KR102152023B1 - X-ray search equipment image auto-reading assistant program and method using the same - Google Patents
X-ray search equipment image auto-reading assistant program and method using the same Download PDFInfo
- Publication number
- KR102152023B1 KR102152023B1 KR1020190172617A KR20190172617A KR102152023B1 KR 102152023 B1 KR102152023 B1 KR 102152023B1 KR 1020190172617 A KR1020190172617 A KR 1020190172617A KR 20190172617 A KR20190172617 A KR 20190172617A KR 102152023 B1 KR102152023 B1 KR 102152023B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- reading
- ray
- search equipment
- ray search
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 12
- 230000006870 function Effects 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 9
- 231100001261 hazardous Toxicity 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 4
- 238000012550 audit Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
- G01N23/10—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the material being confined in a container, e.g. in a luggage X-ray scanners
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of nuclear radiation, e.g. of natural or induced radioactivity
- G01V5/0008—Detecting hidden objects, e.g. weapons, explosives
-
- G01V5/20—
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Abstract
Description
본 발명은 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템에 관한 것으로서, 보다 상세하게는 Meta 값을 Tensor-Flow 기반의 AI 학습엔진으로 검색물품 패턴의 유사도 측정 및 미인식 데이터의 Self Learning 기능을 이용하여 'X -Ray 검색장비 영상 자동판독 보조프로그램'을 구동하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템에 관한 것이다.The present invention relates to a system for driving an auxiliary program for automatic image reading of an X-ray search equipment, and more particularly, a meta value is measured by a Tensor-Flow-based AI learning engine to measure the similarity of a search product pattern and self-learning of unrecognized data. It relates to a system for driving an X-Ray search equipment image automatic reading assistant program that drives the'X-Ray search equipment image automatic reading assistant program' using the function.
일반적으로 사업장 내 정보보호 및 위해물품 식별을 위해 X- 선 발생장치를 이용한 수하물 검색기가 설치되며, 검색기에 투과되는 영상을 통해 판독자가 검색목적에 따라 물품을 식별하는데 주 목적이 있다.In general, a baggage search machine using an X-ray generator is installed to protect information and identify hazardous items in the workplace, and the main purpose is for the reader to identify the item according to the search purpose through the image transmitted through the search machine.
이 과정에서 검색영상의 식별의 정확도는 판독자의 판독누락 또는 고의적 내부유출 담합을 목적으로 묵인하는 사례로 인해 보안사고가 발생되는 사례가 있어 인적 관리요소에 대한 신뢰도 부분에 대한 Risk로 잔존한다.In this process, the accuracy of the identification of the searched image remains as a risk for the reliability of human management factors as there are cases where security accidents occur due to the reader's omission of reading or intentionally tolerating internal leakage and collusion.
본 발명은 상기와 같은 문제점을 해결하기 위해 이루어진 것으로서, X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하여 내부 근무자의 판독 누락여부를 감시할 수 있고, 반복학습을 통해 식별율을 보다 정확하게 높일 수 있는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템 및 이를 이용한 방법을 제공하는 데 목적이 있다.The present invention has been made to solve the above problems, and it is possible to monitor whether or not an internal worker is missing reading by driving an X-ray search equipment image automatic reading auxiliary program, and to increase the identification rate more accurately through repetitive learning. An object of the present invention is to provide a system for driving an auxiliary program for automatic image reading of an X-ray search equipment and a method using the same.
상기 과제를 해결하기 위하여 본 발명은 X-Ray 검색장비(30)로 투시 되는 수하물 검색 영상의 출력 신호에 따라 실시간 스트리밍 프로토콜로 생성된 Meta 값을 생성하고, 상기 Meta 값을 Tensor-Flow 기반의 AI 학습엔진으로 검색물품 패턴의 유사도 측정 및 미인식 데이터의 Self Learning 기능을 이용하여 X -Ray 검색장비 영상 자동판독 보조프로그램을 구동한다.In order to solve the above problems, the present invention generates a Meta value generated by a real-time streaming protocol according to an output signal of a baggage search image viewed through the
상기X -Ray 검색장비 영상 자동판독 보조프로그램은 기존 검색영상과 동일한 실시간 영상 소스를 AI 학습엔진을 통해 스스로 분석, 판독하여 타겟 물품에 대한 표시기능을 제공함으로써, 판독자가 식별하지 못한 물품에 대해서도 2차 확인이 가능한 판독보조프로그램의 역할을 수행한다.The X-Ray search equipment image automatic reading assistant program analyzes and reads the same real-time image source as the existing search image by itself through an AI learning engine, and provides a display function for the target product, even for articles that the reader cannot identify. It plays the role of a reading aid program that can check the difference.
본 발명의 식별 로그 등을 별도의 리포트로 관리 가능하여, 관리감독자의 정기적 열람 및 감사를 통해 물품의 검색항목과 AI 판독 프로그램 식별항목과의 일치여부를 확인하여 내부 근무자의 판독 누락여부를 감시한다.The identification log of the present invention can be managed as a separate report, and through regular inspection and audit by the management supervisor, the search item of the product and the identification item of the AI reading program are checked to check whether or not the internal worker's reading is omitted. .
상기 판독된 영상의 무결성을 보장하기 위해 독립적 소프트웨어가 아닌 X-Ray 검색장비(30)의 구동에 사용되는 Operating PC의 출력부 RGB 신호를 기초 데이터로 활용하여 실시간으로 매칭을 통해 솔루션을 구현하도록 X-Ray 검색장비(30)와 연계하여 설계된다.In order to ensure the integrity of the read image, X-ray is used to implement a solution through real-time matching by using the RGB signal of the output part of the operating PC used to drive the
상기 X -Ray 검색장비 영상 자동판독 보조프로그램에서 지정한 위해물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시한 후, 영상을 검증하고, 수하물 검색 영상의 Meta 값을 생성하여, Meta 값을 검증하고, Deep Learning Engine과 AI Application을 작동한다.After applying the border color for each identified item according to the legend color specified automatically to the image corresponding to the dangerous article specified in the X-ray search equipment image automatic reading auxiliary program, the image is verified, and the meta value of the baggage search image Is created, the Meta value is verified, and Deep Learning Engine and AI Application are operated.
본 발명은 물품을 선정하는 단계(S201); 상기 물품을 분류하는 단계(S202); X-Ray 검색장비 작동(S203) 후 상기 물품의 영상을 검증하는 단계(S204); 지정한 위해물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시하는 단계(S205); 상기 영상을 검증하는 단계(S204); 상기 물품 검색 영상의 Meta 값 생성 단계(S206); 상기 Meta 값 검증 단계(S207); X-Ray 검색장비 영상 자동판독 보조프로그램 중 Deep Learning Engine을 이용하는 단계(S208); AI Application의 작동 단계(S209); 상기 AI Application을 통해 특정 물품을 선정하고 저장하는 단계(S210); 상기 S210 단계에서 선정된 물품을 데이터베이스에 저장하는 단계(S211);를 포함한다.The present invention comprises the steps of selecting an article (S201); Classifying the article (S202); Verifying the image of the article after the operation of the X-ray search equipment (S203) (S204); Applying and displaying a border color for each identified item according to an automatically designated legend color to an image corresponding to a designated hazardous item (S205); Verifying the image (S204); Generating a Meta value of the product search image (S206); Verifying the Meta value (S207); Using the Deep Learning Engine among the auxiliary programs for automatic image reading of the X-ray search equipment (S208); AI Application operation step (S209); Selecting and storing a specific article through the AI Application (S210); And storing the product selected in step S210 in a database (S211).
상기와 같이 이루어지는 본 발명은 관리감독자의 정기적 열람 및 감사를 통해 물품의 검색항목과 AI 판독 프로그램 식별항목과의 일치여부를 확인하여 내부 근무자의 판독 누락여부를 감시할 수 있다.According to the present invention made as described above, it is possible to monitor whether the internal worker's reading is omitted by checking whether the item search item matches the AI reading program identification item through regular inspection and audit by the management supervisor.
또한 본 발명은 학습되는 물품은 수요처 요구사항에 따라 Customizing이 가능하며, 반복학습을 통해 식별율을 보다 정확하게 높일 수 있다. In addition, according to the present invention, the product to be learned can be customized according to the requirements of the consumer, and the identification rate can be more accurately increased through repeated learning.
도 1은 본 발명의 일실시예에 따른 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템을 보여주는 도면이다.
도 2는 본 발명의 일실시예에 따른 X-Ray 검색장비 영상 자동판독 보조프로그램 구동 방법을 보여주는 도면이다.
도 3은 본 발명의 일실시예에 따른 X-Ray 검색장비 영상 자동판독 보조프로그램의 데이터 처리 단계를 보여주는 도면이다.1 is a diagram showing a system for driving an X-ray search device image automatic reading auxiliary program according to an embodiment of the present invention.
2 is a diagram illustrating a method of driving an auxiliary program for automatic image reading of an X-ray search device according to an embodiment of the present invention.
3 is a diagram illustrating a data processing step of an auxiliary program for automatic image reading of an X-ray search device according to an embodiment of the present invention.
본 발명을 충분히 이해하기 위해서 본 발명의 바람직한 실시예를 첨부 도면을 참조하여 설명한다. 본 발명의 실시예는 여러 가지 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상세히 설명하는 실시예로 한정되는 것으로 해석되어서는 안 된다. 본 실시예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 따라서 도면에서의 요소의 형상 등은 보다 명확한 설명을 강조하기 위해서 과장되어 표현될 수 있다. 각 도면에서 동일한 부재는 동일한 참조부호로 도시한 경우가 있음을 유의하여야 한다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 공지 기능 및 구성에 대한 상세한 기술은 생략된다.In order to fully understand the present invention, preferred embodiments of the present invention will be described with reference to the accompanying drawings. The embodiments of the present invention may be modified in various forms, and the scope of the present invention should not be construed as being limited to the embodiments described in detail below. This embodiment is provided to more completely explain the present invention to those of ordinary skill in the art. Accordingly, the shape of the element in the drawings may be exaggerated to emphasize a clearer description. It should be noted that in each drawing, the same member may be indicated by the same reference numeral. In addition, detailed descriptions of known functions and configurations that are determined to unnecessarily obscure the subject matter of the present invention will be omitted.
본 발명에 따른 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템은 X-Ray 검색장비(30)로 투시 되는 수하물 검색 영상의 출력 신호에 따라 RTSP Protocol(실시간 스트리밍 프로토콜)로 생성된 Meta 값을 생성한다.The system for driving the auxiliary program for automatic reading of the X-ray search equipment image according to the present invention is a Meta value generated by RTSP Protocol (real-time streaming protocol) according to the output signal of the baggage search image viewed through the
상기 Meta 값을 Tensor-Flow 기반의 AI 학습엔진으로 검색물품 패턴의 유사도 측정 및 미인식 데이터의 Self Learning 기능을 이용하여 'X -Ray 검색장비 영상 자동판독 보조프로그램'구동을 위한 별도의 Workstation에서 유사도 개선 자기학습을 시행하여 실시간 표출하는 소프트웨어로써, X-Ray 검색영상의 판독업무를 보조하는 프로그램을 이용한다.Similarity in a separate workstation for driving the'X-Ray search equipment image automatic reading auxiliary program' using the Meta value as a Tensor-Flow-based AI learning engine, which measures the similarity of the search product pattern and uses the self-learning function of unrecognized data. It is a software that implements improved self-learning and displays it in real time, and uses a program that assists in reading the X-ray search image.
구체적으로 살펴보면, 상기'X -Ray 검색장비 영상 자동판독 보조프로그램'은 기존 검색영상과 동일한 실시간 영상 소스를 CNN(convolutional neural network) 등의 방법을 이용한 AI 학습엔진을 통해 스스로 분석, 판독하여 타겟 물품에 대한 표시기능을 기본적으로 제공함으로써, 판독자가 식별하지 못한 물품에 대해서도 2차 확인이 가능한 판독보조프로그램의 역할을 수행한다. Specifically, the'X-Ray search equipment image automatic reading assistant program' analyzes and reads the same real-time image source as the existing search image through an AI learning engine using a method such as a convolutional neural network (CNN). By basically providing a display function for the reader, it plays the role of a reading aid program that enables secondary confirmation even for items that the reader cannot identify.
또한, 식별 로그 등을 별도의 리포트로 관리 가능하여, 관리감독자의 정기적 열람 및 감사를 통해 물품의 검색항목과 AI 판독 프로그램 식별항목과의 일치여부를 확인하여 내부 근무자의 판독 누락여부를 감시할 수 있는 역할을 한다.In addition, identification logs, etc. can be managed as a separate report, and through regular reading and auditing by the supervisor, it is possible to monitor whether the internal worker's readings are missing by checking whether the items searched for items match the AI reading program identification items. Plays a role.
이때, 판독영상의 무결성을 보장하기 위해 독립적 소프트웨어가 아닌 X-Ray 검색장비(30)의 구동에 사용되는 Operating PC 의 출력부 RGB 신호를 기초 데이터로 활용하여 실시간으로 유기적 매칭을 통해 솔루션을 구현하도록 X-Ray 검색장비(30)와 연계하여 설계되었다. At this time, in order to ensure the integrity of the read image, a solution is implemented through organic matching in real time by using the RGB signal of the output part of the Operating PC used to drive the
즉 지정한 위해물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시한 후, 영상을 검증하고, 수하물 검색 영상의 Meta 값을 생성하여, Meta 값을 검증하고, X -Ray 검색장비 영상 자동판독 보조프로그램 중 Deep Learning Engine과 AI Application 등을 작동한다.In other words, the image corresponding to the designated hazardous item is automatically displayed by applying the border color for each identified item according to the designated legend color, then verifying the image, generating the Meta value of the baggage search image, and verifying the Meta value, and X -Ray search equipment Operates Deep Learning Engine and AI Application among video automatic reading auxiliary programs.
따라서 학습되는 물품은 수요처 요구사항에 따라 Customizing이 가능하며, 반복학습을 통해 식별율을 보다 정확하게 높인다. Therefore, the product to be learned can be customized according to the requirements of the consumer, and the identification rate is more accurately increased through repeated learning.
또한, 식별된 정보는 리포트로 관리할 수 있어, 특정 매체류가 얼마나 많은 검출이 이루어졌는지 관리자의 분석업무에 도움을 줄 수 있으며, 특정시간의 식별물체와 X-Ray 검색장비(30)의 판독기록과의 분석을 통해 판독요원이 식별하지 못한 물품은 없는지 2차 확인이 가능하도록 한다.In addition, since the identified information can be managed as a report, it can help the administrator's analysis of how many detections a specific medium has been performed, and the identification of the object at a specific time and the reading of the
도 1을 참고하여 본 발명에 따른 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템은 X-Ray 검색장비(30)로부터 소프트웨어 구성부(210), 하드웨어 구성부(220) 등으로 구성된다.Referring to FIG. 1, the system for driving an X-ray search device image automatic reading auxiliary program according to the present invention includes a
본 발명에 따른 실시간 영상 분석 솔루션(Detection & Inspection)으로 제안하기 위해 RTSP(Real Time Streaming Protocol)을 이용한 비디오 정보를 스캔(Scan Video)한다.In order to propose a real-time image analysis solution (Detection & Inspection) according to the present invention, video information using Real Time Streaming Protocol (RTSP) is scanned (Scan Video).
또한 Linux의 Tensor-Flow와 Multi GPU를 통해 ML(Machine Learning) Engine을 이용하여 AI Learning Engine을 구동하는 Server로 소프트웨어가 구성된다.In addition, the software is configured as a Server that runs the AI Learning Engine using the ML (Machine Learning) Engine through Linux's Tensor-Flow and Multi GPU.
또한 클라이언트(DLS-XS Client)와 X-Ray Scanner 등으로 구성된 하드웨어가 구성된다.It is also composed of hardware consisting of a client (DLS-XS Client) and an X-Ray Scanner.
이하 본 발명의 실시를 위한 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템을 이용한 방법에 대하여 자세히 설명한다.Hereinafter, a method using a system for driving an auxiliary program for automatic image reading of an X-ray search device for the implementation of the present invention will be described in detail.
물품을 선정하고(S201), 상기 물품을 분류하며(S202), X-Ray 검색장비 작동(S203) 후 상기 물품의 영상을 검증한다(S204).An article is selected (S201), the article is classified (S202), and the image of the article is verified after the X-ray search equipment is operated (S203) (S204).
상기 물품의 영상의 판독영상의 무결성을 보장하기 위해 독립적 소프트웨어가 아닌 X-Ray 검색장비(30)의 구동에 사용되는 Operating PC 의 출력부 RGB 신호를 기초 데이터로 활용할 수 있다.In order to ensure the integrity of the read image of the image of the article, the RGB signal of the output unit of the Operating PC used to drive the
그리고 지정한 위해물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시한다(S205).In addition, the image corresponding to the designated hazardous item is automatically displayed by applying a border color for each identification item according to the designated legend color (S205).
다시 상기 영상을 검증하고(S204), 상기 물품(수하물) 검색 영상의 Meta 값을 생성하며(S206), 상기 Meta 값을 검증한다(S207).The image is again verified (S204), a Meta value of the search image for the article (baggage) is generated (S206), and the Meta value is verified (S207).
계속하여 X-Ray 검색장비 영상 자동판독 보조프로그램 중 Deep Learning Engine을 이용하고(S208), AI Application을 작동하며(S209), AI Application을 통해 물품을 선정하고 저장한다(S210).Subsequently, the Deep Learning Engine is used among the auxiliary programs for automatic reading of the X-ray search equipment image (S208), and the AI Application is operated (S209), and the product is selected and stored through the AI Application (S210).
예를 들어 X-Ray 검색장비 영상 자동판독 보조프로그램에서 지정한 위해물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시한 후, 영상을 검증하고, 수하물 검색 영상의 Meta 값을 생성하여, Meta 값을 검증하고, X -Ray 검색장비 영상 자동판독 보조프로그램 중 Deep Learning Engine과 AI Application 등을 이용한다.For example, after applying the border color for each identified item according to the legend color specified automatically to the image corresponding to the hazardous article specified in the X-ray search equipment image automatic reading auxiliary program, the image is verified, and By creating Meta value, verify the Meta value, and use Deep Learning Engine and AI Application among the auxiliary programs for automatic image reading of X-Ray search equipment.
마지막으로 상기 S210 단계에서 선정된 물품을 데이터베이스에 저장한다(S211).Finally, the product selected in step S210 is stored in the database (S211).
본 발명의 일실시예로서 X -Ray 검색장비 영상 자동판독 보조프로그램을 통해 X-Ray 검색장비(30)의 Capture & Image Inspection부(32)로 영상을 캡쳐하고 조사한 후, Image Labeling부(34)로 이미지 라벨링하며, Label Inspection부(36)를 통해 상기 라벨링된 이미지를 조사하고 DBMS(38)에 저장한다.As an embodiment of the present invention, after capturing and examining an image with the Capture & Image Inspection
상기 X -Ray 검색장비 영상 자동판독 보조프로그램은 기존 검색영상과 동일한 실시간 영상 소스를 AI 학습엔진을 통해 스스로 분석, 판독하여 타겟 물품에 대한 표시기능을 기본적으로 제공함으로써, 판독자가 식별하지 못한 물품에 대해서도 2차 확인이 가능한 판독보조프로그램의 역할을 수행한다.The X-ray search equipment image automatic reading assistant program automatically analyzes and reads the same real-time image source as the existing search image through the AI learning engine, and provides a display function for the target product. Also, it plays the role of a reading aid program that can confirm the second time.
상기 데이터 종류로는 이미지 데이터, 라벨링 데이터, 학습검증 데이터, 최종 데이터가 있고, 저장위치로는 Capture &Image Inspection Workstation, Image Labeling PC, AI Deep Learning Server, DBMS Server 등이고, 저장방식으로는 File(PNG), DBMS, File(PNG) DBMS, File(XML) 등을 사용한다.The data types include image data, labeling data, learning verification data, and final data, and storage locations include Capture &Image Inspection Workstation, Image Labeling PC, AI Deep Learning Server, and DBMS Server, and storage methods include File (PNG). , DBMS, File(PNG) DBMS, File(XML), etc. are used.
본 발명은 내부의 센서 잡음 및 감도에 따라 이물질 검출이 불가능한 경우도 발생하고 있다.In the present invention, there are cases where it is impossible to detect foreign substances according to the noise and sensitivity of the internal sensor.
따라서 금속 내부의 이물질과 같은 결함 검출의 효율을 향상시키기 위하여 획득한 X-ray 이미지의 보정 모델을 사용할 수도 있다.Therefore, in order to improve the efficiency of detecting defects such as foreign matter inside the metal, a correction model of the obtained X-ray image may be used.
상기 Deep Learning Engine의 알고리즘에서는 훈련 데이터를 훈련 세트와 테스트 세트 두 개로 나눈다.In the algorithm of the Deep Learning Engine, training data is divided into two training sets and a test set.
상기 훈련 세트를 사용해 모델을 훈련시키고 테스트 세트를 사용해 모델을 테스트한다. The above training set is used to train the model and the test set is used to test the model.
새로운 샘플에 대한 오류 비율을 일반화 오차(generalization error)(또는 외부 샘플 오차; out-of-sample error)라고 하며, 테스트 세트에서 모델을 평가함으로써 이 오차에 대한 추정값(estimation)을 얻고, 이 값은 이전에 본 적이 없는 새로운 샘플에 모델이 얼마나 잘 작동할지 알려준다.The error rate for the new sample is called the generalization error (or out-of-sample error), and by evaluating the model on the test set, you get an estimate of this error, which is It tells you how well your model will work on new samples you haven't seen before.
또한 상기 알고리즘은 Multilayer Perceptron으로 데이터셋을 학습하고 기대 최적 온도를 예측하는 알고리즘이다. In addition, the algorithm is an algorithm that learns a dataset with a multilayer perceptron and predicts an expected optimum temperature.
한편 다른 실시예로서 상기 Deep Learning Engine은 상기 X -Ray 검색장비 영상 자동판독 보조프로그램을 통한 입력 데이터를 분석하여, 트레이닝 룰 셋을 생성할 수 있다. Meanwhile, as another embodiment, the Deep Learning Engine may generate a training rule set by analyzing input data through an image automatic reading auxiliary program of the X-Ray search device.
즉, Deep Learning Engine은 입력 데이터를 분석하여 룰을 학습하고, 학습된 룰로 구성된 룰 셋을 생성할 수 있다. 이를 위해, Deep Learning Engine은 최초의 입력 데이터를 미리 설정된 룰 셋을 기초로 입력된 입력 데이터와 결과 데이터를 분석하여 룰을 추론할 수 있다.That is, the Deep Learning Engine can analyze input data to learn rules and generate a rule set consisting of the learned rules. To this end, the Deep Learning Engine can infer a rule by analyzing the input data and result data of the first input data based on a preset rule set.
또한, Deep Learning Engine은, 학습한 룰을 기초로, 미리 설정된 룰 셋에 포함된 룰의 추가, 개정 및/또는 삭제하기 위하여 결과 데이터를 분석할 수도 있다.In addition, the Deep Learning Engine may analyze result data to add, revise, and/or delete rules included in a preset rule set based on the learned rules.
Deep Learning Engine은 본 발명의 기술 분야에서 널리 알려진 다양한 모듈 중 적어도 하나로 구성될 수 있다. 특히, Deep Learning Engine은 뉴럴 네트워크(Neural Networks) 기술을 이용한 비감독(Unsupervised) 학습을 수행하는 딥 러닝 모듈일 수 있다.Deep Learning Engine may be composed of at least one of various modules widely known in the technical field of the present invention. In particular, the Deep Learning Engine may be a deep learning module that performs unsupervised learning using Neural Networks technology.
본 발명의 다른 실시예로서 상기 식별물품별 테두리 색상 신호 n개의 샘플 X로 MA(이동 평균) 값을 결정한다. 여기에서 MA는 이동 평균값을 나타낸다.In another embodiment of the present invention, the MA (moving average) value is determined by using n samples X of the edge color signal for each identification item. Here, MA represents a moving average value.
만일 UB = MA + k*σ, UB : 상한 한계값 k : 정수, σ : n개 식별물품별 테두리 색상 샘플 표준편차If UB = MA + k*σ, UB: upper limit value k: integer, σ: standard deviation of border color samples for n items
LB = MA - k*σ, LB : 하한 한계값 이며,LB = MA-k*σ, LB: is the lower limit value,
Sensitivity Band (민감도 대역) = MA*(1.0 ± MS) 이고,Sensitivity Band = MA*(1.0 ± MS),
여기에서 MS는 최소 민감도로서, 식별물품별 테두리 색상 신호값이 임계대역을 벗어날 때, 상기 X-Ray 검색장비 영상 자동판독 보조프로그램은 경고 신호를 발생할 수 있다.Here, the MS is the minimum sensitivity, and when the edge color signal value for each identified item is out of a critical band, the X-ray search equipment image automatic reading auxiliary program may generate a warning signal.
30 : X-Ray 검색장비
32 : Capture & Image Inspection부
34 : Image Labeling부
36 : Label Inspection부
38 : DBMS
210 : 소프트웨어 구성부
220 : 하드웨어 구성부30: X-ray search equipment
32: Capture & Image Inspection Department
34: Image Labeling part
36: Label Inspection Department
38: DBMS
210: software component
220: hardware component
Claims (6)
상기 Meta 값을 Tensor-Flow 기반의 AI 학습엔진으로 학습하여 검색물품 패턴의 유사도 측정 및 미인식 데이터의 Self Learning 기능을 이용하며, X -Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 것을 특징으로 하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템.In accordance with the output signal of the baggage search image viewed through the X-ray search equipment 30, a Meta value generated by a real-time streaming protocol is generated,
Characterized in that, by learning the Meta value with a Tensor-Flow-based AI learning engine, measuring the similarity of the search product pattern and using the self-learning function of unrecognized data, and driving an X-ray search device image automatic reading auxiliary program. A system that runs an auxiliary program for automatic image reading of X-ray search equipment.
상기 X -Ray 검색장비 영상 자동판독 보조프로그램은 기존 검색영상과 동일한 실시간 영상 소스를 AI 학습엔진을 통해 스스로 분석, 판독하여 타겟 물품에 대한 표시기능을 제공함으로써, 판독자가 식별하지 못한 물품에 대해서도 2차 확인이 가능한 판독보조프로그램의 역할을 수행하는 것을 특징으로 하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템.The method of claim 1,
The X-ray search equipment image automatic reading assistant program analyzes and reads the same real-time image source as the existing search image by itself through an AI learning engine, and provides a display function for the target product, even for items that the reader cannot identify. A system for driving an auxiliary program for automatic image reading of an X-ray search equipment, characterized in that it plays the role of a reading auxiliary program capable of checking a car.
상기 X -Ray 검색장비 영상 자동판독 보조프로그램을 통해 관리감독자의 정기적 열람 및 감사를 통해 물품의 검색항목과 AI 판독 프로그램 식별항목과의 일치여부를 확인하여 판독 누락여부를 감시하는 것을 특징으로 하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템.The method of claim 1,
X, characterized in that through the X-ray search equipment image automatic reading auxiliary program, through regular inspection and audit by a management supervisor, the search item of the product and the identification item of the AI reading program are checked to check whether or not the reading is omitted. -Ray search equipment A system that drives the video automatic reading auxiliary program.
상기 판독된 영상의 무결성을 보장하기 위해 독립적 소프트웨어가 아닌 X-Ray 검색장비(30)의 구동에 사용되는 Operating PC의 출력부 RGB 신호를 기초 데이터로 활용하여 실시간으로 매칭을 통해 솔루션을 구현하도록 X-Ray 검색장비(30)와 연계하여 설계되는 것을 특징으로 하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템.The method of claim 3,
In order to ensure the integrity of the read image, X-ray is used to implement a solution through real-time matching by using the RGB signal of the output part of the operating PC used to drive the X-ray search equipment 30, not independent software, as basic data. A system for driving an auxiliary program for automatic image reading of an X-ray search equipment, characterized in that it is designed in connection with the -Ray search equipment 30.
상기 X -Ray 검색장비 영상 자동판독 보조프로그램에서 지정한 위해물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시한 후, 영상을 검증하고, 수하물 검색 영상의 Meta 값을 생성하여, Meta 값을 검증하고, 상기 Meta 값을 Deep Learning Engine과 AI Application으로 학습하는 것을 특징으로 하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템.The method of claim 1,
After applying the border color for each identified item according to the legend color specified automatically to the image corresponding to the dangerous article specified in the X-ray search equipment image automatic reading auxiliary program, the image is verified, and the meta value of the baggage search image A system for driving an auxiliary program for automatic image reading of an X-ray search equipment, characterized in that the meta value is verified by generating and learning the meta value using a deep learning engine and an AI application.
상기 물품을 분류하는 단계(S202);
X-Ray 검색장비 작동(S203) 후 상기 물품의 영상을 검증하는 단계(S204);
지정한 위해 물품에 해당하는 영상에 자동으로 지정한 범례 색상에 따라 식별물품별 테두리 색상을 적용하여 표시하는 단계(S205);
상기 영상을 검증하는 단계(S204);
상기 물품의 검색 영상의 Meta 값 생성 단계(S206);
상기 Meta 값 검증 단계(S207);
X-Ray 검색장비 영상 자동판독 보조프로그램 중 Deep Learning Engine을 이용하는 단계(S208);
AI Application의 작동 단계(S209);
상기 AI Application을 통해 특정 물품을 선정하고 저장하는 단계(S210);
상기 S210 단계에서 선정된 물품을 데이터베이스에 저장하는 단계(S211);를 포함하는 X-Ray 검색장비 영상 자동판독 보조프로그램을 구동하는 시스템을 이용한 방법.
Selecting an article (S201);
Classifying the article (S202);
Verifying the image of the article after the operation of the X-ray search equipment (S203) (S204);
Applying and displaying a border color for each identified item according to an automatically designated legend color to the image corresponding to the designated hazardous item (S205);
Verifying the image (S204);
Generating a Meta value of the search image of the article (S206);
Verifying the Meta value (S207);
Using the Deep Learning Engine among the auxiliary programs for automatic image reading of the X-ray search equipment (S208);
AI Application operation step (S209);
Selecting and storing a specific article through the AI Application (S210);
A method using a system for driving an auxiliary program for automatic image reading of an X-ray search equipment including; storing the article selected in step S210 in a database (S211).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190172617A KR102152023B1 (en) | 2019-12-23 | 2019-12-23 | X-ray search equipment image auto-reading assistant program and method using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190172617A KR102152023B1 (en) | 2019-12-23 | 2019-12-23 | X-ray search equipment image auto-reading assistant program and method using the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102152023B1 true KR102152023B1 (en) | 2020-09-07 |
Family
ID=72471952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190172617A KR102152023B1 (en) | 2019-12-23 | 2019-12-23 | X-ray search equipment image auto-reading assistant program and method using the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102152023B1 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040013243A (en) | 2002-08-05 | 2004-02-14 | 아이리텍 잉크 | Stereo face recognition system installed on metal detection doorway and control method thereof |
| KR20090099121A (en) | 2008-03-17 | 2009-09-22 | (주)대동하이텍 | A door type metal detector having a electromagnetic wave screening plate |
| KR20150002284A (en) * | 2013-06-28 | 2015-01-07 | 삼성전자주식회사 | Apparatus and method for detecting lesion |
| JP2018113038A (en) * | 2017-01-12 | 2018-07-19 | 同方威視技術股▲分▼有限公司 | Inspection device, and method of detecting firearm in luggage |
| KR101880678B1 (en) * | 2016-10-12 | 2018-07-20 | (주)헬스허브 | System for interpreting medical images through machine learnings |
| JP2019164156A (en) * | 2018-02-14 | 2019-09-26 | 株式会社イシダ | Inspection apparatus |
-
2019
- 2019-12-23 KR KR1020190172617A patent/KR102152023B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040013243A (en) | 2002-08-05 | 2004-02-14 | 아이리텍 잉크 | Stereo face recognition system installed on metal detection doorway and control method thereof |
| KR20090099121A (en) | 2008-03-17 | 2009-09-22 | (주)대동하이텍 | A door type metal detector having a electromagnetic wave screening plate |
| KR20150002284A (en) * | 2013-06-28 | 2015-01-07 | 삼성전자주식회사 | Apparatus and method for detecting lesion |
| KR101880678B1 (en) * | 2016-10-12 | 2018-07-20 | (주)헬스허브 | System for interpreting medical images through machine learnings |
| JP2018113038A (en) * | 2017-01-12 | 2018-07-19 | 同方威視技術股▲分▼有限公司 | Inspection device, and method of detecting firearm in luggage |
| JP2019164156A (en) * | 2018-02-14 | 2019-09-26 | 株式会社イシダ | Inspection apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3717329B1 (en) | Vehicle, system and method for inspecting a rail using machine learning | |
| US8867848B2 (en) | Display test device, display test method, and storage medium | |
| US20190139215A1 (en) | Pipe feature identification using pipe inspection data analysis | |
| CN104919794A (en) | Method and system for metadata extraction from master-slave cameras tracking system | |
| US9330339B2 (en) | System and method for detecting cargo container seals | |
| RU2622465C1 (en) | Methods and systems for vehicle inspection | |
| CN109446107B (en) | A kind of source code detection method and device, electronic equipment | |
| US11443137B2 (en) | Method and apparatus for detecting signal features | |
| CN109983482A (en) | Learning model generation method, learning model generating means, signal data method of discrimination, signal data discriminating gear and signal data discriminating program | |
| CN106327546A (en) | Face detection algorithm test method and device | |
| CN113888480A (en) | MES-based quality tracing method and system | |
| CN109145752A (en) | For assessing the method, apparatus, equipment and medium of object detection and track algorithm | |
| CN111492198A (en) | Object shape measuring apparatus and method, and program | |
| CN114782060A (en) | Interactive product detection method and system | |
| KR102152023B1 (en) | X-ray search equipment image auto-reading assistant program and method using the same | |
| US20230129202A1 (en) | System and method for assessing quality of electronic components | |
| Rivera et al. | Work safety assessment through contextual analysis with computer vision | |
| US9285896B2 (en) | Information processing apparatus and information processing method | |
| CN113010868A (en) | On-line test authentication examination management system | |
| Silva et al. | Transmission Tower Classification Using Point Cloud Similarity | |
| Schmitz-Hübsch et al. | A unified valence scale based on diagnosis of facial expressions | |
| US20230135867A1 (en) | System and method for vision based graphical fluid flow anomaly detection for display verification | |
| Mitra et al. | Machine Learning-based Anomaly Detection with Magnetic Data | |
| KR102544533B1 (en) | Object management system through electronic pen record information and photo image information matching | |
| CN117853826B (en) | Object surface precision identification method based on machine vision and related equipment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] |