KR102132679B1 - Method for determining whether a back bead was generated, back bead determining device and program using the same - Google Patents

Method for determining whether a back bead was generated, back bead determining device and program using the same Download PDF

Info

Publication number
KR102132679B1
KR102132679B1 KR1020190029246A KR20190029246A KR102132679B1 KR 102132679 B1 KR102132679 B1 KR 102132679B1 KR 1020190029246 A KR1020190029246 A KR 1020190029246A KR 20190029246 A KR20190029246 A KR 20190029246A KR 102132679 B1 KR102132679 B1 KR 102132679B1
Authority
KR
South Korea
Prior art keywords
bead
generated
output current
spectrogram image
back side
Prior art date
Application number
KR1020190029246A
Other languages
Korean (ko)
Inventor
이세헌
김성남
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 KR1020190029246A priority Critical patent/KR102132679B1/en
Application granted granted Critical
Publication of KR102132679B1 publication Critical patent/KR102132679B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/006—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125—Weld quality monitoring
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Image Analysis (AREA)

Abstract

According to an embodiment of the present invention, a method for determining whether a back bead is generated, comprises the steps of: detecting, by a back bead determining device, a waveform of an output current signal on the basis of a test signal applied to an object to be welded; extracting, by the back bead determining device, at least a portion of a section included in the detected waveform of the output current signal; generating, by the back bead determining device, a spectrogram image by converting the output current signal included in the extracted section into a frequency domain; and determining, by the back bead determining device, whether a back bead is generated by inputting the spectrogram image with an input value of a convolutional neural network (CNN) model for determining whether the back bead of a welding portion of the object to be welded is generated. Accordingly, it can be determined whether the back bead is normally generated.

Description

이면 비드 생성여부를 판단하는 방법, 이를 이용하는 이면 비드 판단 장치 및 프로그램{METHOD FOR DETERMINING WHETHER A BACK BEAD WAS GENERATED, BACK BEAD DETERMINING DEVICE AND PROGRAM USING THE SAME}METHOD FOR DETERMINING WHETHER A BACK BEAD WAS GENERATED, BACK BEAD DETERMINING DEVICE AND PROGRAM USING THE SAME

본 발명은 이면 비드 생성여부를 판단하는 방법, 이를 이용하는 이면 비드 판단 장치 및 프로그램에 관한 것으로, 보다 상세하게는 피용접대상에 인가된 테스트 신호에 기초한 스펙트로그램 이미지(spectrogram image)를 CNN(Convolutional Neural Network) 모델의 입력값으로 입력하여 피용접대상에 이면 비드가 정상적으로 생성되었는지 여부를 판단할 수 있는 이면 비드 생성여부를 판단하는 방법, 이를 이용하는 이면 비드 판단 장치 및 프로그램에 관한 것이다.The present invention relates to a method for determining whether to generate a back side bead, a back side bead determination device and a program using the same, and more specifically, to a spectrogram image based on a test signal applied to an object to be welded, a convolutional neural CNN (Convolutional Neural) Network) A method of determining whether to generate a back bead that can determine whether a back bead is normally generated by inputting it as an input value of a model, and a back bead determination device and program using the same.

용접을 진행하는 경우 용접이 완전하게 이루어졌는지를 검사하는 검사가 필요하며, 이를 검사하기 위한 검사 방법에는 비파괴 방식의 검사와 파괴 방식의 검사가 있다.In the case of welding, inspection is required to check whether the welding is completed, and inspection methods for inspecting it include non-destructive inspection and destruction inspection.

특히, 비파괴 방식의 검사에는 초음파 탐상 검사법, 자기 탐사 검사법 등이 있으나, 비파괴 방식의 검사는 대부분 용접이 모두 완료된 이후에 검사가 이루어지므로 용접부의 상태에 이상이 있는 경우 많은 부분을 추가 용접해야 하는 비효율이 발생한다.In particular, the non-destructive method includes ultrasonic flaw detection and magnetic probe inspection, but most of the non-destructive method is inspected after all welding is completed. This happens.

본 발명이 이루고자 하는 과제는 피용접대상에 인가된 테스트 신호에 기초한 스펙트로그램 이미지(spectrogram image)를 CNN(Convolutional Neural Network) 모델의 입력값으로 입력하여 피용접대상에 이면 비드가 정상적으로 생성되었는지 여부를 판단할 수 있는 이면 비드 생성여부를 판단하는 방법, 이를 이용하는 이면 비드 판단 장치 및 프로그램을 제공하는 것이다.The problem to be achieved by the present invention is whether a bead is normally generated when the spectrogram image based on a test signal applied to the object to be welded is input as a value of a convolutional neural network (CNN) model. It is to provide a method for determining whether a back bead is generated, and a back bead determination device and program using the same.

본 발명의 기술적 사상에 의한 일 양태에 따른 이면 비드 생성여부를 판단하는 방법은 이면 비드(back bead) 판단 장치가, 피용접대상에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출하는 단계, 상기 이면 비드 판단 장치가, 검출된 상기 출력 전류 신호의 파형에 포함된 적어도 일부의 구간을 추출하는 단계, 상기 이면 비드 판단 장치가, 추출된 상기 일부의 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 스펙트로그램 이미지(spectrogram image)를 생성하는 단계 및 상기 이면 비드 판단 장치가, 상기 피용접대상의 용접부위의 이면 비드 생성여부 판단을 위한 CNN(Convolutional Neural Network) 모델의 입력 값으로 상기 스펙트로그램 이미지를 입력하여, 상기 이면 비드가 생성되었는지 여부를 판단하는 단계를 포함할 수 있다.A method of determining whether to generate a back bead according to an aspect of the present invention is based on a method of detecting a waveform of an output current signal based on a test signal applied to a to-be-welded object. The backside bead determination device extracts at least a portion of a section included in the detected waveform of the output current signal, and the backside bead determination apparatus sets the output current signal included in the extracted portion of the section to a frequency domain. Generating a spectrogram image by converting the spectrogram as an input value of a convolutional neural network (CNN) model for determining whether to generate a bead on the back side of the welding target of the welding target, and generating the spectrogram image. And inputting an image to determine whether the back side bead has been generated.

예시적인 실시 예에 따르면, 상기 피용접대상의 용접부위에 이면 비드가 생성되었는지 여부를 판단하는 단계는, 상기 이면 비드 판단 장치가, 기준 시간 구간마다 생성되는 상기 스펙트로그램 이미지를 상기 CNN 모델에 입력하여 상기 이면 비드가 생성되었는지 여부를 판단할 수 있다.According to an exemplary embodiment, the step of determining whether a back bead has been generated on the welded portion of the object to be welded may include inputting the spectrogram image generated for each reference time section into the CNN model by the back bead determination device. It is possible to determine whether the bead has been generated.

예시적인 실시 예에 따르면, 상기 적어도 일부의 구간을 추출하는 단계는, 상기 이면 비드 판단 장치가, 검출된 상기 출력 전류 신호의 파형에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출할 수 있다.According to an exemplary embodiment, the step of extracting the at least a portion of the section may extract a plurality of sections including sections that overlap each other in the waveform of the detected output current signal.

예시적인 실시 예에 따르면, 상기 스펙트로그램 이미지는, 서로 중첩되는 구간을 포함하는 상기 복수의 구간들 각각에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 시간-주파수 도메인에 나타내고, 각 주파수 성분의 크기를 색상으로 나타낸 이미지일 수 있다.According to an exemplary embodiment, the spectrogram image converts an output current signal included in each of the plurality of sections including sections overlapping each other into a frequency domain and represents it in a time-frequency domain, and the size of each frequency component It may be an image represented by a color.

예시적인 실시 예에 따르면, 상기 스펙트로그램 이미지는, 주파수 영역으로 변환된 상기 출력 전류 신호를 주파수 성분별 신호의 크기에 따라 서로 다른 색상으로 표시한 이미지일 수 있다.According to an exemplary embodiment, the spectrogram image may be an image in which the output current signal converted into a frequency domain is displayed in different colors according to the size of a signal for each frequency component.

예시적인 실시 예에 따르면, 상기 이면 비드가 생성되었는지 여부를 판단하는 단계는, 상기 CNN 모델에 상기 스펙트로그램 이미지를 입력한 결과값의 상기 기준 시간 구간 내의 비율에 기초하여, 상기 이면 비드가 생성되었는지 여부를 판단할 수 있다.According to an exemplary embodiment, the step of determining whether the back side beads have been generated is based on a ratio within the reference time interval of a result value of inputting the spectrogram image to the CNN model, and whether the back side beads have been generated. Can determine whether

예시적인 실시 예에 따르면, 상기 CNN 모델은 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer), 및 피드포워드 레이어(feedforward layer) 중에서 적어도 어느 하나를 포함할 수 있다.According to an exemplary embodiment, the CNN model may include at least one of a convolution layer, a pooling layer, and a feedforward layer.

예시적인 실시 예에 따르면, 상기 이면 비드 판단 장치가, 이면 비드가 생성된 경우의 스펙트로그램 이미지와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여 상기 CNN 모델을 학습시키는 단계를 더 포함할 수 있다.According to an exemplary embodiment, the back bead determination apparatus further includes training the CNN model by using the spectrogram image when the back side bead is generated and the spectrogram image when the back side bead is not generated. can do.

예시적인 실시 예에 따르면, 상기 CNN 모델을 학습시키는 단계는, 상기 이면 비드가 생성된 경우의 스펙트로그램 이미지와 상기 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여, 상기 CNN 모델의 상기 컨볼루션 레이어에 이용되는 필터를 학습시킬 수 있다.According to an exemplary embodiment, the step of training the CNN model may include, as input, a spectrogram image when the backside bead is generated and a spectrogram image when the backside bead is not generated, as the input of the CNN model. It is possible to train the filter used for the convolution layer.

예시적인 실시 예에 따르면, 상기 CNN 모델을 학습시키는 단계는, 상기 이면 비드가 생성된 경우의 스펙트로그램 이미지와 상기 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여, 상기 CNN 모델의 상기 피드포워드 레이어에 이용되는 분류 기준을 학습시킬 수 있다.According to an exemplary embodiment, the step of training the CNN model may include, as input, a spectrogram image when the backside bead is generated and a spectrogram image when the backside bead is not generated, as the input of the CNN model. Classification criteria used for the feedforward layer can be learned.

예시적인 실시 예에 따르면, 상기 CNN 모델을 학습시키는 단계는, 상기 이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀 값과 상기 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀 값에 기초하여, 상기 CNN 모델을 학습시킬 수 있다.According to an exemplary embodiment, the step of training the CNN model is based on the pixel value of the spectrogram image when the backside bead is generated and the pixel value of the spectrogram image when the backside bead is not generated, The CNN model can be trained.

예시적인 실시 예에 따르면, 상기 CNN 모델을 학습시키는 단계는, 이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀값의 시간별 최대값, 최소값, 평균값, 및 표준편차값 중 적어도 하나와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀값의 시간별 최대값, 최소값, 평균값, 및 표준편차값 중 적어도 하나에 기초하여, 상기 CNN 모델의 상기 컨볼루션 레이어에 이용되는 필터를 학습시킬 수 있다.According to an exemplary embodiment, the step of training the CNN model may include generating at least one of a maximum value, a minimum value, an average value, and a standard deviation value of pixel values of a spectrogram image when a backside bead is generated and a backside bead. A filter used for the convolutional layer of the CNN model may be trained based on at least one of a maximum value, a minimum value, an average value, and a standard deviation value for each hour of the pixel value of the spectrogram image.

예시적인 실시 예에 따르면, 상기 출력 전류 신호는, 상기 피용접대상의 가스 메탈 아크 용접 과정에서 실시간으로 상기 피용접대상에 인가된 상기 테스트 신호에 기초한 상기 출력 전류 신호일 수 있다.According to an exemplary embodiment, the output current signal may be the output current signal based on the test signal applied to the object to be welded in real time in a gas metal arc welding process of the object to be welded.

본 발명의 기술적 사상에 의한 일 양태에 따른 이면 비드 판단 장치는 피용접대상에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출하는 출력 신호 검출기, 검출된 상기 출력 전류 신호의 파형에 포함된 적어도 일부의 구간을 추출하는 신호 구간 추출기, 추출된 상기 일부의 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 스펙트로그램 이미지(spectrogram image)를 생성하는 스펙트로그램 이미지 생성기 및 상기 이면 비드 판단 장치가, 상기 피용접대상의 용접부위의 이면 비드 생성여부 판단을 위한 CNN(Convolutional Neural Network) 모델의 입력 값으로 상기 스펙트로그램 이미지를 이용하여, 상기 이면 비드가 생성되었는지 여부를 판단하는 이면 비드 생성여부 판단기를 포함할 수 있다.According to an aspect of the present invention, the apparatus for determining a back bead is an output signal detector that detects a waveform of an output current signal based on a test signal applied to an object to be welded, and at least included in the detected waveform of the output current signal. A signal section extractor for extracting a section of a part, a spectrogram image generator for converting the output current signal included in the extracted section to a frequency domain to generate a spectrogram image, and the backside bead determination device, Using the spectrogram image as an input value of a convolutional neural network (CNN) model for determining whether to generate a bead on the back side of the welding target to be welded, determine whether to generate a back side bead. It can contain.

본 발명의 기술적 사상에 의한 일 양태에 따른 프로세서(processor)와 결합되어 이면 비드 생성여부를 판단하는 방법을 수행하기 위한 매체에 저장된 프로그램은 피용접대상에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출하는 단계, 검출된 상기 출력 전류 신호의 파형에 포함된 적어도 일부의 구간을 추출하는 단계, 추출된 상기 일부의 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 스펙트로그램 이미지(spectrogram image)를 생성하는 단계 및 상기 피용접대상의 용접부위의 이면 비드 생성여부 판단을 위한 CNN(Convolutional Neural Network) 모델의 입력 값으로 상기 스펙트로그램 이미지를 이용하여, 상기 이면 비드가 생성되었는지 여부를 판단하는 단계를 수행할 수 있다.The waveform of the output current signal based on the test signal applied to the object to be welded is a program stored in a medium for performing a method of determining whether to generate a bead when combined with a processor according to an aspect of the present invention. Detecting, extracting at least a portion of a section included in the detected waveform of the output current signal, converting the output current signal included in the portion of the extracted portion into a frequency domain, and a spectrogram image (spectrogram image) Generating and using the spectrogram image as an input value of a convolutional neural network (CNN) model for determining whether to generate a bead on the back side of the welding target to be welded, determining whether the back side bead is generated You can do

본 발명의 실시 예에 따른 방법과 장치는 피용접대상에 인가된 테스트 신호에 기초한 스펙트로그램 이미지(spectrogram image)를 CNN(Convolutional Neural Network) 모델의 입력값으로 입력하여 피용접대상에 이면 비드가 정상적으로 생성되었는지 여부를 판단함으로써, 용접이 정상적으로 이루어지고 있는지 여부를 실시간으로 정확히 판단할 수 있는 효과가 있다.The method and apparatus according to an embodiment of the present invention input a spectrogram image based on a test signal applied to an object to be welded as an input value of a CNN (Convolutional Neural Network) model, and the bead is normally By determining whether it has been generated, there is an effect that can accurately determine in real time whether the welding is normally performed.

또한, 피용접대상의 용접부위의 이면 비드 생성여부를 판단하기 위한 CNN 모델을 학습시킴으로써, 해당 용접 환경에서 이면 비드 생성여부를 판단하는 데 적합한 CNN 모델을 확보할 수 있는 효과가 있다.In addition, by learning a CNN model for determining whether to generate a bead on the back side of a welding target to be welded, there is an effect of securing a CNN model suitable for determining whether to generate a back side bead in a corresponding welding environment.

본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시 예에 따른 이면 비드 판단 시스템의 개념도이다.
도 2는 도 1에 도시된 이면 비드 판단 장치의 일 실시 예에 따른 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 이면 비드 생성여부를 판단하는 방법의 플로우차트이다.
도 4는 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 검출된 출력 전류 신호의 일 실시 예이다.
도 5는 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 검출된 출력 전류 신호의 다른 실시 예이다.
도 6은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 추출된 일부 구간의 일 실시 예이다.
도 7은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 추출된 일부 구간의 다른 실시 예이다.
도 8은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는 일 실시 예이다.
도 9는 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는 일 실시 예이다.
도 10은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지의 일 실시 예이다.
도 11은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지의 다른 실시 예이다.
도 12는 도 10에 도시된 스펙트로그램 이미지의 픽셀값들을 표형태로 나타낸 도면이다.
도 13은 도 11에 도시된 스펙트로그램 이미지의 픽셀값들을 표형태로 나타낸 도면이다.
도 14는 도 12에 도시된 스펙트로그램 이미지의 픽셀값들의 시간대별 최대값, 평균값, 최소값, 및 표준편차값을 나타낸 그래프이다.
도 15는 도 13에 도시된 스펙트로그램 이미지의 픽셀값들의 시간대별 최대값, 평균값, 최소값, 및 표준편차값을 나타낸 그래프이다.
도 16은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지를 CNN 모델에 입력한 결과의 일 실시 예이다.
도 17은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지를 CNN 모델에 입력한 결과의 다른 실시 예이다.BRIEF DESCRIPTION OF THE DRAWINGS In order to better understand the drawings cited in the detailed description of the present invention, a brief description of each drawing is provided.
1 is a conceptual diagram of a back bead determination system according to an embodiment of the present invention.
FIG. 2 is a block diagram according to an embodiment of the back bead determination apparatus illustrated in FIG. 1.
3 is a flowchart of a method for determining whether to generate a back side bead according to an embodiment of the present invention.
FIG. 4 is an embodiment of an output current signal detected according to a method of determining whether to generate a back side bead in FIG. 3.
5 is another embodiment of an output current signal detected according to a method of determining whether to generate a bead on the back surface of FIG. 3.
FIG. 6 is an embodiment of a partial section extracted from an output current signal according to a method of determining whether to generate a back side bead in FIG. 3.
FIG. 7 is another embodiment of some sections extracted from the output current signal according to the method of determining whether to generate the bead on the back side of FIG. 3.
FIG. 8 is an embodiment of extracting a plurality of sections including sections overlapping each other from an output current signal according to a method of determining whether to generate a back side bead in FIG. 3.
FIG. 9 is an embodiment of extracting a plurality of sections including sections overlapping each other from an output current signal according to a method of determining whether to generate a back side bead in FIG. 3.
FIG. 10 is an embodiment of a spectrogram image generated according to a method of determining whether to generate a bead on the back surface of FIG. 3.
FIG. 11 is another example of a spectrogram image generated according to a method of determining whether to generate a back side bead in FIG. 3.
12 is a diagram illustrating pixel values of the spectrogram image shown in FIG. 10 in a tabular form.
13 is a diagram illustrating pixel values of the spectrogram image shown in FIG. 11 in a tabular form.
14 is a graph showing the maximum, average, minimum, and standard deviation values for each time period of the pixel values of the spectrogram image shown in FIG. 12.
FIG. 15 is a graph showing the maximum value, average value, minimum value, and standard deviation value for each time period of the pixel values of the spectrogram image shown in FIG. 13.
FIG. 16 is an embodiment of a result of inputting a spectrogram image generated according to a method of determining whether to generate a back side bead in FIG. 3 into a CNN model.
17 is another embodiment of a result of inputting a spectrogram image generated according to a method of determining whether to generate a bead on the back surface of FIG. 3 into a CNN model.

본 발명의 기술적 사상은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명의 기술적 사상을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상의 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.The technical idea of the present invention can be applied to various changes and can have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail through detailed description. However, this is not intended to limit the technical spirit of the present invention to specific embodiments, and should be understood to include all modifications, equivalents, and substitutes included in the scope of the technical spirit of the present invention.

본 발명의 기술적 사상을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.In describing the technical spirit of the present invention, when it is determined that detailed descriptions of related known technologies may unnecessarily obscure the subject matter of the present invention, detailed descriptions thereof will be omitted. In addition, the numbers used in the description process of the present specification (eg, first, second, etc.) are merely identification symbols for distinguishing one component from other components.

또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.In addition, in the present specification, when one component is referred to as “connected” or “connected” with another component, the one component may be directly connected to the other component, or may be directly connected. It should be understood that, as long as there is no objection to the contrary, it may or may be connected via another component in the middle.

또한, 본 명세서에 기재된 "~부", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 프로세서(Processor), 마이크로 프로세서(Micro Processer), 마이크로 컨트롤러(Micro Controller), CPU(Central Processing Unit), GPU(Graphics Processing Unit), APU(Accelerate Processor Unit), DSP(Drive Signal Processor), ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있으며, 적어도 하나의 기능이나 동작의 처리에 필요한 데이터를 저장하는 메모리(memory)와 결합되는 형태로 구현될 수도 있다. In addition, terms such as "~ unit", "~ group", "~ ruler", and "~ module" described in the present specification mean a unit that processes at least one function or operation, which is a processor or microprocessor. Processor (Micro Processer), Micro Controller (Micro Controller), Central Processing Unit (CPU), Graphics Processing Unit (GPU), Accelerate Processor Unit (APU), Drive Signal Processor (DSP), Application Specific Integrated Circuit (ASIC), FPGA (Field Programmable Gate Array) or the like, or may be implemented by a combination of hardware or software, and may be implemented in a form combined with a memory that stores data necessary for processing at least one function or operation. .

그리고 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.In addition, it is intended to clarify that the division of the components in this specification is only classified by the main functions of each component. That is, two or more components to be described below may be combined into one component, or one component may be divided into two or more for each subdivided function. In addition, each of the constituent parts to be described below may additionally perform some or all of the functions of other constituent parts in addition to the main functions of the constituent parts, and some of the main functions of the constituent parts are different. Needless to say, it may also be carried out in a dedicated manner.

이하, 본 발명의 기술적 사상에 따른 실시 예들을 차례로 상세히 설명한다.Hereinafter, embodiments according to the technical spirit of the present invention will be described in detail.

도 1은 본 발명의 일 실시 예에 따른 이면 비드 판단 시스템의 개념도이다.1 is a conceptual diagram of a back bead determination system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 이면 비드 판단 시스템(10)은 피용접대상(100)을 용접하기 위한 용접장치(200)와 용접 장치 전원(210), 신호 발생기(300), 및 이면 비드 판단 장치(400)를 포함할 수 있다.Referring to FIG. 1, the backside bead determination system 10 according to an embodiment of the present invention includes a welding apparatus 200 and a welding apparatus power source 210 and a signal generator 300 for welding the object to be welded 100 , And a back bead determination device 400.

피용접대상(100)은 용접의 대상이 되는 모재로서 용접과정을 통하여 피용접대상(100)에는 비드(bead, 110)가 형성될 수 있다.The object to be welded 100 is a base material to be welded, and a bead 110 may be formed on the object to be welded 100 through a welding process.

실시 예에 따라, 비드(110)는 무기재료로 구성될 수 있으며, 용접과정을 통하여 피용접대상(100)에 용융접합될 수 있다.According to an embodiment, the bead 110 may be made of an inorganic material, and may be melt-bonded to the object to be welded 100 through a welding process.

실시 예에 따라, 한쪽면 자동 용접을 통하여 용접이 이루어지는 경우, 피용접대상(100)의 이면에는 이면 비드(back bead, 120)가 형성될 수 있다. 용접이 제대로 이루어졌는지 여부를 판단하기 위해서는 이면 비드(120)가 정상적으로 형성되었는지 여부의 분석이 요구될 수 있다.According to an embodiment, when welding is performed through automatic welding on one side, a back bead 120 may be formed on the back surface of the object to be welded 100. In order to determine whether welding is properly performed, an analysis of whether the back bead 120 is normally formed may be required.

용접장치(200)는 용접봉과 용접봉의 끝단에 형성되는 팁을 포함하여 구성될 수 있으며, 용접 장치 전원(210)으로부터 공급되는 전원을 이용하여 피용접대상(100)에 접촉 후 용접 와이어를 녹여서 용융접합시킬 수 있다.The welding apparatus 200 may be configured to include a welding rod and a tip formed at the end of the welding rod, and melts by melting the welding wire after contacting the object to be welded 100 using the power supplied from the welding apparatus power source 210 Can be joined.

실시 예에 따라, 용접은 아크 용접(ark welding), 예컨대 SMAW(Shielded Metal Arc Welding), GMAW(Gas Metallic Arc Welding), FCAW(Flux Core Arc Welding), SAW(Submerged Arc Welding), GTAW(Gas Tungsten Arc Welding) 등 다양한 형태로 이루어질 수 있다.According to the embodiment, the welding is arc welding (ark welding), such as SMAW (Shielded Metal Arc Welding), GMAW (Gas Metallic Arc Welding), FCAW (Flux Core Arc Welding), SAW (Submerged Arc Welding), GTAW (Gas Tungsten) Arc Welding).

신호 발생기(300)는 이면 비드(120)가 생성되었는지 여부를 판단하기 위한 테스트 신호를 피용접대상(100)에 인가할 수 있다. 실시 예에 따라, 상기 테스트 신호는 교류 신호일 수 있다.The signal generator 300 may apply a test signal to determine whether or not the bead 120 is generated, to the object to be welded 100. According to an embodiment, the test signal may be an AC signal.

이면 비드 판단 장치(400)는 신호 발생기(300)에 의해 피용접 대상(100)에 인가된 테스트 신호에 기초하여 이면 비드(120)가 생성되었는지 여부를 판단할 수 있다.The back bead determination device 400 may determine whether the back bead 120 is generated based on the test signal applied to the object to be welded 100 by the signal generator 300.

본 명세서에서 "이면 비드(120)의 생성 여부"는 이면 비드(120)의 생성 여부 그 자체만을 의미하는 것은 아니고 이면 비드(120)가 정상적인 형태로 생성되었는지 여부를 함께 의미할 수 있다.In the present specification, "whether the bead 120 is generated" does not mean only whether the bead 120 is generated, but may also mean whether the bead 120 is generated in a normal form.

이면 비드 판단 장치(400)의 세부 구조와 동작에 대해서는 도 2와 도 3을 함께 참조하여 후술하도록 한다.The detailed structure and operation of the back bead determination device 400 will be described later with reference to FIGS. 2 and 3 together.

도 2는 도 1에 도시된 이면 비드 판단 장치의 일 실시 예에 따른 블록도이다. 도 3은 본 발명의 일 실시 예에 따른 이면 비드 생성여부를 판단하는 방법의 플로우차트이다. 도 4는 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 검출된 출력 전류 신호의 일 실시 예이다. 도 5는 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 검출된 출력 전류 신호의 다른 실시 예이다. 도 6은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 추출된 일부 구간의 일 실시 예이다. 도 7은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 추출된 일부 구간의 다른 실시 예이다. 도 8은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는 일 실시 예이다. 도 9는 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 출력 전류 신호에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는 일 실시 예이다. 도 10은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지의 일 실시 예이다. 도 11은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지의 다른 실시 예이다. 도 12는 도 10에 도시된 스펙트로그램 이미지의 픽셀값들을 표형태로 나타낸 도면이다. 도 13은 도 11에 도시된 스펙트로그램 이미지의 픽셀값들을 표형태로 나타낸 도면이다. 도 14는 도 12에 도시된 스펙트로그램 이미지의 픽셀값들의 시간대별 최대값, 평균값, 최소값, 및 표준편차값을 나타낸 그래프이다. 도 15는 도 13에 도시된 스펙트로그램 이미지의 픽셀값들의 시간대별 최대값, 평균값, 최소값, 및 표준편차값을 나타낸 그래프이다. 도 16은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지를 CNN 모델에 입력한 결과의 일 실시 예이다. 도 17은 도 3의 이면 비드 생성여부를 판단하는 방법에 따라 생성된 스펙트로그램 이미지를 CNN 모델에 입력한 결과의 다른 실시 예이다.FIG. 2 is a block diagram according to an embodiment of the back bead determination apparatus illustrated in FIG. 1. 3 is a flowchart of a method for determining whether to generate a back side bead according to an embodiment of the present invention. FIG. 4 is an embodiment of an output current signal detected according to a method of determining whether to generate a back side bead in FIG. 3. 5 is another embodiment of an output current signal detected according to a method of determining whether to generate a bead on the back surface of FIG. 3. FIG. 6 is an embodiment of a partial section extracted from an output current signal according to a method of determining whether to generate a back side bead in FIG. 3. FIG. 7 is another embodiment of some sections extracted from the output current signal according to the method of determining whether to generate the bead on the back side of FIG. 3. FIG. 8 is an embodiment of extracting a plurality of sections including sections overlapping each other from an output current signal according to a method of determining whether to generate a back side bead in FIG. 3. FIG. 9 is an embodiment of extracting a plurality of sections including sections overlapping each other from an output current signal according to a method of determining whether to generate a back side bead in FIG. 3. FIG. 10 is an example of a spectrogram image generated according to a method of determining whether to generate a bead on the back surface of FIG. 3. FIG. 11 is another embodiment of a spectrogram image generated according to a method of determining whether to generate a back side bead in FIG. 3. 12 is a diagram illustrating pixel values of the spectrogram image shown in FIG. 10 in a tabular form. 13 is a diagram illustrating pixel values of the spectrogram image shown in FIG. 11 in a tabular form. 14 is a graph showing the maximum, average, minimum, and standard deviation values for each time period of the pixel values of the spectrogram image shown in FIG. 12. FIG. 15 is a graph showing the maximum value, average value, minimum value, and standard deviation value for each time period of the pixel values of the spectrogram image shown in FIG. 13. FIG. 16 is an embodiment of a result of inputting a spectrogram image generated according to a method of determining whether to generate a back side bead in FIG. 3 into a CNN model. 17 is another embodiment of a result of inputting a spectrogram image generated according to a method of determining whether to generate a bead on the back surface of FIG. 3 into a CNN model.

도 1 내지 도 3을 참조하면, 이면 비드 판단 장치(400)는 출력 신호 검출기(410), 신호 구간 추출기(420), 주파수 영역 변환기(430), 스펙트로그램 이미지 생성기(440), CNN 모델 학습기(450), 및 이면 비드 생성여부 판단기(460)를 포함할 수 있다.1 to 3, the back bead determination device 400 includes an output signal detector 410, a signal section extractor 420, a frequency domain converter 430, a spectrogram image generator 440, and a CNN model learner ( 450), and a back side bead generator 460.

출력 신호 검출기(410)는 피용접대상(100)에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출할 수 있다(S301).The output signal detector 410 may detect a waveform of an output current signal based on a test signal applied to the object to be welded 100 (S301).

이면 비드(120)가 정상적으로 생성된 경우의 출력 신호 검출기(410)에 의해 검출되는 출력 전류 신호의 파형은 도 4와 같은 형태로 나타날 수 있다.When the bead 120 is normally generated, the waveform of the output current signal detected by the output signal detector 410 may appear as shown in FIG. 4.

반면, 이면 비드(120)가 정상적으로 생성되지 못한 경우의 출력 신호 검출기(410)에 의해 검출되는 출력 전류 신호의 파형은 도 5와 같은 형태로 나타날 수 있다.On the other hand, the waveform of the output current signal detected by the output signal detector 410 when the back bead 120 is not normally generated may appear in the form of FIG. 5.

출력 신호 검출기(410)는 검출된 출력 전류 신호의 파형에 관한 데이터를 신호 구간 추출기(420)로 전달할 수 있다.The output signal detector 410 may transmit data regarding the detected waveform of the output current signal to the signal section extractor 420.

신호 구간 추출기(420)는 출력 신호 검출기(410)에 의해 검출된 출력 전류 신호의 파형의 적어도 일부 구간을 추출할 수 있다(S302).The signal section extractor 420 may extract at least a portion of a waveform of the output current signal detected by the output signal detector 410 (S302).

실시 예에 따라, 신호 구간 추출기(420)에 의해 추출되는 일부 구간의 크기는 기준 시간 구간으로 정의될 수 있다.According to an embodiment, the size of some sections extracted by the signal section extractor 420 may be defined as a reference time section.

도 6을 함께 참조하면, 신호 구간 추출기(420)는 이면 비드(120)가 정상적으로 생성된 경우의 출력 신호 검출기(410)에 의해 검출되는 출력 전류 신호에서 적어도 일부 구간(예컨대, 4.1초에서 4.2초까지의 구간)을 추출할 수 있다.Referring to FIG. 6 together, the signal section extractor 420 includes at least some sections (eg, 4.1 seconds to 4.2 seconds) of the output current signal detected by the output signal detector 410 when the back bead 120 is normally generated. Section up to).

도 7을 함께 참조하면, 신호 구간 추출기(420)는 이면 비드(120)가 정상적으로 생성되지 않은 경우의 출력 신호 검출기(410)에 의해 검출되는 출력 전류 신호에서 적어도 일부 구간(예컨대, 4.1초에서 4.2초까지의 구간)을 추출할 수 있다.Referring to FIG. 7 together, the signal section extractor 420 includes at least a portion of the output current signal detected by the output signal detector 410 when the back side bead 120 is not normally generated (for example, 4.2 at 4.1 seconds). Intervals up to seconds).

실시 예에 따라, 신호 구간 추출기(420)는 검출된 출력 전류 신호 파형에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출할 수도 있다. 예컨대, 신호 구간 추출기(420)는 검출된 출력 전류 신호 파형에서 4.1초 내지 4.2초까지의 구간, 4.11초 내지 4.21초가지의 구간, 및 4.12초 내지 4.22초까지의 구간과 같은 형태로 적어도 일부 시간구간이 중첩되도록 출력 신호 파형의 복수의 구간들을 추출할 수 있다.According to an embodiment, the signal section extractor 420 may extract a plurality of sections including sections overlapping each other in the detected output current signal waveform. For example, the signal section extractor 420 has at least some time in the form of a section from 4.1 seconds to 4.2 seconds, a section from 4.11 seconds to 4.21 seconds, and a section from 4.12 seconds to 4.22 seconds in the detected output current signal waveform. A plurality of sections of the output signal waveform can be extracted so that the sections overlap.

도 8(a)와 도 8(b)를 함께 참조하면, 도 8(b)는 도 8(a)의 서로 중첩되는 구간들을 서로 분리하여 도시한 도면이며, 신호 구간 추출기(420)는 이면 비드(120)가 정상적으로 생성된 경우의 출력 신호 검출기(410)에 의해 검출되는 출력 전류 신호에서 서로 중첩되는 구간을 포함하는 복수의 구간들(예컨대, 4.0초에서 4.1초까지의 구간)을 추출할 수 있다. Referring to FIG. 8(a) and FIG. 8(b) together, FIG. 8(b) is a view showing the sections overlapping each other in FIG. 8(a) separately from each other, and the signal section extractor 420 is a back bead When the 120 is normally generated, a plurality of sections (for example, a section from 4.0 to 4.1 seconds) including sections overlapping each other may be extracted from the output current signal detected by the output signal detector 410. have.

도 9(a)와 도 9(b)를 함께 참조하면, 도 9(b)는 도 9(a)의 서로 중첩되는 구간들을 서로 분리하여 도시한 도면이며, 신호 구간 추출기(420)는 이면 비드(120)가 정상적으로 생성되지 않은 경우의 출력 신호 검출기(410)에 의해 검출되는 출력 전류 신호에서 서로 중첩되는 구간을 포함하는 복수의 구간들(예컨대, 4.0초에서 4.1초까지의 구간)을 추출할 수 있다.Referring to FIGS. 9(a) and 9(b) together, FIG. 9(b) is a view illustrating the sections overlapping each other in FIG. 9(a) separately from each other, and the signal section extractor 420 is a back bead In the case where 120 is not normally generated, a plurality of sections (for example, sections from 4.0 to 4.1 seconds) including sections overlapping each other are extracted from the output current signal detected by the output signal detector 410. Can.

주파수 영역 변환기(430)는 S302 단계에서 추출된 일부 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환할 수 있으며, 스펙트로그램 이미지 생성기(440)는 주파수 변환된 상기 일부 구간에 포함된 출력 전류 신호를 스펙트로그램 이미지로 생성할 수 있다(S303).The frequency domain converter 430 may convert the output current signal included in some sections extracted in step S302 into the frequency domain, and the spectrogram image generator 440 may convert the output current signals included in the frequency converted part sections. It can be generated as a spectrogram image (S303).

실시 예에 따라, 주파수 영역 변환기(430)는 S302 단계에서 추출된 서로 중첩되는 구간을 포함하는 복수의 구간들에 포함된 출력 전류 신호 각각을 주파수 영역으로 변환할 수 있으며, 스펙트로그램 이미지 생성기(440)는 주파수 변환된 출력 전류 신호들을 중첩시킴으로써 스펙트로그램 이미지로 생성할 수 있다.According to an embodiment, the frequency domain converter 430 may convert each of the output current signals included in a plurality of sections including sections overlapping each other extracted in step S302 into a frequency domain, and a spectrogram image generator 440 ) Can be generated as a spectrogram image by superimposing frequency-converted output current signals.

실시 예에 따라, 주파수 영역 변환기(430)와 스펙트로그램 이미지 생성기(440)는 하나의 모듈로 구현될 수도 있다.According to an embodiment, the frequency domain converter 430 and the spectrogram image generator 440 may be implemented as one module.

실시 예에 따라, 주파수 영역 변환기(430)는 FFT(Fast Fourier Transform)를 이용하여 시간 영역의 출력 전류 신호를 주파수 영역으로 변환할 수 있다.According to an embodiment, the frequency domain converter 430 may convert an output current signal in the time domain into a frequency domain using a Fast Fourier Transform (FFT).

실시 예에 따라, 스펙트로그램 이미지는 신호 구간 추출기(420)에 의해 추출된 일부 구간(또는 서로 중첩되는 구간을 포함하는 복수의 구간들)에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 시간-주파수 도메인에 나타내고, 각 주파수 성분의 크기를 색상으로 나타낸 이미지일 수 있다.According to an embodiment, the spectrogram image converts an output current signal included in some sections (or a plurality of sections including sections overlapping each other) extracted by the signal section extractor 420 into a frequency domain to time-frequency It may be an image shown in the domain and the color of the size of each frequency component.

실시 예에 따라, 스펙트로그램 이미지는 주파수 영역으로 변환된 출력 전류 신호를 주파수 성분별 신호의 크기에 따라 서로 다른 색상으로 표현한 것일 수 있다.According to an embodiment, the spectrogram image may be an output current signal converted into a frequency domain expressed in different colors according to the size of a signal for each frequency component.

실시 예에 따라, 스펙트로그램 이미지는 신호 구간 추출기(420)에 의해 정의된 기준 시간 구간마다 생성될 수 있다.According to an embodiment, the spectrogram image may be generated for each reference time section defined by the signal section extractor 420.

이면 비드(120)가 정상적으로 생성된 경우에 생성되는 스펙트로그램 이미지는 도 10과 같은 형태로 나타날 수 있다.When the bead 120 is normally generated, the spectrogram image generated when the bead 120 is normally generated may appear as shown in FIG. 10.

이면 비드(120)가 정상적으로 생성되지 않은 경우에 생성되는 스펙트로그램 이미지는 도 11과 같은 형태로 나타날 수 있다.When the bead 120 is not normally generated, the spectrogram image generated may appear in the form of FIG. 11.

도 10과 도 11을 참조하면, 주파수 영역으로 변환된 출력 전류 신호는 주파수 성분별 신호의 크기에 따라 스펙트로그램 이미지 내에서 파란색부터 빨간색까지 다양한 색상으로 표현될 수 있다.10 and 11, the output current signal converted to the frequency domain may be expressed in various colors from blue to red in the spectrogram image according to the size of the signal for each frequency component.

CNN 모델 학습기(450)는 스펙트로그램 이미지 생성기(440)에 의해 생성된 스펙트로그램 이미지를 입력으로 하여 이면 비드 생성여부 판단기(460)에서 이면 비드 생성여부의 판단에 사용되는 CNN 모델을 학습시킬 수 있다(S304).The CNN model learner 450 may use the spectrogram image generated by the spectrogram image generator 440 as an input to train the CNN model used to determine whether to generate the backside bead in the backside bead generation determiner 460. Yes (S304).

실시 예에 따라, CNN 모델은 컨볼루션 레이어(convolution layer) 풀링 레이어(pooling layer), 및 피드포워드 레이어(feedforward layer) 중 적어도 어느 하나를 포함할 수 있다.According to an embodiment, the CNN model may include at least one of a convolution layer pooling layer and a feedforward layer.

실시 예에 따라, CNN 모델 학습기(450)는 이면 비드가 생성된 경우의 스펙트로그램 이미지와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여 CNN 모델을 학습시킬 수 있다.According to an embodiment, the CNN model learner 450 may train the CNN model by inputting the spectrogram image when the back side beads are generated and the spectrogram image when the back side beads are not generated.

실시 예에 따라, CNN 모델 학습기(450)는 이면 비드가 생성된 경우의 스펙트로그램 이미지와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여 CNN 모델의 컨볼루션 레이어에 이용되는 필터를 학습시킬 수 있다. 이 경우, 컨볼루션 레이어에 이용되는 필터는 이면 비드가 생성된 경우의 스펙트로그램 이미지의 특징들과 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 특징들을 더욱 정교하게 반영할 수 있으며, 이에 따라 컨볼루션 레이어는 이면 비드 생성여부의 판단 대상이 되는 스펙트로그램 이미지의 특징값들을 더 정확하게 추출할 수 있다.According to an embodiment, the CNN model learner 450 learns a filter used for the convolutional layer of the CNN model by inputting the spectrogram image when the back side beads are generated and the spectrogram image when the back side beads are not generated. I can do it. In this case, the filter used for the convolutional layer can more precisely reflect the features of the spectrogram image when the backside bead is generated and the features of the spectrogram image when the backside bead is not generated. The lusion layer can more accurately extract feature values of the spectrogram image, which is a target for determining whether to generate beads.

실시 예에 따라, CNN 모델 학습기(450)는 이면 비드가 생성된 경우의 스펙트로그램 이미지와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여 CNN 모델의 피드포워드 레이어에 이용되는 분류 기준을 학습시킬 수 있다. 이 경우, 피드포워드 레이어에 이용되는 분류 기준은 이면 비드가 생성된 경우의 스펙트로그램 이미지와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 더욱 정확하게 분류할 수 있다.According to an embodiment, the CNN model learner 450 inputs the spectrogram image when the back side bead is generated and the spectrogram image when the back side bead is not generated, and sets classification criteria used for the feed forward layer of the CNN model. Can be learned. In this case, the classification criteria used for the feedforward layer can more accurately classify the spectrogram image when the back side beads are generated and the spectrogram image when the back side beads are not generated.

실시 예에 따라, CNN 모델 학습기(450)는 이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀 값들과 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀 값들에 기초하여, CNN 모델을 학습시킬 수 있다. According to an embodiment, the CNN model learner 450 may train the CNN model based on the pixel values of the spectrogram image when the backside bead is generated and the pixel values of the spectrogram image when the backside bead is not generated. have.

실시 예에 따라, 스펙트로그램 이미지의 픽셀 값은 해당 시간의 해당 주파수대역의 신호의 세기(intensity) 또는 크기(amplitude)를 나타낼 수 있다.According to an embodiment, the pixel value of the spectrogram image may indicate the intensity or amplitude of a signal in a corresponding frequency band at a corresponding time.

실시 예에 따라, 실시 예에 따라, CNN 모델 학습기(450)는 이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀 값들은 도 12와 같이 표형태로 나타날 수 있다.According to an embodiment, according to an embodiment, the CNN model learner 450 may display the pixel values of the spectrogram image when the bead is generated, as shown in FIG. 12.

실시 예에 따라, 실시 예에 따라, CNN 모델 학습기(450)는 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀 값들은 도 13과 같이 표형태로 나타날 수 있다.According to an embodiment, according to an embodiment, the CNN model learner 450 may display pixel values of a spectrogram image when a bead is not generated, as shown in FIG. 13.

실시 예에 다라, CNN 모델 학습기(450)는 이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀 값의 시간별 최대값, 최소값, 평균값, 및 표준편차값 중 적어도 어느 하나와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀 값의 시간별 최대값, 최소값, 평균값, 및 표준편차값 중 적어도 어느 하나에 기초하여, CNN 모델을 학습시킬 수 있다. Depending on the embodiment, the CNN model learner 450 does not generate a bead when at least one of the hourly maximum, minimum, average, and standard deviation values of the pixel values of the spectrogram image when the backside bead is generated and the standard deviation value The CNN model may be trained based on at least one of the maximum, minimum, average, and standard deviation values for each hour of the pixel values of the spectrogram image of.

이면 비드(120)가 정상적으로 생성된 경우에 생성되는 스펙트로그램 이미지의 픽셀 값의 시간별 최대값, 최소값, 평균값, 및 표준편차값은 도 14와 같은 형태로 나타날 수 있다.When the beads 120 are normally generated, the maximum value, the minimum value, the average value, and the standard deviation value of each pixel value of the generated spectrogram image may be represented in the form of FIG. 14.

이면 비드(120)가 정상적으로 생성되지 않은 경우에 생성되는 스펙트로그램 이미지의 픽셀 값의 시간별 최대값, 최소값, 평균값, 및 표준편차값은 도 15과 같은 형태로 나타날 수 있다.When the beads 120 are not normally generated, the maximum, minimum, average, and standard deviation values of the pixel values of the generated spectrogram image can be expressed in the form of FIG. 15.

도 14와 도 15를 함께 참조하면, 이면 비드(120)가 정상적으로 생성된 경우에는 이면 비드(120)가 정상적으로 생성되지 않은 경우에 비하여, 스펙트로그램 이미지의 픽셀 값의 시간별 최대값은 상대적으로 작고, 평균값은 상대적으로 크고 균일하며, 최소값은 상대적으로 크고, 표준편차 값은 상대적으로 작고 불균일한 경향성을 나타낼 수 있다. 14 and 15 together, when the backside bead 120 is normally generated, compared to the case where the backside bead 120 is not normally generated, the hourly maximum value of the pixel value of the spectrogram image is relatively small, The average value is relatively large and uniform, the minimum value is relatively large, and the standard deviation value is relatively small and may show a non-uniform tendency.

이면 비드 생성여부 판단기(460)는 CNN 모델 학습기(450)에 의해 학습된 CNN 모델을 이용하여, 이면 비드가 생성되었는지 여부를 판단할 수 있다(S305).The backside bead generation determining unit 460 may determine whether the backside beads have been generated using the CNN model trained by the CNN model learner 450 (S305).

이면 비드 생성여부 판단기(460)는 S303 단계에서 생성된 스펙트로그램 이미지를 CNN 모델의 입력 값으로 입력하여, 이면 비드가 정상적으로 생성되었는지 여부를 판단할 수 있다.The back side bead generation determining unit 460 may determine whether the back side beads are normally generated by inputting the spectrogram image generated in step S303 as an input value of the CNN model.

이면 비드(120)가 정상적으로 생성된 경우에 CNN 모델에 스펙트로그램을 입력한 결과값은 도 16과 같은 형태로 나타날 수 있다.When the bead 120 is normally generated, the result value of inputting the spectrogram to the CNN model may appear in the form of FIG. 16.

이면 비드(120)가 정상적으로 생성되지 않은 경우에 CNN 모델에 스펙트로그램을 입력한 결과값은 도 17과 같은 형태로 나타날 수 있다.If the bead 120 is not normally generated, the result of inputting the spectrogram to the CNN model may appear in the form of FIG. 17.

실시 예에 따라, 이면 비드 생성여부 판단기(460)는 CNN 모델에 스펙트로그램을 입력한 결과값의 기준 시간 구간 내의 비율에 기초하여, 이면 비드가 정상적으로 생성되었는지 여부를 판단할 수 있다. According to an embodiment, the determination whether or not the back side bead is generated may determine whether the back side bead is normally generated based on a ratio within a reference time interval of a result of inputting a spectrogram into a CNN model.

예컨대, 도 16을 참조하면, 기준 시간 구간이 0초에서 2초까지라고 가정하였을 때, CNN 모델의 결과값이 0인 시간구간 대비 CNN 모델의 결과값이 1인 시간구간의 비율이 기준값을 초과하는 경우 이면 비드(120)가 정상적으로 생성된 것으로 판단될 수 있다.For example, referring to FIG. 16, when it is assumed that the reference time period is 0 to 2 seconds, the ratio of the time period in which the result value of the CNN model is 1 to the time period in which the result value of the CNN model is 0 exceeds the reference value. If it is, it may be determined that the bead 120 is normally generated.

예컨대, 도 17을 참조하면, 기준 시간 구간이 0초에서 2초까지라고 가정하였을 때, CNN 모델의 결과값이 0인 시간구간 대비 CNN 모델의 결과값이 1인 시간구간의 비율이 기준값 이하인 경우 이면 비드(120)가 정상적으로 생성되지 않은 것으로 판단될 수 있다.For example, referring to FIG. 17, when it is assumed that the reference time period is from 0 seconds to 2 seconds, when the ratio of the time period in which the result value of the CNN model is 1 to the time period in which the result value of the CNN model is 0 is less than the reference value If it is, it may be determined that the beads 120 are not normally generated.

실시 예에 따라, 이면 비드 판단 장치(400)의 이면 비드 생성여부를 판단하는 방법은 이면 비드 판단 장치(400)에 포함된 하드웨어(hardware), 예컨대, 메모리(memory)와 프로세서(processor)의 조합을 통하여 수행될 수 있다. 이 때, 출력 신호 검출기(410), 신호 구간 추출기(420), 주파수 영역 변환기(430), 스펙트로그램 이미지 생성기(440), CNN 모델 학습기(450), 및 이면 비드 생성여부 판단기(460) 중 적어도 일부는 상기 프로세서의 일부 기능으로 구현될 수 있다. 예컨대, 본 발명의 실시 예에 따른 이면 비드 생성여부를 판단하는 방법은 프로그램 코드로 구현되어 메모리에 저장될 수 있으며, 메모리는 상기 프로세서와 결합되어 본 발명의 실시 예에 따른 이면 비드 생성여부를 판단하는 방법을 수행시킬 수 있다.According to an embodiment, a method of determining whether to generate a backside bead of the backside bead determination device 400 is a combination of hardware, for example, a memory and a processor included in the backside bead determination device 400. It can be performed through. At this time, among the output signal detector 410, the signal section extractor 420, the frequency domain converter 430, the spectrogram image generator 440, the CNN model learner 450, and the backside bead generation determiner 460 At least some may be implemented as some function of the processor. For example, a method of determining whether to generate a backside bead according to an embodiment of the present invention may be implemented as program code and stored in a memory, and the memory may be combined with the processor to determine whether to generate a backside bead according to an embodiment of the present invention. How to do it.

이상, 본 발명의 기술적 사상을 다양한 실시 예들을 들어 상세하게 설명하였으나, 본 발명의 기술적 사상은 상기 실시 예들에 한정되지 않고, 본 발명의 기술적 사상의 범위 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 여러가지 변형 및 변경이 가능하다.As described above, the technical idea of the present invention has been described in detail with various embodiments, but the technical idea of the present invention is not limited to the above embodiments, and has ordinary knowledge in the art within the scope of the technical idea of the present invention. Various modifications and changes are possible.

10 : 이면 비드 판단 시스템
100 : 피용접대상
120 : 이면 비드
200 : 용접장치
300 : 신호 발생기
400 : 이면 비드 판단 장치10: back side bead judgment system
100: object to be welded
120: back bead
200: welding device
300: signal generator
400: back bead determination device

Claims (15)

이면 비드(back bead) 판단 장치가, 피용접대상에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출하는 단계;
상기 이면 비드 판단 장치가, 검출된 상기 출력 전류 신호의 파형에 포함된 적어도 일부의 구간을 추출하는 단계;
상기 이면 비드 판단 장치가, 추출된 상기 일부의 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 스펙트로그램 이미지(spectrogram image)를 생성하는 단계; 및
상기 이면 비드 판단 장치가, 상기 피용접대상의 용접부위의 이면 비드 생성여부 판단을 위한 CNN(Convolutional Neural Network) 모델의 입력 값으로 상기 스펙트로그램 이미지를 입력하여, 상기 이면 비드가 생성되었는지 여부를 판단하는 단계를 포함하며,
상기 적어도 일부의 구간을 추출하는 단계는,
상기 이면 비드 판단 장치가, 검출된 상기 출력 전류 신호의 파형에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는, 이면 비드 생성여부를 판단하는 방법.
A back bead determination device detecting a waveform of an output current signal based on a test signal applied to the object to be welded;
Extracting at least a portion of the back bead determination device included in the detected waveform of the output current signal;
Generating a spectrogram image by converting the output current signal included in the part of the extracted portion into a frequency domain by the back bead determination apparatus; And
The back bead determination device inputs the spectrogram image as an input value of a convolutional neural network (CNN) model for judging whether to generate a back bead at a welded part to be welded, and determines whether the back bead is generated. The steps include,
Extracting at least a portion of the section,
The method for determining whether the back side bead is generated, wherein the back side bead determination device extracts a plurality of sections including sections overlapping each other in the detected waveform of the output current signal.
제1항에 있어서,
상기 피용접대상의 용접부위에 이면 비드가 생성되었는지 여부를 판단하는 단계는,
상기 이면 비드 판단 장치가, 기준 시간 구간마다 생성되는 상기 스펙트로그램 이미지를 상기 CNN 모델에 입력하여 상기 이면 비드가 생성되었는지 여부를 판단하는, 이면 비드 생성여부를 판단하는 방법.
According to claim 1,
The step of determining whether a bead has been generated on the back side of the welded portion to be welded is
The method for determining whether the back side bead is generated by the back side bead determination device determining whether the back side beads have been generated by inputting the spectrogram image generated for each reference time interval into the CNN model.
삭제delete 제1항에 있어서,
상기 스펙트로그램 이미지는,
서로 중첩되는 구간을 포함하는 상기 복수의 구간들 각각에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 시간-주파수 도메인에 나타내고, 각 주파수 성분의 크기를 색상으로 나타낸 이미지인, 이면 비드 생성여부를 판단하는 방법.
According to claim 1,
The spectrogram image,
The output current signal included in each of the plurality of sections including the sections overlapping each other is converted into a frequency domain and displayed in a time-frequency domain. How to.
제4항에 있어서,
상기 스펙트로그램 이미지는,
주파수 영역으로 변환된 상기 출력 전류 신호를 주파수 성분별 신호의 크기에 따라 서로 다른 색상으로 표시한 이미지인, 이면 비드 생성여부를 판단하는 방법.
According to claim 4,
The spectrogram image,
A method of determining whether to generate a back bead, which is an image in which the output current signal converted into the frequency domain is displayed in different colors according to the size of the signal for each frequency component.
제2항에 있어서,
상기 이면 비드가 생성되었는지 여부를 판단하는 단계는,
상기 CNN 모델에 상기 스펙트로그램 이미지를 입력한 결과값의 상기 기준 시간 구간 내의 비율에 기초하여, 상기 이면 비드가 생성되었는지 여부를 판단하는, 이면 비드 생성여부를 판단하는 방법.
According to claim 2,
The step of determining whether the back side beads have been generated,
A method of determining whether to generate a back bead, based on a ratio within the reference time interval of a result of inputting the spectrogram image to the CNN model.
제2항에 있어서,
상기 CNN 모델은 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer), 및 피드포워드 레이어(feedforward layer) 중에서 적어도 어느 하나를 포함하는, 이면 비드 생성여부를 판단하는 방법.
According to claim 2,
The CNN model includes a convolution layer (convolution layer), a pooling layer (pooling layer), and a feedforward layer (feedforward layer) at least one of the method, to determine whether or not the back bead generation.
제7항에 있어서,
상기 이면 비드 판단 장치가, 이면 비드가 생성된 경우의 스펙트로그램 이미지와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여 상기 CNN 모델을 학습시키는 단계를 더 포함하는, 이면 비드 생성여부를 판단하는 방법.
The method of claim 7,
Whether the back side bead generating apparatus further comprises training the CNN model by using the spectrogram image when the back side bead is generated and the spectrogram image when the back side bead is not generated, as an input. How to judge.
제8항에 있어서,
상기 CNN 모델을 학습시키는 단계는,
상기 이면 비드가 생성된 경우의 스펙트로그램 이미지와 상기 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여, 상기 CNN 모델의 상기 컨볼루션 레이어에 이용되는 필터를 학습시키는, 이면 비드 생성여부를 판단하는 방법.
The method of claim 8,
The step of training the CNN model,
Whether to generate a backside bead by learning a filter used for the convolutional layer of the CNN model by using a spectrogram image when the backside bead is generated and a spectrogram image when the backside bead is not generated. How to judge.
제8항에 있어서,
상기 CNN 모델을 학습시키는 단계는,
상기 이면 비드가 생성된 경우의 스펙트로그램 이미지와 상기 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지를 입력으로 하여, 상기 CNN 모델의 상기 피드포워드 레이어에 이용되는 분류 기준을 학습시키는, 이면 비드 생성여부를 판단하는 방법.
The method of claim 8,
The step of training the CNN model,
Whether to generate a backside bead by learning a classification criterion used for the feedforward layer of the CNN model by using a spectrogram image when the backside bead is generated and a spectrogram image when the backside bead is not generated. How to judge.
제8항에 있어서,
상기 CNN 모델을 학습시키는 단계는,
상기 이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀 값과 상기 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀 값에 기초하여, 상기 CNN 모델을 학습시키는, 이면 비드 생성여부를 판단하는 방법.
The method of claim 8,
The step of training the CNN model,
Based on the pixel value of the spectrogram image when the back side bead is generated and the pixel value of the spectrogram image when the back side bead is not generated, a method of determining whether to generate the back side bead by training the CNN model.
제11항에 있어서,
상기 CNN 모델을 학습시키는 단계는,
이면 비드가 생성된 경우의 스펙트로그램 이미지의 픽셀값의 시간별 최대값, 최소값, 평균값, 및 표준편차값 중 적어도 하나와 이면 비드가 생성되지 않은 경우의 스펙트로그램 이미지의 픽셀값의 시간별 최대값, 최소값, 평균값, 및 표준편차값 중 적어도 하나에 기초하여, 상기 CNN 모델의 상기 컨볼루션 레이어에 이용되는 필터를 학습시키는, 이면 비드 생성여부를 판단하는 방법.
The method of claim 11,
The step of training the CNN model,
At least one of the hourly maximum, minimum, average, and standard deviation values of the pixel values of the spectrogram image when the bead is generated, and the maximum and minimum hourly values of the pixel values of the spectrogram image when the bead is not generated. , Learning a filter used for the convolutional layer of the CNN model based on at least one of an average value and a standard deviation value.
제1항에 있어서,
상기 출력 전류 신호는,
상기 피용접대상의 가스 메탈 아크 용접 과정에서 실시간으로 상기 피용접대상에 인가된 상기 테스트 신호에 기초한 상기 출력 전류 신호인, 이면 비드 생성여부를 판단하는 방법.
According to claim 1,
The output current signal,
A method of determining whether to generate a back bead, which is the output current signal based on the test signal applied to the object to be welded in real time in the process of gas metal arc welding of the object to be welded.
피용접대상에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출하는 출력 신호 검출기;
검출된 상기 출력 전류 신호의 파형에 포함된 적어도 일부의 구간을 추출하는 신호 구간 추출기;
추출된 상기 일부의 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 스펙트로그램 이미지(spectrogram image)를 생성하는 스펙트로그램 이미지 생성기; 및
상기 피용접대상의 용접부위의 이면 비드 생성여부 판단을 위한 CNN(Convolutional Neural Network) 모델의 입력 값으로 상기 스펙트로그램 이미지를 이용하여, 상기 이면 비드가 생성되었는지 여부를 판단하는 이면 비드 생성여부 판단기를 포함하며,
상기 신호 구간 추출기는,
검출된 상기 출력 전류 신호의 파형에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는, 이면 비드 판단 장치.
An output signal detector for detecting the waveform of the output current signal based on the test signal applied to the object to be welded;
A signal section extractor that extracts at least a portion of a section included in the detected waveform of the output current signal;
A spectrogram image generator that generates a spectrogram image by converting the output current signal included in the portion of the extracted portion into a frequency domain; And
Using the spectrogram image as an input value of a convolutional neural network (CNN) model for determining whether to generate a bead on the back side of the welding target to be welded, determine whether to generate a back side bead. Includes,
The signal section extractor,
A backside bead determination device for extracting a plurality of sections including sections overlapping each other from the detected waveform of the output current signal.
프로세서(processor)와 결합되어 이면 비드 생성여부를 판단하는 방법을 수행하기 위한 매체에 저장된 프로그램으로서,
피용접대상에 인가된 테스트 신호에 기초한 출력 전류 신호의 파형을 검출하는 단계;
검출된 상기 출력 전류 신호의 파형에 포함된 적어도 일부의 구간을 추출하는 단계;
추출된 상기 일부의 구간에 포함된 출력 전류 신호를 주파수 영역으로 변환하여 스펙트로그램 이미지(spectrogram image)를 생성하는 단계; 및
상기 피용접대상의 용접부위의 이면 비드 생성여부 판단을 위한 CNN(Convolutional Neural Network) 모델의 입력 값으로 상기 스펙트로그램 이미지를 이용하여, 상기 이면 비드가 생성되었는지 여부를 판단하는 단계를 수행하며,
상기 적어도 일부의 구간을 추출하는 단계는,
검출된 상기 출력 전류 신호의 파형에서 서로 중첩되는 구간을 포함하는 복수의 구간들을 추출하는, 프로그램.A program stored in a medium for performing a method of determining whether or not a bead is generated when combined with a processor,
Detecting a waveform of an output current signal based on a test signal applied to the object to be welded;
Extracting at least a portion of a section included in the detected waveform of the output current signal;
Generating a spectrogram image by converting the output current signal included in the portion of the extracted portion into a frequency domain; And
Using the spectrogram image as an input value of a convolutional neural network (CNN) model for determining whether to generate a bead on the back side of the welding target to be welded, a step of determining whether the back side bead is generated is performed,
Extracting at least a portion of the section,
A program for extracting a plurality of sections including sections overlapping each other in the detected waveform of the output current signal.
KR1020190029246A 2019-03-14 2019-03-14 Method for determining whether a back bead was generated, back bead determining device and program using the same KR102132679B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190029246A KR102132679B1 (en) 2019-03-14 2019-03-14 Method for determining whether a back bead was generated, back bead determining device and program using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190029246A KR102132679B1 (en) 2019-03-14 2019-03-14 Method for determining whether a back bead was generated, back bead determining device and program using the same

Publications (1)

Publication Number Publication Date
KR102132679B1 true KR102132679B1 (en) 2020-07-13

Family

ID=71571006

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190029246A KR102132679B1 (en) 2019-03-14 2019-03-14 Method for determining whether a back bead was generated, back bead determining device and program using the same

Country Status (1)

Country Link
KR (1) KR102132679B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153714A (en) * 2023-10-31 2023-12-01 宁波尚进自动化科技有限公司 Method, system, equipment and medium for detecting welding bonding

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017015668A (en) * 2015-07-07 2017-01-19 株式会社日立パワーソリューションズ Plate weld inspection method and inspection device
KR101942219B1 (en) * 2018-07-05 2019-01-24 고재성 Apparatus and method for waste image identification using convolution neural network

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017015668A (en) * 2015-07-07 2017-01-19 株式会社日立パワーソリューションズ Plate weld inspection method and inspection device
KR101942219B1 (en) * 2018-07-05 2019-01-24 고재성 Apparatus and method for waste image identification using convolution neural network

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153714A (en) * 2023-10-31 2023-12-01 宁波尚进自动化科技有限公司 Method, system, equipment and medium for detecting welding bonding
CN117153714B (en) * 2023-10-31 2024-04-02 宁波尚进自动化科技有限公司 Method, system, equipment and medium for detecting welding bonding

Similar Documents

Publication Publication Date Title
EP3900870A1 (en) Visual inspection device, method for improving accuracy of determination for existence/nonexistence of shape failure of welding portion and kind thereof using same, welding system, and work welding method using same
US5306893A (en) Weld acoustic monitor
CN108334908B (en) Method and device for detecting railway rail damage
KR20190081614A (en) System for inspecting welding quality of weld zone using ultrasonic
KR20180122115A (en) Welding inspection device and inspection method for secondary battery
KR102132679B1 (en) Method for determining whether a back bead was generated, back bead determining device and program using the same
EP1700663A3 (en) Welding method and welding equipment
JPH10235490A (en) Method for evaluating weld state of electric welding machine and device therefor
CN103302392A (en) Apparatus and method for monitoring resistance welding and system thereof
JP2008055442A (en) Method of evaluating laser beam welding
CN116323088A (en) Welding system, welding method, welding auxiliary device, program, learning device, and method for generating learned model
CN115836218A (en) Inspection device, inspection method, and inspection program
Mazlan et al. Monitoring the quality of welding based on welding current and ste analysis
Yusuf et al. Stationary spot welding (ssw) quality improvement using six sigma methodology and a poka yoke jig design
CN105021704B (en) A kind of measuring method for improving the ultrasonic flaw detection ratio of brazing area degree of accuracy
JPWO2020152757A1 (en) Machining state detector, laser machine and machine learning device
JP2009180602A (en) Welding inspection method and welding inspection device
Warinsiriruk et al. Design the feature extraction for real time inspection of welding quality
JP2017015668A (en) Plate weld inspection method and inspection device
JP5611863B2 (en) Eddy current flaw detector, method, and program
KR102233498B1 (en) Apparatus for inspecting defect of welding and method thereof.
CN106442709B (en) Device and method for detecting welding spots
JP4158780B2 (en) Speaker inspection method, speaker inspection apparatus, and sound reproduction apparatus
JP2017188001A5 (en)
CN215953472U (en) Nondestructive inspection device based on audio analysis

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant