(940)에서 상기 단체분리도 평가 장치(100)의 평가부(140)는 상기 화상의 상 구분 처리 결과에 기초하여 상기 인쇄회로기판의 분쇄물의 단체분리도를 평가한다.
즉, 상기 단체분리도 평가 장치(100)의 평가부(140)는 상기 상 구분 처리된 화상의 색상 분포율에 따라 구리 입자의 품위(grade)를 계산하고, 상기 구리 입자의 품위 계산 결과에 따른 상의 면적 비로부터 상기 구리의 단체분리도를 평가할 수 있다.
이와 같이, 본 발명의 일 실시예에서는 화상 해석을 통해 분쇄물의 디지털 화상에서 색상에 차이를 보이는 2상 이상의 입자를 구별할 수 있으며, 이를 통해 획득한 데이터를 레퍼런스 이미지와 비교하여 오차가 가장 적은 레퍼런스 이미지를 데이터 값으로 정의할 수 있다. 따라서, 본 발명의 일 실시예에 따르면 단일 색상의 분포율에 따라 구리 입자의 품위(grade)를 계산하여 단체분리도를 용이하게 평가할 수 있다.
또한, 본 발명의 일 실시예에서는 화상 해석을 통해 단체분리도를 평가함으로써, 기존의 중액 선별을 이용한 방법에서 사용하는 화학적인 시약이 필요하지 않으므로 시약이 유발하는 유해성이나 위험성에서 벗어날 수 있다. 또한, 유용광물과 맥석이 비슷한 밀도를 갖는 경우, 기존의 중액 선별에 의한 분리는 어렵지만, 본 발명의 일 실시예에서는 색채나 편광 차이 등을 광학적으로 구분해낼 수 있으므로 광학화상해석기의 적용이 가능하다.
또한, 본 발명의 일 실시예에서는 광학화상해석기를 이용한 화상 해석 분석법을 제공함으로써, 화상을 획득할 광학화상해석기와 데이터를 처리할 컴퓨터를 주요 구성품으로 하여 구현할 수 있으므로, SEM에 비해 부피가 작고 이동하기 편리하며, 또한 광학화상해석기는 가시광선 영역에서 샘플을 관찰하므로 세라믹이나 플라스틱류 샘플의 훼손 없이 분석이 가능하다.
따라서, 본 발명의 일 실시예는 인쇄회로기판(PCB) 재활용 분야를 포함하여 분쇄물의 분쇄 효율을 평가해야 하는 모든 분야 및 기타 화상의 구분을 필요로 하는 분야에 적용될 수 있다.
본 발명의 실시예들은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
지금까지 본 발명에 따른 구체적인 실시예에 관하여 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능함은 물론이다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허 청구의 범위뿐 아니라 이 특허 청구의 범위와 균등한 것들에 의해 정해져야 한다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
110: 촬영부
120: 데이터베이스부
130: 처리부
140: 평가부

Claims (17)

