KR101879087B1 - 이송되는 원료 입도 측정 장치 - Google Patents
이송되는 원료 입도 측정 장치 Download PDFInfo
- Publication number
- KR101879087B1 KR101879087B1 KR1020160176615A KR20160176615A KR101879087B1 KR 101879087 B1 KR101879087 B1 KR 101879087B1 KR 1020160176615 A KR1020160176615 A KR 1020160176615A KR 20160176615 A KR20160176615 A KR 20160176615A KR 101879087 B1 KR101879087 B1 KR 101879087B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- particle size
- area
- region
- raw material
- Prior art date
Links
- 239000002994 raw material Substances 0.000 title claims abstract description 91
- 239000002245 particle Substances 0.000 claims abstract description 101
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 14
- 238000001914 filtration Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 4
- 238000003921 particle size analysis Methods 0.000 description 3
- 239000000571 coke Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- -1 sintered organs Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Dispersion Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 이송되는 원료가 원료의 이송경로의 제1 영역에 위치할 때의 제1 영역의 영상을 수집하는 제1 영상 수집부와, 원료가 상기 이송경로의 제2 영역에 위치할 때의 제2 영역의 영상을 수집하는 제2 영상 수집부와, 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성하는 영상 처리부를 포함하고, 제2 영상 수집부는 제2 영역에서 제1 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집하는 제1 카메라와, 제2 영역에서 제2 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집하는 제2 카메라를 포함하고, 영상 처리부는 제1 카메라에 의해 수집된 영상의 입도 정보와 제2 카메라에 의해 수집된 영상의 입도 정보를 각각 생성할 수 있다.
Description
본 발명은 이송되는 원료 입도 측정 장치에 관한 것이다.
일반적으로 공정의 조업 조건은 공정에 공급되는 원료의 입도에 영향을 받을 수 있다. 예를 들어, 고로(blast furnace) 노정의 온도는 장입되는 코크스, 소결광, 정립광, 펠렛 등의 원료의 입도가 클수록 높아질 필요가 있다. 원료의 입도는 노내 통기성에 큰 영향을 줄 수 있기 때문이다.
고로 노정은 조업 조건이 원료의 입도에 따라 설정되지 않을 경우에 노황을 나쁘게 하거나 불필요한 에너지의 낭비를 유발할 수 있다. 따라서, 정확한 원료의 입도 정보를 조업 조건에 신속하게 반영할 수 있도록 이송되는 원료의 입도를 정확하게 측정하는 것은 중요하다.
종래에는 단순히 이송되는 원료를 촬영하고 촬영 영상을 조업자가 육안으로 확인하여 원료의 입도를 측정하였으나, 이러한 방법은 입도 측정 정확도 향상에 있어서 한계를 가질 수밖에 없다.
본 발명의 일 실시 예는, 이송되는 원료의 입도를 정확하게 측정할 수 있는 원료 입도 측정 장치를 제공한다.
본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 이송되는 원료가 상기 원료의 이송경로의 제1 영역에 위치할 때의 상기 제1 영역의 영상을 수집하는 제1 영상 수집부; 상기 원료가 상기 이송경로의 제2 영역에 위치할 때의 상기 제2 영역의 영상을 수집하는 제2 영상 수집부; 및 상기 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성하는 영상 처리부; 를 포함하고, 상기 제2 영상 수집부는 상기 제2 영역에서 제1 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집하는 제1 카메라와, 상기 제2 영역에서 제2 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집하는 제2 카메라를 포함하고, 상기 영상 처리부는 상기 제1 카메라에 의해 수집된 영상의 입도 정보와 상기 제2 카메라에 의해 수집된 영상의 입도 정보를 각각 생성할 수 있다.
본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 이송되는 원료가 상기 원료의 이송경로의 제1 영역에 위치할 때의 상기 제1 영역의 영상을 수집하는 제1 영상 수집부; 상기 원료가 상기 이송경로의 제2 영역에 위치할 때의 상기 제2 영역의 영상을 수집하는 제2 영상 수집부; 및 상기 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성하는 영상 처리부; 를 포함하고, 상기 제2 영상 수집부는 상기 제2 영역에서 제1 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 제1 정밀 영상을 수집하고, 상기 제2 영역에서 제2 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 제2 정밀 영상을 수집하고, 상기 영상 처리부는 상기 제1 카메라에 의해 수집된 영상의 입도 정보와 상기 제2 카메라에 의해 수집된 영상의 입도 정보를 각각 생성할 수 있다.
본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 이송되는 원료의 입도를 정확하게 측정할 수 있다.
또한 본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 넓은 범위에 위치하는 원료를 누락 없이 입도 분석에 반영하고 원료 중에서 일부 경계가 가려지는 덩어리와 작은 덩어리를 입도 분석에 추가로 반영하면서도 입도 분석에 필요한 카메라의 개수를 줄일 수 있다.
또한 본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 조업자 없이도 이송되는 원료를 정확하게 식별하고 이송되는 원료의 입도를 정확하게 분류할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 원료 입도 측정 장치를 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 원료 입도 측정 장치에 포함된 영상 처리부를 구체적으로 예시한 도면이다.
도 3은 이송속도를 산출하는 제1 과정의 원리를 나타낸 도면이다.
도 4는 이송속도를 산출하는 제2 과정의 원리를 나타낸 도면이다.
도 5는 제1 컨볼루션 신경망을 통해 제1 영역의 영상에 포함된 원료를 식별하는 원리를 나타낸 도면이다.
도 6은 제1 영역의 영상과 제2 영역의 정밀 영상을 예시한 도면이다.
도 7은 제1 영역의 영상의 복수의 분할 영역과 제2 영상 수집부의 촬영범위를 예시한 도면이다.
도 8은 제2 컨볼루션 신경망을 통해 제1 영역의 영상에 포함된 원료의 입도 정보를 분류하는 원리를 나타낸 도면이다.
도 9는 본 발명의 일 실시 예에서 활용되는 컨볼루션 신경망을 예시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 원료 입도 측정 장치에 포함된 영상 처리부를 구체적으로 예시한 도면이다.
도 3은 이송속도를 산출하는 제1 과정의 원리를 나타낸 도면이다.
도 4는 이송속도를 산출하는 제2 과정의 원리를 나타낸 도면이다.
도 5는 제1 컨볼루션 신경망을 통해 제1 영역의 영상에 포함된 원료를 식별하는 원리를 나타낸 도면이다.
도 6은 제1 영역의 영상과 제2 영역의 정밀 영상을 예시한 도면이다.
도 7은 제1 영역의 영상의 복수의 분할 영역과 제2 영상 수집부의 촬영범위를 예시한 도면이다.
도 8은 제2 컨볼루션 신경망을 통해 제1 영역의 영상에 포함된 원료의 입도 정보를 분류하는 원리를 나타낸 도면이다.
도 9는 본 발명의 일 실시 예에서 활용되는 컨볼루션 신경망을 예시한 도면이다.
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.
도 1은 본 발명의 일 실시 예에 따른 원료 입도 측정 장치를 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 원료 입도 측정 장치는, 제1 영상 수집부(100), 제2 영상 수집부(200) 및 영상 처리부(300)를 포함할 수 있다.
예를 들어, 원료(10)는 다수의 덩어리 형태인 코크스 또는 소결광을 포함할 수 있으며, 컨베이어(20)에 의해 연속적으로 이송될 수 있다.
제1 영상 수집부(100)는 이송되는 원료(10)가 원료의 이송경로의 제1 영역(150)에 위치할 때의 제1 영역(150)의 영상을 수집할 수 있다. 상기 제1 영상 수집부(100)의 촬영범위는 제1 영역(150)의 전체일 수 있다.
제2 영상 수집부(200)는 이송되는 원료(10)가 상기 이송경로의 제2 영역(250)에 위치할 때의 제2 영역(250)의 영상을 수집할 수 있다. 상기 제2 영상 수집부(200)는 제1 내지 제3 카메라(210, 220, 230)를 포함할 수 있으나, 카메라의 개수는 한정되지 않는다. 즉, 카메라의 개수는 원료(10)의 입도 다양성에 따라 다르게 설정될 수 있다. 예를 들어, 제3 카메라(230)의 활성화 여부는 원료(10)의 입도 다양성에 따라 결정될 수 있다.
한편, 상기 제2 영상 수집부(200)는 제2 영역(250)에서의 촬영범위를 실시간으로 변경함으로써, 복수의 카메라가 서로 다른 촬영범위를 촬영한 영상과 유사한 영상을 수집할 수 있다. 따라서, 상기 제2 영상 수집부(200)는 1개의 카메라로 구현될 수도 있다.
원료(10)는 제1 영역(150)에서 제2 영역(250)을 향하여 이송될 수 있다. 제1 영역(150)과 제2 영역(250)간의 거리는 d'로 정의될 수 있다.
영상 처리부(300)는 제1 영역(150)의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성할 수 있다. 상기 제1 영상 수집부(100)의 촬영범위가 제1 영역(150)의 전체일 수 있으므로, 상기 영상 처리부(300)는 넓은 범위에 걸쳐서 위치하는 원료(10)의 전체적인 입도를 분석할 수 있다.
예를 들어, 상기 영상 처리부(300)는 영상의 각 픽셀마다 밝기를 비교하여 원료(10)의 복수의 경계를 식별할 수 있으며, 상기 복수의 경계가 이루는 형태의 내부 넓이를 각각 분석하여 입도 정보를 생성할 수 있다.
다수의 덩어리 형태를 가지는 원료(10)가 제1 영역(150)에 위치할 경우, 제1 영역(150)의 일 특정 위치에는 큰 덩어리가 밀집될 수 있으며, 제1 영역(150)의 타 특정 위치에는 작은 덩어리가 밀집될 수 있다. 따라서, 1 영역(150)의 영상의 복수의 분할 영역은 큰 덩어리의 원료가 주로 포함된 영역과 작은 덩어리의 원료가 주로 포함된 영역을 가질 수 있다.
상기 영상 처리부(300)는 상기 복수의 분할 영역 중에서 제1 입도 범위내의 입도 정보를 가지는 분할 영역 중 하나와 제2 입도 범위내의 입도 정보를 가지는 분할 영역 중 하나를 선택할 수 있다. 여기서, 제2 입도 범위의 최소값은 제1 입도 범위의 최대값 이상일 수 있다. 한편, 입도 범위의 개수는 2개보다 많을 수 있다.
이후, 제2 영상 수집부(200)에 포함된 제1 카메라(210)는 제2 영역(250)에서 제1 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집할 수 있으며, 제2 영상 수집부(200)에 포함된 제2 카메라(220)는 제2 영역(250)에서 제2 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집할 수 있다. 만약 입도 범위의 개수가 3개일 경우, 제3 카메라(230)는 제2 영역(250)에서 제3 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집할 수 있다.
만약 제1 영역(150)의 영상에서 작은 덩어리가 밀집된 부분이 좌측 상단에 위치할 경우, 제1 카메라(210)는 제2 영역(250)의 좌측 상단을 정밀 촬영할 수 있다.
만약 제1 영역(150)의 영상에서 큰 덩어리가 밀집된 부분이 우측 하단에 위치할 경우, 제2 카메라(220)는 제2 영역(250)의 우측 하단을 정밀 촬영할 수 있다.
이후, 영상 처리부(300)는 제1 카메라(210)에 의해 수집된 영상의 입도 정보와 제2 카메라(220)에 의해 수집된 영상의 입도 정보를 각각 생성할 수 있다.
제1 및 제2 카메라(210, 220)에 의해 각각 수집된 영상이 제1 영상 수집부(100)에 의해 수집된 영상에 비해 더욱 정밀하게 촬영된 영상이므로, 영상 처리부(300)는 제1 및 제2 카메라(210, 220)에 의해 수집된 영상을 통해 매우 작은 덩어리 또는 일부 경계가 가려지는 덩어리를 추가로 식별할 수 있다.
즉, 상기 영상 처리부(300)는 제1 영역(150)의 영상에 포함된 원료(10)의 입도 분석에 제대로 반영되지 않은 덩어리를 추가로 입도 분석에 반영할 수 있다.
예를 들어, 상기 영상 처리부(300)는 제1 카메라(210)에 의해 수집된 영상의 입도 정보와 제1 카메라(210)의 촬영범위에 대응되는 제1 영역(150)의 영상의 분할 영역의 입도 정보를 비교하고 비교 결과에 기초하여 제1 보정 정보를 생성하고, 제2 카메라(220)에 의해 수집된 영상의 입도 정보와 제2 카메라(220)의 촬영범위에 대응되는 제1 영역(150)의 영상의 분할 영역의 입도 정보를 비교하고 비교 결과에 기초하여 제2 보정 정보를 생성하고, 제1 영역(150)의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보에 제1 및 제2 보정 정보를 적용하여 최종 입도 정보를 생성할 수 있다.
이에 따라, 본 발명의 일 실시 예에 따른 원료 입도 측정 장치는 이송되는 원료의 입도를 더욱 정확하게 측정할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 원료 입도 측정 장치에 포함된 영상 처리부를 구체적으로 예시한 도면이다.
도 2를 참조하면, 영상 처리부(300)는 제어부(310), 입도 분석부(320) 및 이송속도 분석부(330)를 포함할 수 있다.
제어부(310)는 영상 수집부(311), 영상 필터링부(312), 카메라 구동 제어부(313) 및 촬영 시점 제어부(314)를 포함할 수 있다.
영상 수집부(311)는 제1 및 제2 영상 수집부로부터 영상을 수신할 수 있으며, 영상의 수신 순서를 제어할 수 있으며, 수신한 영상을 임시로 저장할 수 있다.
영상 필터링부(312)는 수신한 영상을 필터링하여 영상의 노이즈를 제거할 수 있으며, 필터링 이외의 추가적인 전처리(pre-filtering)를 수행할 수 있다.
카메라 구동 제어부(313)는 제2 영상 수집부에 포함된 카메라들의 구동을 각각 제어하기 위한 제1 및 제2 카메라 구동 신호를 생성할 수 있다. 제1 및 제2 카메라는 상기 제1 및 제2 카메라 구동 신호를 전달받고 촬영범위의 위치를 변경하거나 촬영범위의 넓이를 줄일 수 있다. 이에 따라, 제1 및 제2 카메라는 제1 영역에서 선택된 분할 영역에 대응되는 영역에 촬영범위를 정확하게 맞출 수 있다.
촬영 시점 제어부(314)는 제2 영상 수집부에 포함된 카메라들의 촬영 시점을 각각 제어하기 위한 제1 및 제2 촬영 시점 신호를 생성할 수 있다. 제1 및 제2 카메라는 상기 제1 및 제2 촬영 시점 신호에 대응되는 촬영 시점에 촬영할 수 있다. 이에 따라, 제1 및 제2 카메라는 제1 영역에서 선택된 분할 영역에 대응되는 영역에 촬영범위를 정확하게 맞출 수 있다.
또한, 상기 촬영 시점 제어부(314)는 제1 영상 수집부의 촬영 주기를 설정할 수도 있다. 만약 원료의 배치범위가 제1 영역보다 넓을 경우, 제1 영상 수집부는 제1 시점에서 촬영된 제1 영역의 영상의 일측이 제2 시점에서 촬영된 제1 영역의 영상의 타측과 일치하도록 제1 영역을 반복적으로 촬영함으로써, 원료의 전체 범위를 모두 촬영할 수 있다.
입도 분석부(320)는 제1 영역 영상 분석부(321), 제2 영역 영상 분석부(322) 및 입도 정보 생성부(323)를 포함할 수 있다.
제1 영역 영상 분석부(321)는 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성할 수 있다.
제2 영역 영상 분석부(322)는 제1 카메라에 의해 수집된 영상의 입도 정보와 제2 카메라에 의해 수집된 영상의 입도 정보를 각각 생성할 수 있다.
입도 정보 생성부(323)는 영상의 각 픽셀마다 밝기를 비교하여 원료의 복수의 경계를 식별할 수 있으며, 상기 복수의 경계가 이루는 형태의 내부 넓이를 각각 분석하여 입도 정보를 생성할 수 있다.
또한, 상기 입도 정보 생성부(323)는 제1 및 제2 보정 정보를 생성하고, 제1 영역의 입도 정보에 제1 및 제2 보정 정보를 적용하여 최종 입도 정보를 생성할 수 있다.
또한, 상기 입도 정보 생성부(323)는 분석한 입도 정보를 카메라 구동 제어부(313)로 전달할 수 있다.
이송속도 분석부(330)는 제1 이송속도 분석부(331) 및 제2 이송속도 분석부(332)를 포함할 수 있다.
제1 이송속도 분석부(331)는 제1 과정에 따라 서로 다른 시점에 촬영된 복수의 제1 영역의 영상으로부터 원료의 이송속도를 분석할 수 있다.
제2 이송속도 분석부(332)는 제2 과정에 따라 제1 영역의 영상과 제2 영역의 영상으로부터 원료의 이송속도를 분석할 수 있다.
제1 및 제2 이송속도 분석부(331, 332)에 의해 분석된 이송속도는 촬영 시점 제어부(314)로 전달될 수 있다.
본 발명의 일 실시 예에 따른 원료 입도 측정 장치는 이송속도 정보를 활용하여 카메라 개수를 줄이면서도 영상 정밀도를 향상시킬 수 있으며, 이송되는 원료의 입도를 더욱 정확하게 측정할 수 있다.
도 3은 이송속도를 산출하는 제1 과정의 원리를 나타낸 도면이다.
이송속도 정보는 제1 시점(t1)에 촬영된 영상에 포함된 원료의 위치와 제2 시점(t2)에 촬영된 영상에 포함된 원료의 위치간의 거리(d) 정보에, 제1 시점(t1)과 제2 시점(t2)간의 시간차(h) 정보를 나눈 값을 가질 수 있다.
도 4는 이송속도를 산출하는 제2 과정의 원리를 나타낸 도면이다.
이송속도 정보는 제1 영역의 특정 지점의 위치와 제2 영역의 특정 지점의 위치간의 거리(d') 정보에, 제1 영역의 영상에 포함된 원료가 특정 지점에 위치할 때의 제1 시점(t'1)과 제2 영역의 영상에 포함된 원료가 특정 지점에 위치할 때의 제2 시점(t'2)간의 시간차(h') 정보를 나눈 값을 가질 수 있다.
산출되는 이송속도의 정확도는 영상에 포함된 원료의 위치가 정확하게 식별될수록 높을 수 있다.
따라서, 영상 분석부는 인공지능을 활용하여 영상에 포함된 원료를 정확하게 식별할 수 있는 제1 및 제2 컨볼루션 신경망(Convolution Neural Network)을 포함할 수 있다.
도 5는 제1 컨볼루션 신경망을 통해 제1 영역의 영상에 포함된 원료를 식별하는 원리를 나타낸 도면이다.
제1 컨볼루션 신경망은 컨볼루션 층(Convolution Layers)을 통해 영상의 각 픽셀 별 색온도, 채도, 명도 및 밝기 중 적어도 하나를 순차적으로 필터링함으로써, 영상의 특정 위치에 원료가 존재하는지 여부를 판단할 수 있다.
상기 제1 컨볼루션 신경망은 딥러닝(Deep Learning)을 통해 지속적으로 학습할 수 있으므로, 조업자가 영상을 보고 판단하는 원리와 유사한 원리로 영상에 포함된 원료의 위치를 판단할 수 있다.
한편, 제1 컨볼루션 신경망은 입력 층(Input Layer)과 컨볼루션 층과 완전 연결 층(Fully Connected Layer)와 출력 층(Output Layer)을 포함할 수 있다. 상기 컨볼루션 층의 개수는 3개일 수 있으나, 이에 한정되지 않는다.
도 6은 제1 영역의 영상과 제2 영역의 정밀 영상을 예시한 도면이다.
도 6을 참조하면, 제1 영상 수집부에 의해 촬영된 제1 영역의 영상의 좌측 상단의 영역은 제2 영상 수집부에 의해 정밀하게 촬영될 수 있다.
예를 들어, 서로 다른 크기의 사각형 형태를 가지는 복수의 마크는 영상에서 원료의 각각의 덩어리에 대응되어 표시될 수 있다.
도 7은 제1 영역의 영상의 복수의 분할 영역과 제2 영상 수집부의 촬영범위를 예시한 도면이다.
도 2을 참조하면, 제1 영역의 영상은 30개의 분할 영역을 가질 수 있다. 상기 30개의 분할 영역은 서로 다른 입도 정보를 가질 수 있다.
제2 영상 수집부의 제1 카메라의 초기 촬영범위(카메라 1 영역)과 제2 카메라의 초기 촬영범위(카메라 2 영역)과 제3 카메라의 초기 촬영범위(카메라 3 영역)는 상기 30개의 분할 영역 중 12개에 대응될 수 있다.
제1 카메라는 보통의 입도 정보를 가지는 분할 영역을 촬영할 수 있으며, 제2 카메라는 큰 입도 정보를 가지는 분할 영역을 촬영할 수 있으며, 제3 카메라는 작은 입도 정보를 가지는 분할 영역을 촬영할 수 있다.
도 8은 제2 컨볼루션 신경망을 통해 제1 영역의 영상에 포함된 원료의 입도 정보를 분류하는 원리를 나타낸 도면이다.
제2 컨볼루션 신경망은 컨볼루션 층(Convolution Layers)을 통해 영상의 각 픽셀 별 색온도, 채도, 명도 및 밝기 중 적어도 하나를 순차적으로 필터링함으로써, 원료의 입도 정보를 정확하게 판단할 수 있다.
상기 제2 컨볼루션 신경망은 딥러닝(Deep Learning)을 통해 지속적으로 학습할 수 있으므로, 조업자가 영상을 보고 판단하는 원리와 유사한 원리로 영상에 포함된 원료의 입도 정보를 판단할 수 있다.
한편, 제2 컨볼루션 신경망은 입력 층(Input Layer)과 컨볼루션 층과 완전 연결 층(Fully Connected Layer)와 출력 층(Output Layer)을 포함할 수 있다. 상기 컨볼루션 층의 개수는 N개일 수 있으나, 이에 한정되지 않는다.
원료의 입도 정보를 판단하는 과정은 영상의 특정 위치에 원료가 존재하는지 여부를 판단하는 과정보다 복잡하므로, 제2 컨볼루션 신경망의 컨볼루션 층의 개수는 제1 컨볼루션 신경망의 컨볼루션 층의 개수보다 많을 수 있다.
제2 컨볼루션 신경망의 판단 과정은 영상에 포함되는 원료의 입도 정보가 다양할수록 복잡하므로, 제2 컨볼루션 신경망의 컨볼루션 층의 개수는 영상 분석부가 분석하는 입도 정보에 종속적일 수 있다.
예를 들어, 제2 컨볼루션 신경망은 제1 영역의 영상의 복수의 분할 영역 중 가장 큰 입도 정보를 가지는 분할 영역의 입도 정보가 클수록 비활성화 컨볼루션 층의 개수를 감소시킬 수 있다.
이에 따라, 제2 컨볼루션 신경망은 자신의 판단 과정을 상황에 맞춰서 최적화시킬 수 있다.
도 9는 본 발명의 일 실시 예에서 활용되는 컨볼루션 신경망을 예시한 도면이다.
도 9를 참조하면, 컨볼루션 신경망의 각 층은 다수의 노드(node)를 가질 수 있으며, 하나의 층에 포함된 전체 노드는 인접 층에 포함된 전체 노드와 연결될 수 있다.
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.
10: 원료
20: 컨베이어
100: 제1 영상 수집부
150: 제1 영역
200: 제2 영상 수집부
210: 제1 카메라
220: 제2 카메라
230: 제3 카메라
250: 제2 영역
300: 영상 처리부
310: 제어부
311: 영상 수집부
312: 영상 필터링부
313: 카메라 구동 제어부
314: 촬영시점 제어부
320: 입도 분석부
321: 제1 영역 영상 분석부
322: 제2 영역 영상 분석부
323: 입도 정보 생성부
330: 이송속도 분석부
331: 제1 이송속도 분석부
332: 제2 이송속도 분석부
20: 컨베이어
100: 제1 영상 수집부
150: 제1 영역
200: 제2 영상 수집부
210: 제1 카메라
220: 제2 카메라
230: 제3 카메라
250: 제2 영역
300: 영상 처리부
310: 제어부
311: 영상 수집부
312: 영상 필터링부
313: 카메라 구동 제어부
314: 촬영시점 제어부
320: 입도 분석부
321: 제1 영역 영상 분석부
322: 제2 영역 영상 분석부
323: 입도 정보 생성부
330: 이송속도 분석부
331: 제1 이송속도 분석부
332: 제2 이송속도 분석부
Claims (13)
- 이송되는 원료가 상기 원료의 이송경로의 제1 영역에 위치할 때의 상기 제1 영역의 영상을 수집하는 제1 영상 수집부;
상기 원료가 상기 이송경로의 제2 영역에 위치할 때의 상기 제2 영역의 영상을 수집하는 제2 영상 수집부; 및
상기 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성하는 영상 처리부; 를 포함하고,
상기 제2 영상 수집부는 상기 제2 영역에서 제1 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집하는 제1 카메라와, 상기 제2 영역에서 제2 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 영상을 수집하는 제2 카메라를 포함하고,
상기 영상 처리부는 상기 제1 카메라에 의해 수집된 영상의 입도 정보와 상기 제2 카메라에 의해 수집된 영상의 입도 정보를 각각 생성하는 원료 입도 측정 장치.
- 제1항에 있어서,
상기 영상 처리부는 상기 제1 카메라에 의해 수집된 영상의 입도 정보와 상기 제1 카메라의 촬영범위에 대응되는 상기 제1 영역의 영상의 분할 영역의 입도 정보를 비교하고 비교 결과에 기초하여 제1 보정 정보를 생성하고, 상기 제2 카메라에 의해 수집된 영상의 입도 정보와 상기 제2 카메라의 촬영범위에 대응되는 상기 제1 영역의 영상의 분할 영역의 입도 정보를 비교하고 비교 결과에 기초하여 제2 보정 정보를 생성하고, 상기 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보에 상기 제1 및 제2 보정 정보를 적용하여 최종 입도 정보를 생성하는 원료 입도 측정 장치.
- 제1항에 있어서,
상기 영상 처리부는 상기 제1 영역의 영상의 복수의 분할 영역 각각의 입도 정보를 상기 제1 및 제2 입도 범위와 비교하고, 비교 결과를 기초로 상기 제1 카메라 구동 신호와 제2 카메라 구동 신호를 생성하고,
상기 제1 카메라는 상기 제1 카메라 구동 신호에 따라 촬영범위의 위치를 변경하거나 넓이를 줄이고,
상기 제2 카메라는 상기 제2 카메라 구동 신호에 따라 촬영범위의 위치를 변경하거나 넓이를 줄이는 원료 입도 측정 장치.
- 제1항에 있어서,
상기 제1 영역의 넓이는 상기 제1 카메라의 촬영범위보다 넓고 상기 제2 카메라의 촬영범위보다 넓은 원료 입도 측정 장치.
- 제1항에 있어서,
상기 제1 영상 수집부는 복수의 시점에 상기 제1 영역의 영상을 수집하고,
상기 영상 처리부는 상기 복수의 시점 중 제1 시점에 수집된 영상에 포함된 원료를 식별하고, 상기 복수의 시점 중 제2 시점에 수집된 영상에 포함된 원료를 식별하고, 상기 제1 시점에 수집된 영상에 포함된 원료의 위치와 상기 제2 시점에 수집된 영상에 포함된 원료의 위치간의 거리 정보를 생성하고, 상기 제1 시점과 상기 제2 시점간의 시간차와 상기 거리 정보에 기초하여 상기 원료의 이송속도 정보를 생성하는 원료 입도 측정 장치.
- 제5항에 있어서,
상기 영상 처리부는 상기 이송속도 정보에 기초하여 기준 주기를 설정하고,
상기 제1 영상 수집부는 상기 기준 주기에 따라 상기 제1 영역의 영상을 반복적으로 수집하는 원료 입도 측정 장치.
- 제5항에 있어서,
상기 영상 처리부는 상기 이송속도 정보에 기초하여 상기 제2 영상 수집부의 영상 수집 시점을 설정하고,
상기 제2 영상 수집부는 상기 영상 수집 시점에 상기 제2 영역의 영상을 수집하는 원료 입도 측정 장치.
- 제1항에 있어서,
상기 영상 처리부는 컨볼루션 신경망(convolutional neural network)을 통해 상기 제1 영역의 영상에 포함된 원료를 식별하고 상기 제1 영역의 영상의 입도 정보를 분류하는 원료 입도 측정 장치.
- 제1항에 있어서,
상기 영상 처리부는 컨볼루션 층의 개수가 제1 개수인 제1 컨볼루션 신경망을 통해 상기 제1 영역의 영상에 포함된 원료를 식별하고, 컨볼루션 층의 개수가 제2 개수인 제2 컨볼루션 신경망을 통해 상기 제1 영역의 영상의 입도 정보를 분류하고,
상기 제2 개수는 상기 제1 개수보다 많은 원료 입도 측정 장치.
- 제9항에 있어서,
상기 영상 처리부는 상기 제1 영역의 영상의 입도 정보에 대응되는 상기 제2 개수를 설정하는 원료 입도 측정 장치.
- 이송되는 원료가 상기 원료의 이송경로의 제1 영역에 위치할 때의 상기 제1 영역의 영상을 수집하는 제1 영상 수집부;
상기 원료가 상기 이송경로의 제2 영역에 위치할 때의 상기 제2 영역의 영상을 수집하는 제2 영상 수집부; 및
상기 제1 영역의 영상의 복수의 분할 영역 각각에 포함된 원료의 입도 정보를 생성하는 영상 처리부; 를 포함하고,
상기 제2 영상 수집부는 상기 제2 영역에서 제1 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 제1 정밀 영상을 수집하고, 상기 제2 영역에서 제2 입도 범위에 속하는 입도 정보를 가지는 분할 영역에 대응되는 영역의 제2 정밀 영상을 수집하고,
상기 영상 처리부는 상기 제1 정밀 영상의 입도 정보와 상기 제2 정밀 영상의 입도 정보를 각각 생성하는 원료 입도 측정 장치.
- 제11항에 있어서,
상기 영상 처리부는 상기 제1 영역의 영상의 복수의 분할 영역 각각의 입도 정보를 상기 제1 및 제2 입도 범위와 비교하고, 비교 결과를 기초로 상기 제2 영상 수집부의 촬영범위 조절 신호를 생성하고,
상기 제2 영상 수집부는 상기 촬영범위 조절 신호에 따라 상기 제1 정밀 영상을 수집하기 위한 촬영범위를 설정하고, 상기 촬영범위 조절 신호에 따라 상기 제2 정밀 영상을 수집하기 위한 촬영범위를 설정하는 원료 입도 측정 장치.
- 제11항에 있어서,
상기 영상 처리부는 상기 제1 영역의 영상에 포함된 원료의 위치 정보를 생성하고, 상기 제2 영역의 영상에 포함된 원료의 위치 정보를 생성하고, 상기 제1 영역의 영상의 수집 시점과 상기 제2 영역의 영상의 수집 시점간의 시간차 정보를 생성하고, 상기 제1 영상 수집부와 상기 제2 영상 수집부간의 거리와 상기 시간차 정보에 기초하여 상기 원료의 이송속도 정보를 생성하는 원료 입도 측정 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160176615A KR101879087B1 (ko) | 2016-12-22 | 2016-12-22 | 이송되는 원료 입도 측정 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160176615A KR101879087B1 (ko) | 2016-12-22 | 2016-12-22 | 이송되는 원료 입도 측정 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180073117A KR20180073117A (ko) | 2018-07-02 |
| KR101879087B1 true KR101879087B1 (ko) | 2018-07-16 |
Family
ID=62914071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160176615A KR101879087B1 (ko) | 2016-12-22 | 2016-12-22 | 이송되는 원료 입도 측정 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101879087B1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111954800B (zh) * | 2018-04-03 | 2024-05-31 | 杰富意钢铁株式会社 | 粒度分布测定装置和粒度分布测定方法 |
| WO2020203255A1 (ja) * | 2019-04-02 | 2020-10-08 | Ｊｆｅスチール株式会社 | 粒度分布監視装置、粒度分布監視方法、コンピュータプログラム、炉、高炉、炉の制御方法、及び高炉操業方法 |
| US11275014B1 (en) | 2021-05-03 | 2022-03-15 | Roy Olson | Particle characteristic measurement apparatus |
| KR20230092495A (ko) * | 2021-12-17 | 2023-06-26 | 주식회사 포스코 | 고로 연원료의 입도 평가 장치 및 방법 |
| KR102442972B1 (ko) * | 2022-04-05 | 2022-09-14 | (주)엠에스아이티 | 이미지 프로세싱을 통한 원자재에 포함된 이물질 판별 시스템 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR950001300B1 (ko) * | 1992-01-07 | 1995-02-15 | 삼성전자 주식회사 | 반도체장치의 제조방법 |
| JP2000304680A (ja) * | 1999-04-16 | 2000-11-02 | Nikkiso Co Ltd | 粒度分布測定装置 |
| JP2005181169A (ja) * | 2003-12-22 | 2005-07-07 | Jfe Steel Kk | 粒度分布計測装置および方法 |
| JP2005208024A (ja) * | 2003-12-26 | 2005-08-04 | Jfe Steel Kk | 粉粒体の粒度分布作成方法 |
| JP2006017580A (ja) * | 2004-07-01 | 2006-01-19 | Ricoh Co Ltd | ベルトスリップ計測装置およびベルトスリップ計測方法 |
| WO2006117429A1 (en) * | 2005-05-02 | 2006-11-09 | Intelligent Pharmaceutics Ltd Oy | Measuring method and system for measuring particle size and shape of powdery or grain like particles |
| KR101363370B1 (ko) * | 2012-11-29 | 2014-02-17 | 주식회사 포스코 | 영상패턴 분석에 의한 원료광 입자크기 측정 장치 및 방법 |
-
2016
- 2016-12-22 KR KR1020160176615A patent/KR101879087B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR950001300B1 (ko) * | 1992-01-07 | 1995-02-15 | 삼성전자 주식회사 | 반도체장치의 제조방법 |
| JP2000304680A (ja) * | 1999-04-16 | 2000-11-02 | Nikkiso Co Ltd | 粒度分布測定装置 |
| JP2005181169A (ja) * | 2003-12-22 | 2005-07-07 | Jfe Steel Kk | 粒度分布計測装置および方法 |
| JP2005208024A (ja) * | 2003-12-26 | 2005-08-04 | Jfe Steel Kk | 粉粒体の粒度分布作成方法 |
| JP2006017580A (ja) * | 2004-07-01 | 2006-01-19 | Ricoh Co Ltd | ベルトスリップ計測装置およびベルトスリップ計測方法 |
| WO2006117429A1 (en) * | 2005-05-02 | 2006-11-09 | Intelligent Pharmaceutics Ltd Oy | Measuring method and system for measuring particle size and shape of powdery or grain like particles |
| KR101363370B1 (ko) * | 2012-11-29 | 2014-02-17 | 주식회사 포스코 | 영상패턴 분석에 의한 원료광 입자크기 측정 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180073117A (ko) | 2018-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101879087B1 (ko) | 이송되는 원료 입도 측정 장치 | |
| CN107944504B (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
| CN108109137A (zh) | 车辆部件的机器视觉检测系统及方法 | |
| CN109844498B (zh) | 粉末比率测定装置以及粉末比率测定系统 | |
| CN108918539A (zh) | 一种隧道结构表观病害检测装置及方法 | |
| CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
| CN103886290B (zh) | 一种复杂背景下的煤流视频检测方法 | |
| CN111968173B (zh) | 一种混合料粒度分析方法及系统 | |
| CN103072718A (zh) | 用于食品包装生产线的机器视觉检测系统及方法 | |
| CN103776841A (zh) | 合成革缺陷自动检测装置及检测方法 | |
| CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
| CN109848070B (zh) | 一种产品分拣系统及方法 | |
| CN106546598A (zh) | 带钢表面检测系统光源自适应控制方法 | |
| US20230175945A1 (en) | Method for determining the particle size distribution of parts of a bulk material fed onto a conveyor belt | |
| WO2022049549A1 (en) | Artificial intelligence based tobacco particle measurement system | |
| CN113834814A (zh) | 一种手套表面缺陷检测的装置 | |
| JP5796509B2 (ja) | フローサイトメータ | |
| KR20210018672A (ko) | 카메라를 이용한 미세먼지 농도 측정용 예측값 제공 장치 및 방법 | |
| CN116403284B (zh) | 一种基于蓝牙传输技术的智慧跑步考核训练系统 | |
| WO2015114750A1 (ja) | フローサイトメータ | |
| CN107153876A (zh) | 基于专家规则的机器视觉快门自整定智能控制方法 | |
| CN113807331A (zh) | 一种基于图像识别技术的安全带佩戴识别方法和装置 | |
| CN106872483A (zh) | 解决光学检测设备因透明材质中的气泡影响检测的方法 | |
| CN102928118B (zh) | 回转窑内冷却带熟料温度检测方法和系统 | |
| CN107192723B (zh) | 使用x射线的被检查对象物的判定装置以及判定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |