KR102148817B1 - System and method for detecting bad contact lens - Google Patents

System and method for detecting bad contact lens Download PDF

Info

Publication number
KR102148817B1
KR102148817B1 KR1020180162186A KR20180162186A KR102148817B1 KR 102148817 B1 KR102148817 B1 KR 102148817B1 KR 1020180162186 A KR1020180162186 A KR 1020180162186A KR 20180162186 A KR20180162186 A KR 20180162186A KR 102148817 B1 KR102148817 B1 KR 102148817B1
Authority
KR
South Korea
Prior art keywords
contact lens
image
images
learning
scanned
Prior art date
Application number
KR1020180162186A
Other languages
Korean (ko)
Other versions
KR20200080367A (en
Inventor
엄주범
박안진
엄종현
Original Assignee
한국광기술원
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 한국광기술원 filed Critical 한국광기술원
Priority to KR1020180162186A priority Critical patent/KR102148817B1/en
Publication of KR20200080367A publication Critical patent/KR20200080367A/en
Application granted granted Critical
Publication of KR102148817B1 publication Critical patent/KR102148817B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
    • G02B26/08—Optical devices or arrangements for the control of light using movable or deformable optical elements for controlling the direction of light
    • G02B26/10—Scanning systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G01N2021/9583—Lenses
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G01N2201/06113—Coherent sources; lasers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Computational Linguistics (AREA)
  • Chemical & Material Sciences (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

본 기술은 불량 콘택트렌즈 검출 시스템 및 방법이 개시된다. 본 기술의 구체적인 예에 따르면, 레이저 광을 이용한 비접촉 방식으로 스캔된 콘택트렌즈로부터 획득된 검출신호에 대해 고속의 고분해능을 가지는 광단층 영상 기법을 적용하여 2차원 및 3차원 영상을 획득하고 획득된 2차원 및 3차원 영상과 모델로 구축된 불량 패턴으로 학습 수행하여 스캔된 콘택트렌즈의 불량을 판별함에 따라 콘택트렌즈의 불량을 실시간으로 신속하게 판별할 수 있고, 이에 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있다.The present technology discloses a system and method for detecting a defective contact lens. According to a specific example of the present technology, two-dimensional and three-dimensional images are obtained by applying a high-speed, high-resolution optical tomography technique to a detection signal obtained from a contact lens scanned in a non-contact method using laser light, It is possible to quickly identify contact lens defects in real time by performing learning with defect patterns built with dimensional and 3D images and models to determine the defects of scanned contact lenses, and thus, the quality of contact lenses and reliability of the product. Can improve.

Description

불량 콘택트렌즈 검출 시스템 및 방법{SYSTEM AND METHOD FOR DETECTING BAD CONTACT LENS}Defective contact lens detection system and method TECHNICAL FIELD [SYSTEM AND METHOD FOR DETECTING BAD CONTACT LENS]

본 발명은 불량 콘택트렌즈 검출 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 광단층 영상 기법을 이용하여 콘택트렌즈의 2차원 및 3차원 영상을 기초로 불량 콘택트렌즈를 선별할 수 있는 기술에 관한 것이다. The present invention relates to a system and method for detecting defective contact lenses, and more particularly, to a technology for selecting defective contact lenses based on 2D and 3D images of a contact lens using an optical tomography technique.

최근에 안경 등의 시력보정 제품보다 콘택트렌즈의 관심이 증가하고, 관련 생산기업이 늘어나고 있으며, 이에 따라 시력 보정제품에 대한 콘택트렌즈의 굴절력 및 두께에 대한 측정장치에 대한 관심이 증가하고 있다.In recent years, interest in contact lenses has increased rather than vision correction products such as eyeglasses, and related manufacturers are increasing. Accordingly, interest in measuring devices for the refractive power and thickness of contact lenses for vision correction products is increasing.

따라서, 동일 소재로 제조된 콘택트렌즈의 정점 굴절력은 제조 공정상에서 렌즈의 중심부의 곡률반경에 의해서 결정된다. Therefore, the peak refractive power of the contact lens made of the same material is determined by the radius of curvature of the center of the lens during the manufacturing process.

일반적으로 소프트 콘택트렌즈 정점의 굴절력을 측정하는 기법으로는 공기 중에서 렌즈 미터를 이용하는 방법과, 웨이브 프론트 수차 분석 Hartmann 방법 등이 있다. In general, techniques for measuring the refractive power of the vertices of soft contact lenses include a method using a lens meter in air, and a Hartmann method for analyzing wave front aberration.

여기서, 렌즈 미터로 이용하여 굴절률을 도출하는 기법은 dry blotting 과 wet cell 등의 방법이 있지만 각 방법에 따라 측정된 결과 값들 사이에 차이가 발생하는 한계에 도달한다.Here, there are methods such as dry blotting and wet cell to derive the refractive index using a lens meter, but the difference between the measured result values according to each method reaches the limit that occurs.

또한 콘택트렌즈의 정점 굴절력 측정함에 있어, 망원경식 렌즈미터를 사용하는 경우 측정자의 경험 및 주관이 측정값에 많은 영향을 미치는 단점을 지니고 있다. In addition, in measuring the peak refractive power of a contact lens, in the case of using a telescopic lens meter, the experience and subjectivity of the measurer has a drawback that a lot of influence on the measured value.

이에 최근에는 망원경식 렌즈미터와 함께 투영식 자동 렌즈 미터를 많이 사용하고 있지만, 수분 및 렌즈거치에 따라 많은 오차가 발생할 수 있는 단점을 가지고 있으며, 두께 등의 다양한 파라미터를 동시에 측정할 수 없는 문제점이 있었다.Accordingly, in recent years, a projection type automatic lens meter has been widely used along with a telescopic lens meter, but it has a disadvantage that a lot of errors may occur depending on moisture and lens mounting, and various parameters such as thickness cannot be measured simultaneously. there was.

한편, 콘택트렌즈의 생산 공정에서 굴절력은 측정이 불가능하거나 콘택트렌즈를 마운트 하는 방식에 따라 많은 오차가 발생하므로, 생산된 콘택트렌즈의 굴절력이 정확한 지에 대한 확인이 어렵다.On the other hand, since it is impossible to measure the refractive power in the manufacturing process of the contact lens, or a lot of errors occur depending on the method of mounting the contact lens, it is difficult to confirm whether the refractive power of the produced contact lens is accurate.

이에 제조 공정 중 별도의 장비를 이용하여 불량 콘택트렌즈를 선별하거나 콘택트렌즈 투영기를 활용한 검사자의 육안 검사를 통해 선별되므로, 많은 시간이 소요되고, 검사자의 개인적인 능력 차이에 의해 콘택트렌즈의 불량이 증가 할 수 있다는 단점을 가진다. Therefore, since the defective contact lenses are selected using separate equipment during the manufacturing process or through the visual inspection of the inspector using a contact lens projector, it takes a lot of time, and the defects of the contact lenses increase due to the difference in personal capabilities of the inspector. It has the disadvantage of being able to do it.

본 발명은 고속의 고분해능을 가지는 광단층 영상 기법을 이용하여 획득된 2차원 및 3차원 영상으로부터 불량 콘택트렌즈를 선별할 수 있고, 이에 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있는 불량 콘택트렌즈 검출 시스템 및 방법을 제공하고자 함에 그 목적이 있다.The present invention is capable of selecting defective contact lenses from 2D and 3D images obtained using a high-speed, high-resolution optical tomography technique, thereby improving the quality of the contact lenses and reliability of the product. An object thereof is to provide a lens detection system and method.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시 예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The object of the present invention is not limited to the above-mentioned object, and other objects and advantages of the present invention that are not mentioned can be understood by the following description, and will be more clearly understood by examples of the present invention. In addition, it will be easily understood that the objects and advantages of the present invention can be realized by means and combinations thereof indicated in the claims.

전술한 목적을 달성하기 위한 본 발명의 실시 예에 의한 불량 콘택트렌즈 검출 시스템은, 획득된 콘택트렌즈의 2차원 및 3차원 영상에 대해 불량 패턴에 대한 모델을 구축한 다음 기 정해진 파장의 레이저 광을 생성하여 출력하는 광단층 영상장치; 출력된 레이저 광을 콘택트렌즈에 제공하고, 상기 콘택트렌즈로부터 제공된 검출신호를 상기 광단층 영상장치로 전달하는 스캔장치를 포함하고, 상기 광단층 영상장치는, 상기 검출신호를 토대로 콘택트렌즈의 2차원 및 3차원 영상을 도출한 다음 도출된 2차원 및 3차원 영상에 대해 기 구축된 모델로 학습 수행하여 스캔된 콘택트렌즈의 불량을 검출하도록 구비되는 것을 특징으로 한다.A defective contact lens detection system according to an embodiment of the present invention for achieving the above object, builds a model for a defective pattern for 2D and 3D images of the obtained contact lens, and then generates laser light of a predetermined wavelength. An optical tomography imaging device that generates and outputs; And a scanning device that provides the output laser light to a contact lens and transmits a detection signal provided from the contact lens to the optical tomography imaging device, wherein the optical tomography imaging device includes a two-dimensional contact lens based on the detection signal. And deriving a 3D image and then performing learning on the derived 2D and 3D images with a pre-built model to detect defects in the scanned contact lens.

바람직하게 상기 스캔장치는, 컨베이어 벨트를 통해 X축 방향으로 이동하는 다수의 콘택트렌즈 중 하나의 콘택트렌즈의 Y축 라인을 스캔하는 갈바노 미터 스캐너로 구비되고, 상기 갈바노 미터 스캐너는 상기 레이저 광의 입사방향을 Y축 방향으로 각각 반사시키는 갈바노 미러; 상기 갈바노 미러를 통과한 레이저 광이 콘택트렌즈를 스캔하도록 회전시키는 갈바노미터; 상기 미러를 통과한 레이저광을 콘택트렌즈로 조사하는 미러; 및 콘택트렌즈에서 반사되는 광신호와 콘택트렌즈를 투과하여 반사되는 나머지 광신호가 합쳐진 검출신호를 수신하여 상기 미러로 전달하는 스캔렌즈를 포함하고, 상기 미러는 상기 스캔렌즈의 통과한 검출 신호를 수신하여 집광시키는 콜리메이터를 경유하여 상기 광단층 영상장치로 전달하도록 구비된다. Preferably, the scanning device is provided as a galvanometer scanner that scans a Y-axis line of one of a plurality of contact lenses moving in the X-axis direction through a conveyor belt, and the galvanometer scanner Galvano mirrors each reflecting the incident direction in the Y-axis direction; A galvanometer which rotates the laser light passing through the galvano mirror to scan the contact lens; A mirror for irradiating the laser light passing through the mirror with a contact lens; And a scan lens receiving a detection signal in which the optical signal reflected from the contact lens and the remaining optical signal reflected through the contact lens are combined and transmitted to the mirror, wherein the mirror receives the detection signal passed by the scan lens. It is provided to transmit the light to the optical tomography imaging apparatus via a collimator for condensing light.

바람직하게 상기 광단층 영상장치는, 획득된 콘택트렌즈의 2차원 영상과 3차원 영상의 학습 이미지와 불량 패턴의 학습 레이블로 모델을 구축하는 모델 구축부; 및 상기 스캔장치로부터 전달받은 검출 신호의 스펙트럼 성분을 추출하고 추출된 스펙트럼 성분을 주파수 성분으로 변환하여 2차원 영상의 깊이 정보를 취득한 다음 상기 깊이 정보를 이용하여 3차원 영상을 도출하는 영상 도출부를 포함하고, 획득된 콘택트렌즈의 2차원 및 3차원 영상에 대해 콘택트렌즈의 관심 영역(ROI: Region Of Interest)을 선정하는 관심영역 추출부; 및 관심영역의 2차원 및 3차원 영상과 기 구축된 모델에 대해 학습을 수행하여 학습 결과로 스캔된 콘택트렌즈의 불량을 검출하는 학습부를 포함할 수 있다.Preferably, the optical tomography imaging apparatus comprises: a model construction unit for constructing a model using the acquired 2D image of the contact lens and the learning image of the 3D image and a learning label of a defective pattern; And an image derivation unit for extracting a spectral component of the detection signal received from the scanning device, converting the extracted spectral component into a frequency component, acquiring depth information of a 2D image, and then deriving a 3D image using the depth information. And a region of interest extracting unit for selecting a region of interest (ROI) of the contact lens for the obtained 2D and 3D images of the contact lens; And a learning unit that performs learning on 2D and 3D images of the ROI and a pre-built model to detect defects of the scanned contact lens as a result of the learning.

바람직하게 상기 모델 구축부는 획득된 2차원 및 3차원 영상의 학습 이미지와 다수의 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)을 기반으로 모델을 구축하도록 구비될 수 있다.Preferably, the model building unit may be provided to build a model based on the acquired training images of 2D and 3D images and a convolutional neural network (CNN) for learning labels of a plurality of defective patterns.

바람직하게 상기 학습부는, 스캔된 2차원 및 3차원 영상의 학습 이미지와 모델로 구축된 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)의 콘볼루션 결과의 가중치 값들을 연산하는 학습모듈과 연산된 콘볼루션 결과의 가중치를 토대로 스캔된 콘택트렌즈의 2차원 및 3차원 영상이 불량인 지 정상인 지를 판단하는 예측모듈을 포함할 수 있다.Preferably, the learning unit calculates the weight values of the convolution result of the convolution neural network (CNN) for the training image of the scanned 2D and 3D image and the training label of the defective pattern constructed as a model. A prediction module for determining whether the 2D and 3D images of the scanned contact lens are defective or normal based on the weight of the module and the calculated convolution result may be included.

본 발명의 다른 실시 예에 따른 불량 콘택트렌즈 검출 방법은, 획득된 콘택트렌즈의 2차원 및 3차원 영상에 대한 학습 이미지와 다수의 불량 패턴에 대한 학습 레이블로 모델을 구축하는 모델 구축단계; 광단층 영상장치에서 기 정해진 파장의 레이저 광을 생성하여 출력하는 광원 생성단계; 출력된 레이저 광을 콘택트렌즈에 제공하고, 상기 콘택트렌즈로부터 제공된 검출신호를 전달하는 스캔단계를 포함하고, 상기 광단층 영상장치에서 상기 검출신호를 토대로 콘택트렌즈의 2차원 및 3차원 영상을 도출한 다음 도출된 2차원 및 3차원 영상에 대해 구축된 모델로 학습 수행하여 스캔된 콘택트렌즈의 불량을 검출하는 학습단계를 포함하도록 구비되는 것을 특징으로 한다.According to another embodiment of the present invention, a method for detecting a defective contact lens includes: a model building step of constructing a model using a training image for 2D and 3D images of the obtained contact lens and a learning label for a plurality of defective patterns; A light source generating step of generating and outputting laser light of a predetermined wavelength in an optical tomography imaging apparatus; Including a scanning step of providing the output laser light to a contact lens and transmitting a detection signal provided from the contact lens, and derives 2D and 3D images of the contact lens based on the detection signal in the optical tomography apparatus. It is characterized in that it is provided to include a learning step of detecting defects of the scanned contact lenses by performing training on the derived 2D and 3D images with a built model.

바람직하게 모델 구축단계는 획득된 2차원 및 3차원 영상의 학습 이미지와 다수의 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)을 기반으로 모델을 구축하도록 구비될 수 있다.Preferably, the model building step may be provided to build a model based on a convolutional neural network (CNN) for training images of acquired 2D and 3D images and training labels of a plurality of defective patterns.

바람직하게 상기 학습단계는 스캔된 콘택트렌즈의 2차원 및 3차원 영상에 대해 콘택트렌즈의 관심 영역(ROI: Region Of Interest)을 선정하는 단계; 및 스캔된 관심영역의 2차원 및 3차원 영상의 학습 이미지와 모델로 구축된 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)의 콘볼루션 결과의 가중치 값들을 연산하는 수행하는 단계; 및 연산된 콘볼루션 결과의 가중치를 토대로 스캔된 콘택트렌즈의 2차원 및 3차원 영상이 불량인 지 정상인 지를 판단하는 모듈을 포함할 수 있다.Preferably, the learning step includes selecting a region of interest (ROI) of the contact lens with respect to the scanned 2D and 3D images of the contact lens; And calculating the weight values of the convolution result of the convolution neural network (CNN) for the training image of the scanned 2D and 3D image of the scanned ROI and the training label of the defective pattern constructed as the model. ; And a module that determines whether 2D and 3D images of the scanned contact lens are defective or normal based on the weight of the calculated convolution result.

본 발명에 따르면 레이저 광을 이용한 비접촉 방식으로 스캔된 콘택트렌즈로부터 획득된 검출신호에 대해 고속의 고분해능을 가지는 광단층 영상 기법을 적용하여 2차원 및 3차원 영상을 획득하고 획득된 2차원 및 3차원 영상과 모델로 구축된 불량 패턴으로 학습 수행하여 스캔된 콘택트렌즈의 불량을 판별함에 따라 콘택트렌즈의 불량을 실시간으로 신속하게 판별할 수 있고, 이에 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있는 이점을 가진다. According to the present invention, two-dimensional and three-dimensional images are obtained by applying a high-speed, high-resolution optical tomography technique to a detection signal obtained from a contact lens scanned in a non-contact method using laser light, and the obtained two-dimensional and three-dimensional images It is possible to quickly determine the defects of the contact lenses in real time by performing learning with the defective pattern constructed from images and models to determine the defects of the scanned contact lenses, thereby improving the quality of the contact lenses and the reliability of the product. Has an advantage.

본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시 예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.
도 1은 본 실시예의 불량 콘택트렌즈 검출 시스템의 구성도이다.
도 2는 본 실시예의 시스템에 적용되는 스캔장치의 구성도이다.
도 3은 본 실시예의 시스템의 광단층 영상장치의 세부 구성도이다.
도 4는 본 실시예의 시스템의 CNN을 설명하기 위한 개념도이다.
도 5는 본 실시예의 시스템에서 획득된 영상을 보인 예시도이다.
도 6은 본 실시 예의 시스템의 불량 패턴을 보인 예시도이다.
도 7은 본 실시 예의 시스템의 학습과정을 설명하기 위한 개념도이다.The following drawings appended in the present specification illustrate preferred embodiments of the present invention, and serve to further understand the technical idea of the present invention together with the detailed description of the present invention to be described later, so the present invention is described in such drawings. It is limited only to and should not be interpreted.
1 is a configuration diagram of a defective contact lens detection system according to the present embodiment.
2 is a block diagram of a scanning device applied to the system of the present embodiment.
3 is a detailed configuration diagram of an optical tomography imaging apparatus of the system of this embodiment.
4 is a conceptual diagram for explaining the CNN of the system of this embodiment.
5 is an exemplary view showing an image acquired in the system of this embodiment.
6 is an exemplary diagram showing a failure pattern of the system of the present embodiment.
7 is a conceptual diagram illustrating a learning process of the system according to the present embodiment.

이하에서는 도면을 참조하여 본 발명의 실시예들을 보다 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in more detail with reference to the drawings.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.Advantages and features of the present invention, and a method of achieving them will become apparent with reference to the embodiments described later together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in a variety of different forms, and only these embodiments make the disclosure of the present invention complete, and are common knowledge in the technical field to which the present invention pertains. It is provided to completely inform the scope of the invention to those who have, and the invention is only defined by the scope of the claims.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.The terms used in the present specification will be briefly described, and the present invention will be described in detail.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in the present invention have been selected from general terms that are currently widely used while considering functions in the present invention, but this may vary according to the intention or precedent of a technician working in the field, the emergence of new technologies, and the like. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning of the terms will be described in detail in the description of the corresponding invention. Therefore, the terms used in the present invention should be defined based on the meaning of the term and the overall contents of the present invention, not a simple name of the term.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.When a part of the specification "includes" a certain component, it means that other components may be further included rather than excluding other components unless specifically stated to the contrary. In addition, the term "unit" used in the specification refers to a hardware component such as software, FPGA, or ASIC, and "unit" performs certain roles. However, "unit" is not meant to be limited to software or hardware. The “unit” may be configured to be in an addressable storage medium or may be configured to reproduce one or more processors.

따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.Thus, as an example, "unit" refers to components such as software components, object-oriented software components, class components, and task components, processes, functions, properties, procedures, Includes subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, database, data structures, tables, arrays and variables. The functions provided within the components and "units" may be combined into a smaller number of components and "units" or may be further separated into additional components and "units".

아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the present invention. In addition, in the drawings, parts not related to the description are omitted in order to clearly describe the present invention.

본 발명의 실시 예가 적용되는 시스템은 각각의 구성요소에 대해 임의 개를 임의의 적절한 구성으로 포함할 수도 있다. 일반적으로, 컴퓨팅 및 통신 시스템들은 광범위한 구성들로 나타나며, 도면은 본 개시의 범위를 어떤 특정 구성으로 한정하지 않는다. 도면은 본 특허 문서에서 개시된 다양한 특성들이 사용될 수 있는 하나의 동작 환경을 도시하고 있지만, 그러한 특성들은 어떤 다른 적절한 시스템에서 사용될 수도 있다.The system to which the embodiment of the present invention is applied may include any number of components for each component in any appropriate configuration. In general, computing and communication systems appear in a wide variety of configurations, and the drawings do not limit the scope of the present disclosure to any particular configuration. The drawings show one operating environment in which the various features disclosed in this patent document may be used, but such features may be used in any other suitable system.

본 실시 예는 레이저 광을 이용한 비접촉 방식으로 스캔된 콘택트렌즈로부터 획득된 검출신호에 대해 고속의 고분해능을 가지는 광단층 영상 기법을 적용하여 2차원 및 3차원 영상을 획득하고 획득된 2차원 및 3차원 영상으로 콘택트렌즈의 관심 영역을 선정하며 선정된 관심 영역의 학습 이미지와 기 구축된 모델의 불량 패턴의 학습 레이블로 학습 수행하여 콘택트렌즈의 불량을 검출함에 따라 실시간으로 정확하게 콘택트렌즈의 불량을 판별할 수 있다.The present embodiment obtains 2D and 3D images by applying a high-speed, high-resolution optical tomography imaging technique to a detection signal obtained from a contact lens scanned in a non-contact method using laser light, and obtains 2D and 3D images. By selecting the region of interest of the contact lens with the image, learning with the learning image of the selected region of interest and the learning label of the defective pattern of the previously constructed model, the defect of the contact lens can be accurately identified in real time. I can.

이에 본 실시 예에 의거 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있다.Accordingly, it is possible to improve the quality of the contact lens and the reliability of the product according to the present embodiment.

도 1은 본 실시 예의 불량 콘택트렌즈 검출 시스템의 구성을 보인 도면으로서, 도 1을 참조하면, 본 실시 예의 불량 콘택트렌즈 검출 시스템은, 광단층 영상장치(100), 스캔장치(200), 콘택트렌즈(300)를 포함할 수 있으며, 도 1에 도시된 콘택트렌즈 측정 시스템은 본 실시 예와 관련된 구성요소들만 이 도시되어 있다. 따라서, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시 예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.FIG. 1 is a diagram showing the configuration of a defective contact lens detection system according to the present embodiment. Referring to FIG. 1, the defective contact lens detection system according to the present embodiment includes an optical tomography apparatus 100, a scanning apparatus 200, and a contact lens. 300 may be included, and in the contact lens measuring system illustrated in FIG. 1, only components related to the present embodiment are illustrated. Accordingly, it can be understood by those of ordinary skill in the art related to the present embodiment that other general-purpose components may be further included in addition to the components illustrated in FIG. 1.

광단층 영상장치(100)는, 콘택트렌즈의 2차원 및 3차원 영상과 다수의 불량 패턴에 대한 모델을 구축한 다음 기 정해진 파장의 레이저 광을 생성하여 스캔장치(200)로 전달한다. 여기서, 콘택트렌즈의 2차원 및 3차원 영상의 학습 이미지와 불량 패턴의 학습 레이블을 콘볼루션 신경망(CNN: Convolution Neural Network)을 기반으로 모델을 구축하는 과정은 후술한다.The optical tomography imaging apparatus 100 constructs a model for a 2D and 3D image of a contact lens and a plurality of defective patterns, and then generates laser light having a predetermined wavelength and transmits it to the scanning apparatus 200. Here, a process of constructing a model based on a convolutional neural network (CNN) using a training image of a 2D and 3D image of a contact lens and a training label of a defective pattern will be described later.

또한 광단층 영상장치(100)에서 레이저 광을 생성하는 과정은 일반적인 광원을 생성하는 일련의 과정과 동일 또는 유사하다.In addition, the process of generating laser light in the optical tomography imaging apparatus 100 is the same as or similar to a series of processes of generating a general light source.

스캔장치(200)는 출력된 레이저 광을 콘택트렌즈에 제공하고, 상기 콘택트렌즈로부터 제공된 검출신호를 광단층 영상장치(100)로 전달한다.The scanning device 200 provides the output laser light to a contact lens, and transmits a detection signal provided from the contact lens to the optical tomography imaging apparatus 100.

이에 광단층 영상장치(100)는 상기 검출신호를 토대로 스캔된 콘택트렌즈의 2차원 및 3차원 영상을 도출한 다음 도출된 2차원 및 3차원 영상에 대해 학습 수행하여 스캔된 콘택트렌즈의 불량을 검출한다.Accordingly, the optical tomography imaging apparatus 100 derives 2D and 3D images of the scanned contact lenses based on the detection signal and then learns the derived 2D and 3D images to detect defects in the scanned contact lenses. do.

도 2는 스캔장치(200)의 세부적인 구성을 보인 도면으로서, 도 2를 참조하면 스캔장치(200)는 컨베이어 벨트를 통해 X축 방향으로 이동하는 다수의 콘택트렌즈 중 하나의 콘택트렌즈(300)의 Y축 라인을 스캔하는 갈바노 미터 스캐너로 구비된다.FIG. 2 is a diagram showing a detailed configuration of the scanning device 200. Referring to FIG. 2, the scanning device 200 includes one contact lens 300 among a plurality of contact lenses moving in the X-axis direction through a conveyor belt. It is equipped with a galvanometer scanner to scan the Y-axis line.

여기서, 상기 갈바노 미터 스캐너는 상기 레이저 광의 입사방향을 Y축 방향으로 각각 반사시키는 갈바노 미러(213)와, 상기 갈바노 미러를 통과한 레이저 광이 콘택트렌즈를 스캔하도록 회전시키는 갈바노미터(223)와, 상기 미러를 통과한 레이저광을 콘택트렌즈로 조사하는 미러 (233)와, 콘택트렌즈에서 반사되는 광신호와 콘택트렌즈를 투과하여 반사되는 나머지 광신호가 합쳐진 검출신호를 수신하여 상기 미러로 전달하는 스캔렌즈(240)를 포함하고, 상기 미러 (233)는 상기 스캔렌즈(240)의 통과한 검출 신호를 수신하여 집광시키는 콜리메이터(250)를 경유하여 상기 광단층 영상장치(100)로 전달한다. Here, the galvanometer scanner includes a galvano mirror 213 that reflects the incident direction of the laser light in the Y-axis direction, and a galvanometer that rotates so that the laser light passing through the galvano mirror scans the contact lens ( 223), a mirror 233 for irradiating the laser light passing through the mirror with a contact lens, and a detection signal in which an optical signal reflected from the contact lens and the remaining optical signal reflected through the contact lens are combined, and transferred to the mirror. Includes a scan lens 240 to transmit, and the mirror 233 is transmitted to the optical tomography imaging apparatus 100 via a collimator 250 for receiving and condensing a detection signal passed by the scan lens 240 do.

이에 X 축 방향으로 이동하는 컨베이어 밸트에 의거 콘택트렌즈의 Y 축 방향의 라인 광 스캔만으로도 2차원 영상이 도출된다.Accordingly, a two-dimensional image is derived only by scanning the line light in the Y-axis direction of the contact lens based on the conveyor belt moving in the X-axis direction.

도 3은 도 1에 도시된 광단층 영상장치(100)의 세부적인 구성을 보인 도면으로서, 도 3을 참조하면, 광단층 영상장치(100)는, 모델 구축부(110), 영상 도출부(120), 관심영역 추출부(130), 및 학습부(140)를 포함할 수 있다. 3 is a diagram showing a detailed configuration of the optical tomography imaging apparatus 100 shown in FIG. 1. Referring to FIG. 3, the optical tomography imaging apparatus 100 includes a model building unit 110 and an image derivation unit ( 120), a region of interest extracting unit 130, and a learning unit 140 may be included.

모델 구축부(110)는 콘택트렌즈의 2차원 영상과 3차원 영상에 대해 불량 패턴을 모델로 구축하도록 구비될 수 있다. 여기서, 모델 구축부(110)은 콘볼루션 신경망(CNN: Convolution Neural Network) 기반으로 학습망이 구축된다.The model building unit 110 may be provided to build a defective pattern for the 2D image and the 3D image of the contact lens as a model. Here, the model building unit 110 builds a learning network based on a convolution neural network (CNN).

도 4는 CNN 기반의 학습망을 구축하는 과정을 설명하기 위한 개념도로서, 도 4를 참조하면, CNN 기반의 학습망은 Dense Block과 Layer 수가 수정 가능한 DenseNet의 구조로 이루어지고, Dense Block과 Layer 수에 의거 CNN 구조의 깊이가 결정된다. 4 is a conceptual diagram for explaining the process of constructing a CNN-based learning network. Referring to FIG. 4, the CNN-based learning network has a structure of a DenseNet that can be modified in the number of Dense Blocks and layers, and the number of Dense Blocks and Layers The depth of the CNN structure is determined based on.

즉, DenseNet은 모든 이전 계층(Layer)의 출력값을 현재 계층(Layer)의 입력으로 제공받은 Dense Connectivity 로 수행된다. 예를 들어 도 4에 도시된 Dense Block 1의 Layer 3은 Layer 1과 Layer 2의 출력값을 입력받아 CNN 학습망이 구축된다. 이에 CNN 학습망의 입력에서 출력까지 정보 손실 없이 데이터가 전달된다.In other words, DenseNet is performed with Dense Connectivity, which receives the output values of all previous layers as inputs of the current layer. For example, Layer 3 of Dense Block 1 shown in FIG. 4 receives output values of Layer 1 and Layer 2 to construct a CNN learning network. Accordingly, data is transferred from the input to the output of the CNN learning network without loss of information.

이러한 정보 손실이 없는 CNN 학습망을 이용하여 학습 모델이 구축된다.A learning model is constructed using a CNN learning network without such information loss.

도 5는 모델 구축부(110)의 불량 패턴을 보인 예시도로서, 다수의 불량 패턴은 (a)에 도시된 바와 같이 콘택트렌즈의 일부에 홀이 생성되거나, (b)에 도시된 바와 같이 내부에 이물질이 삽입되는 경우, (c)에 도시된 바와 같이 두께가 일정하지 아니한 경우이며, 본 실시 예에서의 다수의 불량 패턴은 설명 상의 편의를 위해 일례로 설명하고 있으나, 이에 한정하지 아니한다.5 is an exemplary view showing a defective pattern of the model building unit 110, in which a plurality of defective patterns are formed with holes in a part of the contact lens as shown in (a), or internally as shown in (b). When a foreign material is inserted into the material, as shown in (c), the thickness is not constant, and a number of defective patterns in the present embodiment are described as an example for convenience of description, but are not limited thereto.

한편, 영상 도출부(120)는 스캔장치(200)로부터 수신된 검출 신호의 스펙트럼 성분을 추출하고 추출된 스펙트럼 성분을 주파수 성분으로 변환하여 2차원 영상의 깊이 정보를 취득한 다음 깊이 정보를 이용하여 3차원 영상을 도출한다.Meanwhile, the image derivation unit 120 extracts the spectral component of the detection signal received from the scanning device 200 and converts the extracted spectral component into a frequency component to acquire depth information of a 2D image, and then use the depth information to obtain 3 Derive a dimensional image.

도 6은 영상 도출부(120)에 의거 도출된 2차원 및 3차원 영상을 보인 예시도로서, 도 6을 참조하면, 영상 도출부(120)는 스캔된 콘택트렌즈의 500장의 2차원 영상으로 3차원 영상이 획득됨을 알 수 있다. 도출된 2차원 및 3차원 영상은 관심영역 추출부(130)로 전달된다.6 is an exemplary view showing 2D and 3D images derived by the image derivation unit 120. Referring to FIG. 6, the image derivation unit 120 is a 3D image of 500 scanned contact lenses. It can be seen that a dimensional image is obtained. The derived 2D and 3D images are transmitted to the ROI extractor 130.

관심영역 추출부(130)는 도출된 2차원 및 3차원 영상을 토대로 관심영역을 선정한다. 여기서, 관심영역은 모델로 구축된 불량 패턴과 매칭되는 콘택트렌즈의 일부 또는 전체 영역으로 선정될 수 있다. 그리고 관심영역의 영상은 학습부(140)로 전달된다. The ROI extractor 130 selects an ROI based on the derived 2D and 3D images. Here, the region of interest may be selected as a part or the entire region of the contact lens that matches the defective pattern constructed as a model. In addition, the image of the region of interest is transmitted to the learning unit 140.

학습부(140)는 관심영역의 2차원 및 3차원 영상과 기 구축된 모델의 불량 패턴에 대해 학습을 수행하여 학습 결과로 스캔된 콘택트렌즈의 불량을 검출한다. 즉, 학습부(140)는 모델 구축부(110)에 의거 구축된 콘볼루션 신경망(CNN: Convolution Neural Network) 기반의 모델을 통해 스캔된 콘택트렌즈에 대한 학습을 수행하고 학습 결과에 따른 스캔된 콘택트렌즈의 불량여부를 예측한다.The learning unit 140 performs learning on the 2D and 3D images of the ROI and the defective pattern of the pre-built model to detect a defect of the scanned contact lens as a result of the learning. That is, the learning unit 140 learns about the scanned contact lens through a convolution neural network (CNN)-based model built on the basis of the model building unit 110 and scans the contact lens according to the learning result. Predict whether the lens is defective.

// 도 7은 도 3에 도시된 학습부(140)의 세부적인 구성을 보인 도면으로서, 도 7을 참조하면, 학습부(140)는 학습모듈(141) 및 예측모듈(142)를 포함할 수 있다.// FIG. 7 is a diagram showing a detailed configuration of the learning unit 140 shown in FIG. 3. Referring to FIG. 7, the learning unit 140 may include a learning module 141 and a prediction module 142. I can.

학습모듈(141)은 도출된 2차원 및 3차원 영상의 학습 이미지와 모델로 구축된 불량 패턴의 학습 레이블에 대해 구축된 CNN 학습망을 이용하여 스캔된 2차원 및 3차원 영상에 대해 콘볼루션 결과값의 가중치 값들을 연산한다.The learning module 141 is the result of convolution for the scanned 2D and 3D images using the CNN learning network constructed for the learning images of the derived 2D and 3D images and the learning labels of the defective patterns constructed as models. Calculate the weight values of the values.

예측모듈(142)은 스캔된 2차원 및 3차원 영상에 대해 콘볼루션 결과의 가중치를 토대로 도출된 2차원 및 3차원 영상이 불량인 지 정상인 지를 예측한다. The prediction module 142 predicts whether the 2D and 3D images derived based on the weight of the convolution result for the scanned 2D and 3D images are defective or normal.

본 실시 예에 의거 레이저 광을 이용한 비접촉 방식으로 스캔된 콘택트렌즈로부터 도출된 검출신호에 대해 고속의 고분해능을 가지는 광단층 영상 기법을 적용하여 2차원 및 3차원 영상을 획득하고 도출된 2차원 및 3차원 영상과 모델로 구축된 불량 패턴으로 학습 수행하여 스캔된 콘택트렌즈의 불량을 판별함에 따라 콘택트렌즈의 불량을 실시간으로 신속하게 판별할 수 있고, 이에 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있다.According to the present embodiment, 2D and 3D images are obtained by applying an optical tomography technique having high speed and high resolution to the detection signal derived from the contact lens scanned in a non-contact method using laser light, and the derived 2D and 3D images are obtained. It is possible to quickly determine the defect of the contact lens in real time by performing learning with the defective pattern built with the dimensional image and the model to determine the defect of the scanned contact lens, thereby improving the quality of the contact lens and the reliability of the product. I can.

본 발명의 다른 실시 양태에 의한 불량 콘택트렌즈 검출 방법은, 획득된 콘택트렌즈의 2차원 및 3차원 영상에 대한 학습 이미지와 다수의 불량 패턴에 대한 학습 레이블로 모델을 구축하는 모델 구축단계; 광단층 영상장치에서 기 정해진 파장의 레이저 광을 생성하여 출력하는 광원 생성단계; 출력된 레이저 광을 콘택트렌즈에 제공하고, 상기 콘택트렌즈로부터 제공된 검출신호를 전달하는 스캔단계를 포함하고, 상기 광단층 영상장치에서 상기 검출신호를 토대로 콘택트렌즈의 2차원 및 3차원 영상을 도출한 다음 도출된 2차원 및 3차원 영상에 대해 구축된 모델로 학습 수행하여 스캔된 콘택트렌즈의 불량을 검출하는 학습단계를 포함하도록 구비될 수 있고, 상기 모델 구축단계는 도출된 2차원 및 3차원 영상의 학습 이미지와 다수의 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)을 기반으로 모델을 구축하도록 구비될 수 있으며, 상기 학습단계는 스캔된 콘택트렌즈의 2차원 및 3차원 영상에 대해 콘택트렌즈의 관심 영역(ROI: Region Of Interest)을 선정하는 단계; 및 스캔된 관심영역의 2차원 및 3차원 영상의 학습 이미지와 모델로 구축된 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)의 콘볼루션 결과의 가중치 값들을 연산하는 수행하는 단계; 및 연산된 콘볼루션 결과의 가중치를 토대로 스캔된 콘택트렌즈의 2차원 및 3차원 영상이 불량인 지 정상인 지를 판단하는 모듈을 포함할 수 있으며, 본 실시 다른 실시 예에 의한 상기 불량 콘택트렌즈를 검출하는 방법의 각 단계는, 광단층 영상장치(100)의 모델 구축부(1100, 영상 도출부(120), 관심영역 추출부(130) 및 학습부(140)와 스캔장치(200)에서 수행되는 기능으로 자세한 원용은 생략한다.According to another embodiment of the present invention, a method for detecting a defective contact lens includes: a model construction step of constructing a model with a learning image for 2D and 3D images of the obtained contact lens and a learning label for a plurality of defective patterns; A light source generating step of generating and outputting laser light of a predetermined wavelength in an optical tomography imaging apparatus; Including a scanning step of providing the output laser light to a contact lens and transmitting a detection signal provided from the contact lens, and derives 2D and 3D images of the contact lens based on the detection signal in the optical tomography apparatus. It may be provided to include a learning step of detecting defects of the scanned contact lenses by performing learning with a model built on the next derived 2D and 3D images, and the model building step is the derived 2D and 3D images And a convolutional neural network (CNN) for learning images of a plurality of defective patterns, and the learning step includes 2D and 3D images of scanned contact lenses. Selecting a region of interest (ROI) of the contact lens with respect to; And calculating weight values of a convolution result of a convolution neural network (CNN) for a training label of a defective pattern constructed as a model and a training image of the scanned 2D and 3D image of the ROI. ; And a module that determines whether 2D and 3D images of the scanned contact lens are defective or normal based on the weight of the calculated convolution result, and detects the defective contact lens according to another embodiment of the present invention. Each step of the method is a function performed by the model building unit 1100, the image derivation unit 120, the region of interest extraction unit 130, the learning unit 140, and the scanning device 200 of the optical tomography imaging apparatus 100 The detailed reference is omitted.

본 실시 예에 의거 레이저 광을 이용한 비접촉 방식으로 스캔된 콘택트렌즈로부터 도출된 검출신호에 대해 고속의 고분해능을 가지는 광단층 영상 기법을 적용하여 2차원 및 3차원 영상을 획득하고 도출된 2차원 및 3차원 영상과 모델로 구축된 불량 패턴으로 학습 수행하여 스캔된 콘택트렌즈의 불량을 판별함에 따라 스캔된 콘택트렌즈의 불량을 실시간으로 신속하게 판별할 수 있고, 이에 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있다.According to the present embodiment, 2D and 3D images are obtained by applying an optical tomography technique having high speed and high resolution to a detection signal derived from a contact lens scanned in a non-contact method using laser light, and the derived 2D and 3D images are obtained. By performing learning with a defect pattern built with a dimensional image and a model, and determining the defect of the scanned contact lens, it is possible to quickly determine the defect of the scanned contact lens in real time, thereby determining the quality of the contact lens and the reliability of the product. Can be improved.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.As described above, although the embodiments have been described by the limited embodiments and drawings, various modifications and variations are possible from the above description by those of ordinary skill in the art. For example, the described techniques are performed in a different order from the described method, and/or components such as a system, structure, device, circuit, etc. described are combined or combined in a form different from the described method, or other components Alternatively, even if substituted or substituted by an equivalent, an appropriate result can be achieved. Therefore, the scope of the present invention is limited to the described embodiments and should not be defined, but should be defined by the claims to be described later as well as equivalents to the claims.

레이저 광을 이용한 비접촉 방식으로 스캔된 콘택트렌즈로부터 도출된 검출신호에 대해 고속의 고분해능을 가지는 광단층 영상 기법을 적용하여 2차원 및 3차원 영상을 획득하고 도출된 2차원 및 3차원 영상과 모델로 구축된 불량 패턴으로 학습 수행하여 스캔된 콘택트렌즈의 불량을 판별함에 따라 스캔된 콘택트렌즈의 불량을 실시간으로 신속하게 판별할 수 있고, 이에 콘택트렌즈의 품질 및 제품에 대한 신뢰도를 향상시킬 수 있는 불량 콘택트렌즈 검출 시스템 및 방법에 대한 운용의 정확성 및 신뢰도 측면, 더 나아가 성능 효율 면에 매우 큰 진보를 가져올 수 있으며, 콘택트렌즈의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.Applying a high-speed, high-resolution optical tomography imaging technique to a detection signal derived from a contact lens scanned in a non-contact method using laser light, obtains 2D and 3D images, and converts the derived 2D and 3D images and models. By performing learning with the established defect pattern and determining the defect of the scanned contact lens, the defect of the scanned contact lens can be quickly identified in real time, thereby improving the quality of the contact lens and the reliability of the product. The accuracy and reliability of the operation of the contact lens detection system and method, and furthermore, the performance efficiency can be greatly improved, and the market or sales potential of the contact lens is sufficient, as well as the degree to which it can be implemented clearly in reality. It is an invention that can be used in the future.

Claims (8)

획득된 콘택트렌즈의 2차원 및 3차원 영상에 대해, 불량 패턴에 대한 모델을 구축한 다음 기 정해진 파장의 레이저 광을 생성하여 출력하는 광단층 영상장치;
출력된 레이저 광을 콘택트렌즈에 제공하고, 상기 콘택트렌즈로부터 제공된 검출신호를 상기 광단층 영상장치로 전달하는 스캔장치를 포함하고,
상기 광단층 영상장치는,
상기 검출신호의 스펙트럼 성분을 추출하고 추출된 스펙트럼 성분을 주파수 성분으로 변환하여 2차원 영상의 깊이 정보를 취득한 다음 상기 깊이 정보를 이용하여 3차원 영상을 도출하며 도출된 2차원 및 3차원 영상에 대해 기 구축된 모델로 학습 수행하여 스캔된 콘택트렌즈의 불량을 검출하도록 구비되며,
상기 검출신호는 콘택트렌즈에서 반사되는 광신호와 콘택트렌즈를 투과하여 반사되는 나머지 광신호가 합쳐진 신호인 것을 특징으로 하는 불량 콘택트렌즈 검출 시스템.An optical tomography imaging apparatus for generating and outputting laser light having a predetermined wavelength after constructing a model for a defective pattern for the obtained 2D and 3D images of the contact lens;
And a scanning device that provides the output laser light to a contact lens, and transmits a detection signal provided from the contact lens to the optical tomography imaging apparatus,
The optical tomography imaging device,
Extracting the spectral component of the detection signal, converting the extracted spectral component to a frequency component, obtaining depth information of a 2D image, and then deriving a 3D image using the depth information, and for the derived 2D and 3D images It is provided to detect defects of scanned contact lenses by performing training with a pre-built model,
The detection signal is a signal obtained by combining an optical signal reflected from the contact lens and the remaining optical signal reflected through the contact lens. 제1항에 있어서, 상기 스캔장치는,
컨베이어 벨트를 통해 X축 방향으로 이동하는 다수의 콘택트렌즈 중 하나의 콘택트렌즈의 Y축 라인을 스캔하는 갈바노 미터 스캐너로 구비되고,
상기 갈바노 미터 스캐너는 상기 레이저 광의 입사방향을 Y축 방향으로 각각 반사시키는 갈바노 미러;
상기 갈바노 미러를 통과한 레이저 광이 콘택트렌즈를 스캔하도록 회전시키는 갈바노미터;
상기 미러를 통과한 레이저광을 콘택트렌즈로 조사하는 미러; 및
콘택트렌즈에서 반사되는 광신호와 콘택트렌즈를 투과하여 반사되는 나머지 광신호가 합쳐진 검출신호를 수신하여 상기 미러로 전달하는 스캔렌즈를 포함하고,
상기 미러는 상기 스캔렌즈의 통과한 검출 신호를 수신하여 집광시키는 콜리메이터를 경유하여 상기 광단층 영상장치로 전달하도록 구비되는 것을 특징으로 하는 불량 콘택트렌즈 검출 시스템.
The method of claim 1, wherein the scanning device,
It is provided as a galvanometer scanner that scans the Y-axis line of one of a plurality of contact lenses moving in the X-axis direction through a conveyor belt,
The galvanometer scanner includes a galvano mirror reflecting the incident direction of the laser light in the Y-axis direction, respectively;
A galvanometer which rotates the laser light passing through the galvano mirror to scan the contact lens;
A mirror for irradiating the laser light passing through the mirror with a contact lens; And
A scan lens receiving a detection signal in which the optical signal reflected from the contact lens and the remaining optical signal reflected through the contact lens are combined and transmitted to the mirror,
And the mirror is provided to transmit the detection signal passed by the scan lens to the optical tomography imaging apparatus via a collimator for condensing.
제1항에 있어서, 상기 광단층 영상장치는,
획득된 콘택트렌즈의 2차원 영상과 3차원 영상의 학습 이미지와 불량 패턴의 학습 레이블로 모델을 구축하는 모델 구축부;
상기 스캔장치로부터 전달받은 검출 신호의 스펙트럼 성분을 추출하고 추출된 스펙트럼 성분을 주파수 성분으로 변환하여 2차원 영상의 깊이 정보를 취득한 다음 상기 깊이 정보를 이용하여 3차원 영상을 도출하는 영상 도출부;
스캔된 콘택트렌즈의 2차원 및 3차원 영상에 대해 콘택트렌즈의 관심 영역(ROI: Region Of Interest)을 선정하는 관심영역 추출부; 및
상기 관심영역의 2차원 및 3차원 영상과 기 구축된 모델에 대해 학습을 수행하여 학습 결과로 스캔된 콘택트렌즈의 불량을 검출하는 학습부를 포함하는 것을 특징으로 하는 불량 콘택트렌즈 검출 시스템.
The method of claim 1, wherein the optical tomography imaging device,
A model building unit for constructing a model from the acquired 2D image of the contact lens and the training image of the 3D image and the learning label of the defective pattern;
An image derivation unit extracting a spectral component of the detection signal received from the scanning device, converting the extracted spectral component into a frequency component, acquiring depth information of a 2D image, and then deriving a 3D image using the depth information;
A region of interest extracting unit for selecting a region of interest (ROI) of the contact lens with respect to the scanned 2D and 3D images of the contact lens; And
And a learning unit configured to perform learning on the 2D and 3D images of the ROI and the pre-built model to detect defects in the contact lenses scanned as a result of the learning.
삭제delete 삭제delete 획득된 콘택트렌즈의 2차원 및 3차원 영상에 대한 학습 이미지와 다수의 불량 패턴에 대한 학습 레이블로 모델을 구축하는 모델 구축단계;
광단층 영상장치에서 기 정해진 파장의 레이저 광을 생성하여 출력하는 광원 생성단계; 출력된 레이저 광을 콘택트렌즈에 제공하고, 상기 콘택트렌즈로부터 제공된 검출신호를 전달하는 스캔단계를 포함하고, 검출신호는 콘택트렌즈에서 반사되는 광신호와 콘택트렌즈를 투과하여 반사되는 나머지 광신호가 합쳐진 신호임.
상기 광단층 영상장치에서 상기 검출신호의 스펙트럼 성분을 추출하고 추출된 스펙트럼 성분을 주파수 성분으로 변환하여 2차원 영상의 깊이 정보를 취득한 다음 상기 깊이 정보를 이용하여 3차원 영상을 도출하며 도출된 2차원 및 3차원 영상에 대해 구축된 모델로 학습 수행하여 스캔된 콘택트렌즈의 불량을 검출하는 학습단계를 더 포함하도록 구비되는 것을 특징으로 하는 불량 콘택트렌즈 검출 방법.
A model construction step of constructing a model with learning images for 2D and 3D images of the obtained contact lenses and learning labels for a plurality of defective patterns;
A light source generating step of generating and outputting laser light of a predetermined wavelength in an optical tomography imaging apparatus; A scanning step of providing the output laser light to a contact lens and transmitting a detection signal provided from the contact lens, wherein the detection signal is a signal obtained by combining an optical signal reflected from the contact lens and the remaining optical signal reflected through the contact lens. being.
The optical tomography imaging apparatus extracts the spectral component of the detection signal, converts the extracted spectral component to a frequency component, obtains depth information of a 2D image, and then derives a 3D image using the depth information. And a learning step of detecting defects of the scanned contact lenses by performing learning with the model built on the 3D image.
삭제delete 제6항에 있어서, 상기 학습단계는
스캔된 콘택트렌즈의 2차원 및 3차원 영상에 대해 콘택트렌즈의 관심 영역(ROI: Region Of Interest)을 선정하는 단계;
스캔된 관심영역의 2차원 및 3차원 영상의 학습 이미지와 모델로 구축된 불량 패턴의 학습 레이블에 대한 콘볼루션 신경망(CNN: Convolution Neural Network)의 콘볼루션 결과의 가중치 값들을 연산하는 수행하는 단계; 및
연산된 콘볼루션 결과의 가중치를 토대로 스캔된 콘택트렌즈의 2차원 및 3차원 영상이 불량인 지 또는 정상인 지를 판단하는 모듈을 포함하는 것을 특징으로 하는 불량 콘택트렌즈 검출 방법.


The method of claim 6, wherein the learning step
Selecting a region of interest (ROI) of the contact lens with respect to the scanned 2D and 3D images of the contact lens;
Calculating weight values of a convolution result of a convolution neural network (CNN) for a training label of a defective pattern constructed as a training image of the scanned 2D and 3D image of the ROI and a model; And
And a module for determining whether 2D and 3D images of the scanned contact lens are defective or normal based on a weight of the calculated convolution result.


KR1020180162186A 2018-12-14 2018-12-14 System and method for detecting bad contact lens KR102148817B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180162186A KR102148817B1 (en) 2018-12-14 2018-12-14 System and method for detecting bad contact lens

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180162186A KR102148817B1 (en) 2018-12-14 2018-12-14 System and method for detecting bad contact lens

Publications (2)

Publication Number Publication Date
KR20200080367A KR20200080367A (en) 2020-07-07
KR102148817B1 true KR102148817B1 (en) 2020-08-28

Family

ID=71602770

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180162186A KR102148817B1 (en) 2018-12-14 2018-12-14 System and method for detecting bad contact lens

Country Status (1)

Country Link
KR (1) KR102148817B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230033187A1 (en) * 2021-07-28 2023-02-02 Coopervision International Limited Systems and methods for acquiring and inspecting lens images of ophthalmic lenses
CN116990450B (en) * 2023-07-18 2024-04-26 欧几里德(苏州)医疗科技有限公司 Defect detection method and system for cornea shaping mirror

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6378776B2 (en) 2014-10-27 2018-08-22 富士フイルム株式会社 Optical penetration depth evaluation method, performance inspection method using the evaluation method, and optical tomographic imaging apparatus

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090106249A (en) * 2008-04-04 2009-10-08 홍석기 Apparatus for inspecting silicon structure utlizing a galbanometer scanneer and method of insepecting silicon structure utilizing the same
KR101961177B1 (en) * 2016-07-22 2019-03-22 한국과학기술원 Method and apparatus for processing image based on neural network
KR102058427B1 (en) * 2017-12-21 2019-12-23 동우 화인켐 주식회사 Apparatus and method for inspection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6378776B2 (en) 2014-10-27 2018-08-22 富士フイルム株式会社 Optical penetration depth evaluation method, performance inspection method using the evaluation method, and optical tomographic imaging apparatus

Also Published As

Publication number Publication date
KR20200080367A (en) 2020-07-07

Similar Documents

Publication Publication Date Title
EP3531066B1 (en) Three-dimensional scanning method including a plurality of lasers with different wavelengths, and scanner
JP6596433B2 (en) Structured optical matching of a set of curves from two cameras
CN102203550A (en) Scanner with feedback control
CN102946791A (en) Fundus image acquiring apparatus and control method therefor
KR102148817B1 (en) System and method for detecting bad contact lens
US11029141B2 (en) Anticipatory depth of field adjustment for optical coherence tomography
US9990724B2 (en) Image recording simulation in a coordinate measuring machine
JP2018179918A (en) Shape measurement system, and shape measurement method
IL262170A (en) System, method and computer program product for correcting a difference image generated from a comparison of target and reference dies
CN114280075A (en) Online visual inspection system and method for surface defects of pipe parts
Lafiosca et al. Review of non-contact methods for automated aircraft inspections
KR101802894B1 (en) 3D image obtaining system
CN111220088B (en) Measurement system and method
US11162774B2 (en) Adjustable depth of field optical coherence tomography
CN111226110A (en) Detection method and system
EP3582183B1 (en) Deflectometric techniques
US20230186437A1 (en) Denoising point clouds
JP3789696B2 (en) Battery electrolyte leak inspection apparatus and battery electrolyte leak inspection method
RU2573767C1 (en) Three-dimensional scene scanning device with non-lambert lighting effects
KR102139311B1 (en) Appratus and method for measuring contact lens
JPWO2019235409A1 (en) Displacement amount measuring device, displacement amount measuring method, and program
JP6566903B2 (en) Surface defect detection method and surface defect detection apparatus
KR101658221B1 (en) Device and method for inspecting quality of sealer coating using the preprocessing thermal image
CN117607155B (en) Strain gauge appearance defect detection method and system
JP6570321B2 (en) Information processing apparatus, information processing method, and program

Legal Events

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