  1. 단체분리도 평가 대상물의 분쇄물 시편을 촬영하여 화상을 획득하는 촬영부;
    미리 저장된 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행하는 처리부; 및
    상기 화상의 상 구분 처리 결과에 기초하여 상기 단체분리도 평가 대상물의 분쇄물의 단체분리도를 평가하는 평가부
    를 포함하고,
    상기 레퍼런스 이미지는
    상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대한 메타 데이터를 포함하고,
    상기 메타 데이터는
    상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대응하는, 색상 성분 각각의 평균 값 및 표준편차 값을 포함하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  2. 제1항에 있어서,
    상기 촬영부는
    상기 단체분리도 평가 대상물의 입도별 분쇄물 시편의 절단면을 촬영하여 상기 화상을 획득하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 레퍼런스 이미지를 누적 수집하여 상기 메타 데이터를 계속해서 업데이트하여 저장하는 데이터베이스부
    를 더 포함하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  6. 제1항에 있어서,
    상기 색상 성분은
    색상(hue), 채도(Saturation), 및 명도(Value)를 포함하는 색의 3요소인 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  7. 제1항에 있어서,
    상기 처리부는
    상기 레퍼런스 이미지를 이용하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하고, 상기 화상의 픽셀별 물질 분석 결과에 기초하여 상기 화상의 상 구분 처리를 수행하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  8. 제6항에 있어서,
    상기 처리부는
    상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값 및 표준편차 값을 이용하여, 상기 화상의 픽셀별로 상기 레퍼런스 이미지와의 에러 값을 계산하고, 상기 계산된 에러 값에 기초하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  9. 제7항에 있어서,
    상기 처리부는
    상기 화상의 픽셀별 색상 성분 각각의 값과 상기 평균 값의 차이에 대한 절대값을 계산하고, 상기 계산된 절대값을 상기 표준편차 값의 일정 상수배의 값으로 나눈 결과 값에 기초하여, 상기 화상의 픽셀별 색상 성분 각각에 대한 에러 값의 합을 산출하며, 상기 산출된 에러 값의 합 중 최소 값에 해당하는 물질을 상기 화상의 각 픽셀에 해당하는 물질로 선택하여, 상기 화상의 픽셀별 물질 분석 결과로서 출력하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  10. 제1항에 있어서,
    상기 처리부는
    상기 화상의 상 경계 부분의 픽셀들에 대해, 주변 픽셀들의 평균 값을 이용하여 스무딩(smoothing) 처리하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  11. 제1항에 있어서,
    상기 평가부는
    상기 화상의 상 구분 처리 결과에 따른 상의 면적 비로부터 상기 단체분리도 평가 대상물의 분쇄물의 단체분리도를 평가하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 장치.
  12. 단체분리도 평가 장치의 촬영부에서, 단체분리도 평가 대상물의 분쇄물 시편을 촬영하여 화상을 획득하는 단계;
    상기 단체분리도 평가 장치의 처리부에서, 미리 저장된 레퍼런스 이미지를 이용하여 상기 화상의 상(phase) 구분 처리를 수행하는 단계; 및
    상기 단체분리도 평가 장치의 평가부에서, 상기 화상의 상 구분 처리 결과에 기초하여 상기 단체분리도 평가 대상물의 분쇄물의 단체분리도를 평가하는 단계
    를 포함하고,
    상기 레퍼런스 이미지는
    상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대한 메타 데이터를 포함하고,
    상기 메타 데이터는
    상기 단체분리도 평가 대상물의 분쇄물의 조성 물질 각각에 대응하는, 색상 성분 각각의 평균 값 및 표준편차 값을 포함하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 방법.
  13. 삭제
  14. 삭제
  15. 제12항에 있어서,
    상기 화상의 상 구분 처리를 수행하는 단계는
    상기 레퍼런스 이미지를 이용하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계; 및
    상기 화상의 픽셀별 물질 분석 결과에 기초하여 상기 화상의 상 구분 처리를 수행하는 단계
    를 포함하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 방법.
  16. 제15항에 있어서,
    상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계는
    상기 레퍼런스 이미지의 메타 데이터에 포함된 평균 값 및 표준편차 값을 이용하여, 상기 화상의 픽셀별로 상기 레퍼런스 이미지와의 에러 값을 계산하는 단계; 및
    상기 계산된 에러 값에 기초하여 상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계
    를 포함하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 방법.
  17. 제16항에 있어서,
    상기 화상의 각 픽셀에 해당하는 물질을 분석하는 단계는
    상기 화상의 픽셀별 색상 성분 각각의 값과 상기 평균 값의 차이에 대한 절대값을 계산하는 단계;
    상기 계산된 절대값을 상기 표준편차 값의 일정 상수배의 값으로 나눈 결과 값에 기초하여, 상기 화상의 픽셀별 색상 성분 각각에 대한 에러 값의 합을 산출하는 단계; 및
    상기 산출된 에러 값의 합 중 최소 값에 해당하는 물질을 상기 화상의 각 픽셀에 해당하는 물질로 선택하여, 상기 화상의 픽셀별 물질 분석 결과로서 출력하는 단계
    를 포함하는 것을 특징으로 하는 화상 해석 기법에 의한 단체분리도 평가 방법.
KR1020130065081A 2013-06-07 2013-06-07 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법 KR101393594B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130065081A KR101393594B1 (ko) 2013-06-07 2013-06-07 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130065081A KR101393594B1 (ko) 2013-06-07 2013-06-07 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101393594B1 true KR101393594B1 (ko) 2014-05-12

Family

ID=50893721

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130065081A KR101393594B1 (ko) 2013-06-07 2013-06-07 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101393594B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102378076B1 (ko) * 2021-08-25 2022-03-25 한국지질자원연구원 색상값을 사용하는 부유선별공정 모니터링 장치 및 모니터링 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040099590A (ko) * 2003-05-19 2004-12-02 삼성전기주식회사 Ｒｇｂ 컬러를 이용한 인쇄회로기판의 표면 상태 분석시스템 및 방법
JP2009002844A (ja) * 2007-06-22 2009-01-08 Japan Grain Inspection Association 穀類粒の品質評価システム及び品質評価方法
JP2009050760A (ja) * 2007-08-23 2009-03-12 Satake Corp 光学式穀物選別機

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040099590A (ko) * 2003-05-19 2004-12-02 삼성전기주식회사 Ｒｇｂ 컬러를 이용한 인쇄회로기판의 표면 상태 분석시스템 및 방법
JP2009002844A (ja) * 2007-06-22 2009-01-08 Japan Grain Inspection Association 穀類粒の品質評価システム及び品質評価方法
JP2009050760A (ja) * 2007-08-23 2009-03-12 Satake Corp 光学式穀物選別機

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
최의규, "복합금속과의 분쇄 및 단체분리도에 관한 연구," 자원환경공학과 한양대학교 대학원 석사논문, 2010.08. *
최의규, "복합금속과의 분쇄 및 단체분리도에 관한 연구," 자원환경공학과 한양대학교 대학원 석사논문, 2010.08.*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102378076B1 (ko) * 2021-08-25 2022-03-25 한국지질자원연구원 색상값을 사용하는 부유선별공정 모니터링 장치 및 모니터링 방법

Similar Documents

Publication Publication Date Title
KR100772506B1 (ko) 영상처리를 이용한 지질재료 분류 방법 및 그 장치
CN106651872B (zh) 基于Prewitt算子的路面裂缝识别方法及系统
Chen et al. Quality assessment for comparing image enhancement algorithms
US7916173B2 (en) Method for detecting and selecting good quality image frames from video
US8611615B2 (en) Image processing apparatus and method, and program
CN101685542B (zh) 电子设备、模糊图像分拣方法
US9152878B2 (en) Image processing apparatus, image processing method, and storage medium
KR102084535B1 (ko) 결함 검사 장치, 결함 검사 방법
Gomes et al. Classification of hematite types in iron ores through circularly polarized light microscopy and image analysis
CN101131365A (zh) 烧结矿主要矿物相自动识别方法
KR20170128577A (ko) 조직 시료 분석 기술
JP5914046B2 (ja) 画像処理装置および画像処理方法
KR101393594B1 (ko) 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법
Julliand et al. Automated image splicing detection from noise estimation in raw images
JP7307918B2 (ja) データ処理装置、データ処理プログラムおよび基板群評価システム
KR101753101B1 (ko) 컬러영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법 및 장치
JP4459945B2 (ja) 抽出色範囲設定方法
JP4494424B2 (ja) プログラム及び検査装置
JP4869323B2 (ja) 画像処理装置及び画像処理方法
Sakthivel et al. Analysis of Medical Image Processing and its Application in Healthcare
Ismael Comparative Study for Different Color Spaces of Image Segmentation Based on Prewitt Edge Detection Technique
Sultana et al. Determination of Green Spots (Trees) For Google Satellite Images Using MATLAB
Prabha et al. PREDICTION AND QUALITY ANALYSIS OF RICE USING ANN CLASSIFIER
Laroche et al. Grain sizing of anodized aluminum by color image analysis
CN116012314A (zh) 基于机器视觉的谷糙分界线识别方法、装置、设备及介质

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170403

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee