KR102251855B1 - 열화상을 이용한 도장 품질 관리 장치 및 방법 - Google Patents

열화상을 이용한 도장 품질 관리 장치 및 방법 Download PDF

Info

Publication number
KR102251855B1
KR102251855B1 KR1020190117810A KR20190117810A KR102251855B1 KR 102251855 B1 KR102251855 B1 KR 102251855B1 KR 1020190117810 A KR1020190117810 A KR 1020190117810A KR 20190117810 A KR20190117810 A KR 20190117810A KR 102251855 B1 KR102251855 B1 KR 102251855B1
Authority
KR
South Korea
Prior art keywords
fov
temperature profile
thermal image
temperature
spot
Prior art date
Application number
KR1020190117810A
Other languages
English (en)
Other versions
KR20210035975A (ko
Inventor
오재근
이제윤
Original Assignee
주식회사 코아칩스
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 주식회사 코아칩스 filed Critical 주식회사 코아칩스
Priority to KR1020190117810A priority Critical patent/KR102251855B1/ko
Publication of KR20210035975A publication Critical patent/KR20210035975A/ko
Application granted granted Critical
Publication of KR102251855B1 publication Critical patent/KR102251855B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0092—Temperature by averaging, e.g. by scan
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radiation Pyrometers (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

열화상을 이용한 도장 품질 관리 장치 및 그 방법이 개시된다. 본 도장 품질 관리 장치는, FOV(Field of View) 내 적외선 에너지를 감지하여 FOV 온도 프로파일을 생성하는 열화상 측정부, FOV 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지하여 복수의 스팟 온도를 획득하는 열화상 보상부, 및 복수의 스팟 온도로부터 추출된 스팟 온도 프로파일과 적어도 하나의 지점에 매칭되는 FOV 온도 프로파일의 차를 기초로 FOV 온도 프로파일을 보상하고, 보상된 FOV 온도 프로파일로부터 열화상 이미지를 생성하는 제어부를 포함하되, 제어부는 정상 도장 품질 데이터 및 불량 도장 품질 데이터를 포함하는 보상된 FOV 온도 프로파일들을 입력노드로 갖는 기 학습된 뉴럴 네트워크를 통해 FOV 내 타겟하는 대상체의 에러값을 추출하되, 에러값이 추출된 FOV 온도 프로파일을 불량 도장이 발생된 것으로 예측하고, 해당 FOV 온도 프로파일로부터 상기 에러값을 표시한 도장 품질 예측 열화상 이미지를 생성한다.

Description

열화상을 이용한 도장 품질 관리 장치 및 방법{Painting Quality Management Apparatus and Method Using Thermal Image}
본 발명은 열화상 측정 결과에 기반하여 대상체의 도장 품질을 예측할 수 있는 도장 품질 관리 장치 및 그 도장 품질 관리 방법에 관한 것이다.
도장 공정(painting process)은 피도물(被塗物)에 도료를 도포하는 공정으로서, 도장 대상은 자동차, 건설 기계, 철강 재료 및 가구 등 다양한 분야에 걸쳐 한정되지 않는다.
도장 공정에서는 균일한 도막 두께(coating thickness)를 유지하는 것이 품질과 직결되어, 도장 공정에서 에러(즉, 불량)가 발생된 영역이 존재할 경우 기술적 또는 심미적으로 제품(즉, 도장 공정 대상체)의 품질이 하락할 수 있다는 문제가 있다.
이러한 도장 공정의 품질을 관리하기 위해, 대상체 표면의 균일한 도막 두께를 측정 또는 예측할 수 있는 방식으로서의 열화상 측정 기술이 유용하게 적용할 수 있을 것으로 기대된다.
열화상 카메라는 피사체의 실물이 아니라 대상체 표면으로부터 복사되는 열에너지를 시각적으로 보여주는 장비로써, 열 에너지를 전자파의 일종인 적외선 파장의 형태로 검출하여 대상체 표면의 복사열의 강도에 따라서 각각 다른 색상으로 표현한다. 여기서, 적외선 에너지란 전자기 스펙트럼의 한 종류로써 감마레이, 엑스레이, 자외선, 가시광선, 적외선, 마이크로파 그리고 라디오파로부터 나오는 방사선을 포함한다. 모든 물체는 각각의 온도에 따라 고유한 흑체방사(black-body radiation)특성을 가지며, 일반적으로 높은 온도를 갖는 물체일수록 방출되는 더 많은 적외선을 방출한다.
이러한 원리에 따라, 일반적으로 열화상 카메라는 전기 설비와 기계 설비들이 고장 전에 가열되는 경향이 있다는 점을 이용하여 정비가 필요한 시점 및 장소를 결정하는데에 이용될 수 있으며, 이 외에도 화재, 군사, 의료 등에 폭넓게 이용되고 있다.
한편, 기존의 열화상 측정 장치는 측정하고자 하는 대상체의 표면 특성(예컨대, 표면 재료의 반사율) 및 외부 특성에 따른 오차가 발생되기 쉽다. 예를 들어, 도 1에 도시된 바와 같이, 열화상 측정 장치로부터 타겟하는 대상체까지의 거리값에 따라 측정 온도가 달라지는 것을 확인할 수 있다. 이러한 오차를 줄이기 위해서는 가능한 짧은 파장 대역을 사용하는 것이 좋으나, 짧은 파장 대역을 사용하는 경우에도 외부광(예컨대, 태양광)이 강하게 비치는 환경에서 사용하기에 알맞지 않다는 제약사항 등이 존재한다.
따라서, 정확한 도장 품질 관리를 위해서는, 대상체 표면 특성 및 외부 특성 등에 따른 오차를 개선하여 열화상 정보의 정확도를 높일 수 있는 열화상 측정 장치가 요구된다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 보다 정밀하게 열화상 정보를 측정하는 열화상 측정 장치를 사용하여 타겟하는 대상체에 대한 열화상 정보를 생성하고, 생성된 열화상 정보에 기반하여 대상체의 도장 품질을 예측할 수 있는 도장 품질 관리 장치 및 그 방법을 제공하는데에 있다.
또한, 본 발명은 기 학습된 데이터를 이용하여 대상체의 열화상 정보로부터 에러값을 추출하고, 추출된 에러값에 기반하여 대상체 상에서 품질 이상이 발생된 관리 영역을 예측하는데에 그 목적이 있다.
상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 열화상을 이용한 도장 품질 관리 장치는, FOV(Field of View) 내 적외선 에너지를 감지하여 FOV 온도 프로파일을 생성하는 열화상 측정부, 상기 FOV 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지하여 스팟 온도를 획득하는 열화상 보상부, 및 상기 스팟 온도로부터 추출된 스팟 온도 프로파일과 상기 적어도 하나의 지점에 매칭되는 FOV 온도 프로파일의 차를 기초로 상기 FOV 온도 프로파일을 보상하고, 상기 보상된 FOV 온도 프로파일로부터 열화상 이미지를 생성하는 제어부를 포함한다.
이때, 상기 제어부는, 정상 도장 품질 데이터 및 불량 도장 품질 데이터를 포함하는 상기 보상된 FOV 온도 프로파일들을 입력노드로 갖는 기 학습된 뉴럴 네트워크를 통해 상기 FOV 내 타겟하는 대상체의 에러값을 추출하되, 상기 에러값이 추출된 FOV 온도 프로파일을 불량 도장이 발생된 것으로 예측하고, 해당 FOV 온도 프로파일로부터 상기 에러값을 표시한 도장 품질 예측 열화상 이미지를 생성하며, 상기 에러값은 상기 에러 발생 위치 및 에러 종류 중 적어도 하나를 포함할 수 있다.
또한, 상기 제어부는 상기 열화상 측정부 및 상기 열화상 보상부로 동작 개시 신호를 인가하되, 상기 열화상 보상부로 상기 동작 개시 신호를 복수회 반복 인가할 수 있다.
또한, 상기 제어부는 상기 스팟 온도 프로파일이 임계 범위 내에 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 정지 상태인 것으로 판단하고, 상기 적어도 하나의 지점에 해당하는 FOV 온도 프로파일을 상기 매칭되는 FOV 온도 프로파일로 추출하며, 상기 스팟 온도 프로파일이 임계 범위를 벗어나 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 동적 상태인 것으로 판단하고, 각 지점이 연장된 라인(line)에 해당하는 FOV 온도 프로파일을 상기 매칭되는 FOV 온도 프로파일로 추출할 수 있다.
또한, 상기 열화상 보상부에서 필터링되는 적외선 파장대는 상기 열화상 측정부에서 필터링되는 적외선 파장대와 상이한 것일 수 있다.
또한, 상기 열화상 보상부는 적어도 하나의 비접촉 적외선 온도 센서를 포함할 수 있다.
또한, 상기 열화상 보상부는 상기 비접촉 적외선 온도 센서에서 방출된 적외선이 수신됨에 따른 전압 변화를 감지하여 상기 FOV 내 타겟하는 대상체까지의 거리값을 측정하는 거리 센서를 더 포함하며, 상기 제어부는 상기 스팟 온도 프로파일 및 상기 거리값을 기초로 상기 FOV 온도 프로파일을 보상할 수 있다.
또한, 상기 제어부는 상기 보상된 FOV 온도 프로파일을 FEM(finite element method)으로 모델링한 값을 상기 뉴럴 네트워크의 입력노드로 입력할 수 있다.
또한, 본 발명의 일 실시 예에 따른 열화상을 이용한 도장 품질 관리 방법은, FOV(Field of View) 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지한 복수의 스팟 온도를 획득하는 단계; 상기 FOV 내 적외선 에너지를 기초로 생성된 FOV 온도 프로파일을 획득하는 단계; 상기 복수의 스팟 온도가 감지된 기 결정된 위치 정보 또는 동적으로 추출된 위치 정보를 추출하여, 상기 복수의 스팟 온도로부터 추출된 스팟 온도 프로파일에 매칭되는 FOV 온도 프로파일을 추출하는 단계; 상기 스팟 온도 프로파일과 상기 추출된 FOV 온도 프로파일의 차를 기초로 상기 FOV 온도 프로파일을 보상하는 단계; 정상 도장 품질 데이터 및 불량 도장 품질 데이터를 포함하는 상기 보상된 FOV 온도 프로파일들을 입력노드로 갖는 기 학습된 뉴럴 네트워크를 통해, 상기 FOV 내 타겟하는 대상체의 에러값을 추출하는 단계; 및 상기 에러값이 추출된 FOV 온도 프로파일을 불량 도장이 발생된 것으로 예측하고, 해당 FOV 온도 프로파일로부터 상기 에러값을 표시한 도장 품질 예측 열화상 이미지를 생성하는 단계를 포함한다.
이때, 상기 에러값은 에러 발생 위치 및 에러 종류 중 적어도 하나를 포함할 수 있다.
또한, 상기 스팟 온도 프로파일에 매칭되는 FOV 온도 프로파일을 추출하는 단계는, 상기 스팟 온도 프로파일이 임계 범위 내에 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 정지 상태인 것으로 판단하고, 상기 적어도 하나의 지점에 해당하는 FOV 온도 프로파일을 추출하고, 상기 스팟 온도 프로파일이 임계 범위를 벗어나 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 동적 상태인 것으로 판단하고, 각 지점이 연장된 라인(line)에 해당하는 FOV 온도 프로파일을 추출할 수 있다.
또한, 상기 열화상 측정 방법은, 상기 보상된 FOV 온도 프로파일을 FEM(finite element method)으로 모델링한 값을 입력 노드로 갖는 기 학습된 뉴럴 네트워크를 통해, 상기 FOV 내 타겟하는 대상체의 에러값을 추출할 수 있다.
본 발명의 일 실시예는, 상기한 열화상 측정 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체를 제공한다.
이상과 같은 다양한 실시 예들에 따르면, FOV 내 타겟하는 대상체의 정확한 표면 온도값을 이용하여 FOV 온도 프로파일을 산출함으로써, 해당 대상체의 보다 정확한 온도 프로파일링을 수행할 수 있다. 나아가, 기계 학습된 도장 품질 데이터를 활용하여 FOV 내 타겟하는 대상체에 대한 에러값을 추출할 수 있으며, 추출된 에러값에 기반하여 대상체의 도장 품질 불량 영역을 예측할 수 있다.
도 1은 종래의 열화상 측정 장치로부터 타겟하는 대상체까지의 거리에 따라 측정 온도가 달라지는 일례를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 열화상을 이용한 도장 품질 관리 장치의 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따라 동적 대상체에 대하여 기 결정된 위치에서 좌우로 연장된 라인에 매칭되는 FOV 온도 정보와 스팟 온도 프로파일을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 적용되는 뉴럴 네트워크의 일례를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 기계 학습된 뉴럴 네트워크를 통해 학습되는 FOV 온도 분포 데이터 및 품질 불량 데이터들의 예를 도시한다.
도 6은 본 발명의 일 실시예에 따라 기계 학습된 뉴럴 네트워크를 통해 보상된 FOV 온도 정보로부터 출력된 에러 위치가 표시된 열화상 이미지를 도시한다.
도 7은 본 발명의 일 실시예에 따르는 열화상을 이용한 도장 품질 관리 방법을 설명하기 위한 순서도이다.
이하에서, 첨부된 도면을 이용하여 본 발명에 대하여 구체적으로 설명한다. 본 발명을 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 식별 기호에 불과하다.
도 2는 본 발명의 일 실시예에 따른 열화상을 이용한 도장 품질 관리 장치(100)를 도시한 도면이다.
본 발명의 일 실시예에 따른 도장 품질 관리 장치(100)는 열화상 측정부(110), 열화상 보상부(120), 제어부(130) 및 저장부(140)를 포함한다.
열화상 측정부(110)는 적어도 하나의 열화상 카메라를 포함한다. 열화상 카메라는 FOV(Field of View) 내의 0도(0°Kelvin) 이상의 온도에서 모든 물질에 의하여 방사, 전송 또는 반사되는 적외선 에너지를 감지하고, 감지된 에너지를 신호(이하, FOV 온도 정보)로 출력함으로써, 제어부(130)가 해당 FOV 온도 정보를 기초로 열 이미지를 출력하도록 한다.
여기서, 열화상 카메라가 감지하는 적외선 에너지는 방사율로써, 방사율은 주어진 온도에서 물체가 동일한 온도에서 완전 복사체 또는 흑체(blackbody)로부터 방사된 에너지에 복사하는 에너지의 비율을 의미한다. 예컨대, 흑체의 방사율은 1.0이고, 모든 물체의 방사율은 0.0 이상 1.0 이하로 정의될 수 있다. 일반적으로 물체의 방사율이 높을수록 적외선을 사용하여 정확한 온도 측정값을 얻는 것이 용이하다. 매우 낮은 방사율(0.2 미만)을 가진 물체는 측정이 어려우며, 알루미늄과 같이 광이 나거나 빛이 나는 금속성 표면은 정확한 온도 측정이 어려울 수 있다. 또한, FOV 온도 정보는 FOV에 대한 온도 프로파일 정보일 수 있다.
본 발명의 일 실시예에서 FOV(Field of View)는 도장이 완료된 상태의 대상체에 대해 기 설정된 복수의 위치로 설정될 수 있으며, 도장 공정 시 건조(즉, 오븐)단계에서 열화상 측정이 실시될 수 있다. 이러한 열화상 측정 시점 및 위치는 한정되지 않는다.
한편, 열화상 카메라는 열감지 해상도에 따른 매트릭스 또는 일렬 배열된 적외선 센서들로 구성될 수 있으며, 열화상 카메라의 구성에 대해서는, 본 발명의 기술분야의 당업자에게 용이하게 이해될 수 있을 것이므로, 자세한 설명은 생략한다.
열화상 보상부(120)는 열화상 측정부(110)에서 획득된 FOV 온도 정보와 실 대상체 간의 온도 오차를 보상하기 위해 적어도 하나의 비접촉 온도 센서를 포함한다. 비접촉 온도 센서는 대상체에 접촉하지 않은 상태에서 측정 대상체의 일 지점의 스팟(spot) 온도를 감지하는 장치일 수 있다.
일 실시예에 따라, 비접촉 온도 센서는 광학 렌즈, 기 결정된 적외선 파장대를 필터링하는 필터, 해당 파장대의 적외선 에너지를 감지하는 감지기 등을 포함할 수 있으며, 감지된 적외선 에너지를 전기 신호로 전환하여 제어부(130)로 제공할 수 있다.
이때, 렌즈의 종류, 직경, 배율 등은, 도장 품질 관리 장치(100)와 타겟하는 대상체 간의 거리를 기초로 설정될 수 있다. 또한, 비접촉 온도 센서에서 필터링되는 제1 적외선 파장대는 열화상 측정부(110)에서 필터링되는 제2 적외선 파장대와 상이할 수 있으며, 보다 구체적으로, 제1 적외선 파장대의 커버리지 범위(coverage area)는 제2 적외선 파장대보다 작을 수 있으며, 제1 적외선 파장대의 가장 큰 값은 제2 적외선 파장대의 가장 작은 값보다 작을 수 있다. 그러나, 이에 한정되는 것은 아니며, 도장 품질 관리 장치(100)가 사용되는 장소 및 주변 환경에 따라 제1 및 제2 적외선 파장대는 조정될 수 있다.
제어부(130)는 열화상 측정부(110) 및 열화상 보상부(120)를 제어하기 위한 적어도 하나의 구성요소를 포함한다.
예를들어, 제어부(130)는 저장부(140)에 저장된 제어 프로그램(예컨대, 적어도 하나의 인스트럭션 세트)을 독출 및 실행하기 위해, 비한정적인 예로서, RAM(Random Access Memory)(미도시), ROM(Read-Only Memory)(미도시), CPU(미도시), GPU(Graphic Processing Unit)(미도시) 중 적어도 하나를 포함할 수 있다. 또한, 제어부(130)는 열화상 측정부(110) 및 열화상 보상부(120)와 제어 신호 및/또는 데이터(예컨대, FOV 온도 정보, 스팟 온도 등)를 송수신하기 위한 제어 로직이 실장된 ASIC(Application Specific Integrated Circuit), FPGA(field programmable gate array) 등을 포함할 수 있다. 또한, 저장부(140)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
제어부(130)는 열화상 측정부(110)로부터 제공받은 FOV 온도 정보와 열화상 보상부(120)로부터 제공받은 복수의 스팟 온도를 기초로 FOV 열화상 이미지를 생성한다.
보다 구체적으로, 제어부(130)는 열화상 보상부(120)와 열화상 측정부(110)에 순차 또는 동시에 동작 개시 신호를 인가하여 적어도 하나의 스팟 온도와 FOV 온도 정보를 획득할 수 있다.
이때, 제어부(130)는 열화상 보상부(120)로 복수 회 상기 동작 개시 신호를 인가함으로써 복수의 스팟 온도로부터 스팟 온도 프로파일(스팟 온도 정보)를 획득할 수 있다. 비 한정적인 예로써, 제어부(130)는 초당 30회 내지 60회로 상기 동작 개시 신호를 인가할 수 있다. 이는 열화상 보상부(120)가 보다 정확하게 FOV 내 대상체의 실 온도를 측정하도록 하기 위함이며, 상기 대상체의 동작 상태에 따른 보다 정확한 온도 보상을 수행하기 위함일 수 있다. 한편, 위에서는 제어부(130)가 동작 개시 신호를 복수회 인가하는 것으로 설명하였으나, 이에 한정되는 것은 아니며, 열화상 보상부(120)가 하나의 동작 개시 신호에 대응하여 복수 회 동작하거나, 기 결정된 시간 동안(예를 들어, 0.3초) 연속적으로 스팟 온도를 감지할 수도 있다.
이후, 제어부(130)는 복수의 스팟 온도로부터 획득된 스팟 온도 프로파일(이하, ‘스팟 온도 정보’라 칭함)에 매칭되는FOV 온도 정보를 획득할 수 있다.
이는 스팟 온도가 감지되는 기 결정된 위치 정보와 상기 FOV 내 대상체의 상태 정보(즉, 상기 대상체의 정지 상태 또는 동적 상태)를 이용하여 이루어질 수 있다. 예를 들어, 스팟 온도 정보가 임계 범위(예컨대, 95% 이내 등) 내에 분포하는 경우, 제어부(130)는 FOV 내 대상체가 정지 상태인 것으로 판단하여, 기 결정된 위치 정보(즉, 일 지점)에 해당하는 FOV 온도 정보를 추출한다. 그러나 스팟 온도 정보가 임계 범위를 벗어나 분포하는 경우, 제어부(130)는 상기 대상체가 동적 상태인 것으로 판단하여, 상기 기 결정된 위치에서 좌우(또는 상하)로 연장된 라인(line)에 해당하는 FOV 온도 정보를 추출한다.
도 3은 본 발명의 일 실시예에 따라 동적 대상체에 대하여 기 결정된 위치에서 좌우로 연장된 라인에 매칭되는 FOV 온도 정보와 스팟 온도 프로파일을 도시한 도면이다.
또는, 제어부(130)는 상기 매칭되는 FOV 온도 정보를 동적으로 추출할 수 있다. 예를 들어, 열화상 보상부(120) 및 열화상 측정부(110)는 제어부(130)의 제어 신호에 의해 3차원(즉, x축, y축, z축) 배치 각도가 조정 및/또는 고정될 수 있는 기구를 더 포함하며, 제어부(130)는 상기 제어 신호를 기초로 열화상 스팟 온도에 매칭되는 FOV 온도 정보를 동적으로 추출할 수 있다.
이후, 제어부(130)는 스팟 온도 정보에 매칭 FOV 온도 정보의 차(D)를 기초로 FOV 온도 정보를 보상한다. 예를 들어, 제어부(130)는 기 획득된 FOV 온도 정보에서 상기 차(D)를 가감하여 보상된 FOV 온도 정보를 획득할 수 있다.
또한, 실시예에 따라 열화상 보상부(120)는 타겟하는 대상체까지의 거리를 측정하기 위한 거리 센서(미도시)를 더 포함할 수 있다. 이 때 거리 센서는 비접촉 적외선 온도 센서에서 방출된 적외선이 수신됨에 따른 전압 변화를 감지하기 위한 감지기를 포함할 수 있으며, 구현예에 따라 비접촉 적외선 온도 센서에 포함되어 구현될 수 있다. 제어부(130)는 거리 센서로부터 제공받은 거리값과 스팟 온도 정보를 기초로 FOV 온도 정보를 보상할 수 있다. 이때, 제어부(130)는 실험적으로 측정된 거리와 스팟 온도 간의 상관 관계를 포함하는 LUT(look-up table)을 이용하여 FOV 온도 정보를 보상할 수 있다. 상기 LUT는 저장부(140)에 기 저장될 수 있다.
이후, 제어부(130)는 보상된 FOV 온도 정보를 이용하여 열화상 이미지를 생성할 수 있다. 이와 같이, 본 발명의 일 실시예에 따른 도장 품질 관리 장치(100)는 FOV 내의 일 지점의 실제 온도를 측정하고, 이를 이용하여 FOV 내 열화상 이미지를 생성함으로써 미세한 온도 변화 감지가 필요한 환경에서 적합하게 사용될 수 있다.
또한, 본 발명의 일 실시예에 따른 제어부(130)는 보상된 FOV 온도 정보로부터 에러값을 추출할 수 있다. 이때, 제어부(130)는 기계 학습된 데이터를 기초로 에러값을 추출할 수 있다. 기계 학습은 도 4와 같은 복수의 노드로 구성된 뉴럴 네트워크(Neural Network)을 통해 수행될 수 있으며, 상기 기계 학습된 데이터 및 뉴럴 네트워크의 피처들은 저장부(140)에 기 저장될 수 있다.
도 4의 뉴럴 네트워크는 복수의 입력 노드(I1)와 중간 노드(H1-1~H1-3, H1-2~H2-4), 출력 노드(O1)를 포함하여 구성될 수 있다. 이때, 각 노드는 입력값에 가중치를 부여하는 연산과정을 수행하는 피처들의 집합을 나타낼 수 있다. 입력 노드(I1)에는 FOV 온도 정보(즉, FOV 온도 프로파일)에 포함되는 데이터 세트들이 입력될 수 있다. 또는, FOV 온도 정보를 FEM(finite element method) 등으로 모델링한 값이 입력 노드(I1~I5)에 입력될 수도 있으나, 이에 한정되는 것은 아니다. 출력값은 대상체에 대한 에러값으로, 예를들어, 열화상 이미지 내 에러 위치일 수 있으며, 에러 종류, 에러 단계, 에러 발생 가능 위치 등의 정보를 더 포함할 수 있다.
이후, 위와 같은 방식으로 입력 노드(I1)에 값이 입력되면, (입력값 - 출력값)에 대한 학습 데이터들을 활용하여 정확한 상관도를 파악할 수 있도록 기계 학습을 수행한다. 이러한 상관도는 뉴럴 네트워크의 중간 노드(H1-1~H1-3, H2-1~H2-4)에서 모델링된 FOV 온도 정보의 각 피처들에 의해 학습될 수 있다. 각 노드와 노드 사이에는 가중치가 부여되어 연산될 수 있으며, 중간 노드(H1-1~H1-3, H2-1~H2-4)에서는 가중치가 부여된 피처들에 대한 합, 곱, 뺄셈, 나눗셈 중 적어도 하나가 수행될 수 있다. 도 4에서는 중간 노드가 두 개의 레이어로 형성된 것으로 도시하였으나, 한 개 또는 세 개 이상의 레이어로 설정될 수 있으며, 각 레이어에 포함된 중간 노드들의 수도 달라질 수 있다.
기계 학습 단계에서 노드와 노드 사이의 가중치 값의 크기 및 부호는 변경되며, 변경된 가중치 값을 기준으로 다시 연산을 수행하여, 최종 입력 FOV 온도 정보와 에러값이 올바르게 산출되도록 한다.
이러한 방식으로 도 4의 알고리즘은 노드와 노드 사이의 최적의 가중치 값을 설정하며, 이를 통해 미학습 FOV 온도 정보로부터 에러값을 추출한다.
도 5는 본 발명의 일 실시예에 따라 기계 학습된 뉴럴 네트워크를 통해 학습되는 FOV 온도 분포 데이터 및 품질 불량 데이터들의 예를 도시한다.
앞서 도 4에서 설명한 기계 학습 모델(즉, 뉴럴 네트워크)에는, 도 5의 (a)에서와 같이 FOV의 온도 분포 데이터(즉, 상기 FOV 온도 프로파일)가 미학습 데이터로서 연속하여 입력되며, 이들 온도 분포 데이터들에는 도장 품질이 정상인 상태와 불량인 상태의 온도 분포 데이터들이 각각 포함되어 있다. 즉, 도 5의 (b)를 참조하면, 입력된 온도 분포 데이터들 중 임의의 부분(즉, FOV 내 일 영역)에 품질 불량이 발생된 데이터(P10)들이 포함된 것을 알 수 있다. 이러한 품질 불량 데이터는 FOV 내에서 주변 영역에 비해 일정 범위 이상 상이한 온도 값을 갖는 부분으로 설정될 수 있다. 즉, 도장 공정 시 대상체에서 도막 두께가 균일하지 못할 경우 주변 영역에 비해 일정 범위 이상 상이한 온도 값을 갖는 영역이 발생될 수 있으며, 뉴럴 네트워크에서는 입력된 온도 분포 데이터에서 주변 영역에 비해 일정 범위 이상으로 상이한 온도 값이 발생된 영역을 품질 불량 영역(즉, 에러값)으로 추출할 수 있다.
이에 따라, 제어부(130)는 보정된 FOV 온도 프로파일들을 뉴럴 네트워크를 통해 기계 학습한 결과로서, 도 5의 (c)에서와 같이 해당 FOV 온도 프로파일 상에서 에러값이 추출된 특정 영역(P20)을 도장 품질 이상(즉, 불량)이 발생 가능한 영역으로서 예측할 수 있다. 그리고 제어부(130)는 추출된 품질 이상 FOV 영역을 별도로 표시한 도장 품질 예측 열화상 이미지를 생성하여 출력할 수 있다.
도 6은 본 발명의 일 실시예에 따라 기계 학습된 뉴럴 네트워크를 통해 보상된 FOV 온도 정보로부터 출력된 에러 위치(백색 원으로 도시됨)가 표시된 열화상 이미지를 도시한다.
이와 같이, 뉴럴 네트워크를 통해 출력된 에러값은 2차원(또는 3차원) 열화상 이미지로 사용자에게 출력될 수 있다. 한편, 이상에서는 대상체가 차량인 경우의 예를 도시하였으나, 본 발명은 기계 설비, 가구 등의 다양한 대상체에 대해 표면에 도장 품질 불량에 따른 에러값을 추출하는 등에 이용될 수 있다.
도 7은 본 발명의 일 실시예에 따르는 열화상 측정 방법을 설명하기 위한 순서도이다. 이하의 방법은 상술한 도장 품질 관리 장치(100)에 의해 수행되는 것이므로, 이하에서 생략된 내용이 있다고 하더라도 상술한 내용으로부터 갈음하도록 한다.
먼저, 제어부(130)는 열화상 보상부(120)로 적어도 하나의 제어 신호를 제공하여, FOV 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지한 복수의 스팟 온도를 획득한다(S710). 이와 동시 또는 순차적으로, 제어부(130)는 열화상 측정부(110)로 제어 신호를 제공하고, FOV 내 적외선 에너지를 기초로 생성된 온도 프로파일을 획득한다(S720).
제어부(130)는 복수의 스팟 온도로부터 획득된 스팟 온도 프로파일을 이용하여 상기 FOV 내 타겟하는 대상체의 상태 정보를 판단할 수 있다(S730). 여기서 대상체의 상태 정보는 상기 대상체의 정지 상태 또는 동적 상태를 나타낼 수 있다. 그러나, 상기 S730 단계는 필수적인 것은 아니며, 상기 대상체의 상태 정보가 제어부(130) 내에 기 결정되어 있는 경우 생략될 수 있다.
이후, 제어부(130)는 상기 복수의 스팟 온도가 감지된 기 결정된 위치 정보 또는 동적으로 추출된 위치 정보를 추출하여, 상기 스팟 온도 프로파일에 매칭되는 FOV 온도 프로파일을 추출한다(S740). 예를 들어, 스팟 온도 프로파일이 임계 범위 내에 분포하는 경우, 제어부(130)는 상기 스폿 온도가 감지된 일 지점에 해당하는 FOV 온도 프로파일을 추출하며, 스팟 온도 프로파일이 임계 범위를 벗어나 분포하는 경우, 제어부(130)는 상기 일 지점이 연장된 라인에 해당하는 FOV 온도 프로파일을 추출할 수 있다.
이후, 제어부(130)는 추출된 FOV 온도 프로파일과 스팟 온도 프로파일의 차(D)를 FOV 온도 프로파일에서 가감하여 상기 FOV 온도 프로파일을 보상한다(S750).
그리고 제어부(130)는 보상된 FOV 온도 프로파일로부터 열화상 이미지를 생성한다(S760).
한편, FOV 내에 타겟하는 대상체는 도장 공정을 완료한 것으로서, 대상체표면의 도막 두께가 균일한 경우와 일정 부분 이상 상이한 경우에는, 보상된 FOV 온도 프로파일 내에서 서로 다른 온도 프로파일이 획득될 수 있다.
이에 따라, 제어부(130)는 열화상 이미지를 생성하는 단계(S760)에서, 보상된 FOV 온도 프로파일을 FEM(finite element method) 등으로 모델링한 값을 입력 노드로 갖는 기 학습된 뉴럴 네트워크를 통해, FOV 내 타겟하는 대상체의 에러값을 추출하고, 이러한 에러값이 표시된 열화상 이미지를 도장 품질 예측 이미지로서 제공할 수 있다.
이때, 에러값은 에러 발생 가능 위치(예: 대상체 상에서 해당 FOV의 위치) 및 에러 종류(예: 도막 두께 차이 등)중 적어도 하나를 포함할 수 있다. 이에 대해서는, 도 4및 도5를 참조하여 상세히 설명하였으므로, 자세한 설명은 생략한다.
한편, 상술한 다양한 실시 예들에 따른 열화상 측정 방법들은 소프트웨어로 생성되어 다양한 전자 장치에 탑재될 수 있다.
예를 들어, FOV(Field of View) 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지한 복수의 스팟 온도를 획득하는 단계, FOV 내 적외선 에너지를 기초로 생성된 FOV 온도 프로파일을 획득하는 단계, 복수의 스팟 온도가 감지된 기 결정된 위치 정보 또는 동적으로 추출된 위치 정보를 추출하여, 스팟 온도 프로파일에 매칭되는 FOV 온도 프로파일을 추출하는 단계, 복수의 스팟 온도로부터 추출된 스팟 온도 프로파일과 추출된 FOV 온도 프로파일의 차를 기초로 FOV 온도 프로파일을 보상하는 단계, 및 보상된 FOV 온도 프로파일로부터 열화상 이미지를 생성하는 단계를 포함하는 열화상 측정 방법을 수행하는 프로그램이 저장된 비일시적 판독 가능 매체(non-transitory computer readable medium)가 설치될 수 있다.
여기서, 비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 미들웨어 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 또한, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 따라서, 본 발명의 호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 열화상 측장 장치
110: 열화상 측정부
120: 열화상 보상부
130: 제어부
140: 저장부

Claims (11)

  1. 도장 공정이 완료된 대상체의 표면에 대한 FOV(Field of View) 내 적외선 에너지를 감지하여 FOV 온도 프로파일을 생성하는 열화상 측정부,
    상기 FOV 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지하여 복수의 스팟 온도를 획득하는 열화상 보상부, 및
    상기 복수의 스팟 온도로부터 추출된 스팟 온도 프로파일과 상기 적어도 하나의 지점에 매칭되는 FOV 온도 프로파일의 차를 기초로 상기 FOV 온도 프로파일을 보상하고, 상기 보상된 FOV 온도 프로파일로부터 열화상 이미지를 생성하는 제어부를 포함하고,
    상기 제어부는,
    정상 도장 품질 데이터 및 불량 도장 품질 데이터를 포함하는 상기 보상된 FOV 온도 프로파일들을 입력노드로 갖는 기 학습된 뉴럴 네트워크를 통해, 상기 FOV 내 타겟하는 대상체의 에러값을 추출하되, 상기 에러값이 추출된 FOV 온도 프로파일을 불량 도장이 발생된 것으로 예측하고, 해당 FOV 온도 프로파일로부터 상기 에러값을 표시한 도장 품질 예측 열화상 이미지를 생성하며,
    상기 에러값은 에러 발생 위치 및 에러 종류 중 적어도 하나를 포함하는 것인, 열화상을 이용한 도장 품질 관리 장치.
  2. 제 1 항에 있어서,
    상기 제어부는 상기 보상된 FOV 온도 프로파일을 FEM(finite element method)으로 모델링한 값을 상기 뉴럴 네트워크의 입력노드로 입력하는 것인, 열화상을 이용한 도장 품질 관리 장치.
  3. 제 1 항에 있어서,
    상기 제어부는
    상기 열화상 측정부 및 상기 열화상 보상부로 동작 개시 신호를 인가하되,
    상기 열화상 보상부로 상기 동작 개시 신호를 복수회 반복 인가하는 것인, 열화상을 이용한 도장 품질 관리 장치.
  4. 제 1 항에 있어서,
    상기 제어부는
    상기 스팟 온도 프로파일이 임계 범위 내에 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 정지 상태인 것으로 판단하고, 상기 적어도 하나의 지점에 해당하는 FOV 온도 프로파일을 상기 매칭되는 FOV 온도 프로파일로 추출하며,
    상기 스팟 온도 프로파일이 임계 범위를 벗어나 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 동적 상태인 것으로 판단하고, 각 지점이 연장된 라인(line)에 해당하는 FOV 온도 프로파일을 상기 매칭되는 FOV 온도 프로파일로 추출하는 것인, 열화상을 이용한 도장 품질 관리 장치.
  5. 제 1 항에 있어서,
    상기 열화상 보상부에서 필터링되는 적외선 파장대는 상기 열화상 측정부에서 필터링되는 적외선 파장대와 상이한 것인, 열화상을 이용한 도장 품질 관리 장치.
  6. 제 1 항에 있어서,
    상기 열화상 보상부는
    적어도 하나의 비접촉 적외선 온도 센서를 포함하는 것인, 열화상을 이용한 도장 품질 관리 장치.
  7. 제 6 항에 있어서,
    상기 열화상 보상부는
    상기 비접촉 적외선 온도 센서에서 방출된 적외선이 수신됨에 따른 전압 변화를 감지하여 상기 FOV 내 타겟하는 대상체까지의 거리값을 측정하는 거리 센서를 더 포함하며,
    상기 제어부는
    상기 스팟 온도 프로파일 및 상기 거리값을 기초로 상기 FOV 온도 프로파일을 보상하는 것인, 열화상을 이용한 도장 품질 관리 장치.
  8. 열화상을 이용한 도장 품질 관리 장치를 통한 도장 품질 관리 방법에 있어서,
    도장 공정이 완료된 대상체의 표면에 대한 FOV(Field of View) 내 적어도 하나의 지점으로부터 실 온도를 비접촉 감지한 복수의 스팟 온도를 획득하는 단계;
    상기 FOV 내 적외선 에너지를 기초로 생성된 FOV 온도 프로파일을 획득하는 단계;
    상기 복수의 스팟 온도가 감지된 기 결정된 위치 정보 또는 동적으로 추출된 위치 정보를 추출하여, 상기 복수의 스팟 온도로부터 추출된 스팟 온도 프로파일에 매칭되는 FOV 온도 프로파일을 추출하는 단계;
    상기 스팟 온도 프로파일과 상기 추출된 FOV 온도 프로파일의 차를 기초로 상기 FOV 온도 프로파일을 보상하는 단계;
    정상 도장 품질 데이터 및 불량 도장 품질 데이터를 포함하는 상기 보상된 FOV 온도 프로파일들을 입력노드로 갖는 기 학습된 뉴럴 네트워크를 통해, 상기 FOV 내 타겟하는 대상체의 에러값을 추출하는 단계; 및
    상기 에러값이 추출된 FOV 온도 프로파일을 불량 도장이 발생된 것으로 예측하고, 해당 FOV 온도 프로파일로부터 상기 에러값을 표시한 도장 품질 예측 열화상 이미지를 생성하는 단계를 포함하며,
    상기 에러값은 에러 발생 위치 및 에러 종류 중 적어도 하나를 포함하는 것인, 열화상을 이용한 도장 품질 관리 방법.
  9. 제 8 항에 있어서,
    상기 스팟 온도 프로파일에 매칭되는 FOV 온도 프로파일을 추출하는 단계는,
    상기 스팟 온도 프로파일이 임계 범위 내에 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 정지 상태인 것으로 판단하고, 상기 적어도 하나의 지점에 해당하는 FOV 온도 프로파일을 추출하고,
    상기 스팟 온도 프로파일이 임계 범위를 벗어나 분포하는 경우, 상기 FOV 내 타겟하는 대상체가 동적 상태인 것으로 판단하고, 각 지점이 연장된 라인(line)에 해당하는 FOV 온도 프로파일을 추출하는 것인 열화상을 이용한 도장 품질 관리 방법.
  10. 제 8 항에 있어서,
    상기 보상된 FOV 온도 프로파일을 FEM(finite element method)으로 모델링한 값을 입력 노드로 갖는 기 학습된 뉴럴 네트워크를 통해, 상기 FOV 내 타겟하는 대상체의 에러값을 추출하는 것인, 열화상을 이용한 도장 품질 관리 방법.
  11. 제 8 항 내지 제 10 항 중의 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.

KR1020190117810A 2019-09-25 2019-09-25 열화상을 이용한 도장 품질 관리 장치 및 방법 KR102251855B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190117810A KR102251855B1 (ko) 2019-09-25 2019-09-25 열화상을 이용한 도장 품질 관리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190117810A KR102251855B1 (ko) 2019-09-25 2019-09-25 열화상을 이용한 도장 품질 관리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20210035975A KR20210035975A (ko) 2021-04-02
KR102251855B1 true KR102251855B1 (ko) 2021-05-13

Family

ID=75466518

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190117810A KR102251855B1 (ko) 2019-09-25 2019-09-25 열화상을 이용한 도장 품질 관리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102251855B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102648759B1 (ko) * 2021-07-30 2024-03-19 이원희 강판의 도유량 측정 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3240086B2 (ja) 1993-10-26 2001-12-17 新日鉄ソリューションズ株式会社 デザイン評価用カラーシミュレータ
JP3443873B2 (ja) 1992-09-16 2003-09-08 日産自動車株式会社 自動車の塗装条件管理装置
US10365085B2 (en) 2017-10-20 2019-07-30 Institute of Nuclear Energy Research, Atomic Energy Council, Executive Yuan, R.O.C. Method and system for measuring thickness of thin film
JP6773061B2 (ja) 2018-02-16 2020-10-21 新東工業株式会社 評価システム、評価装置、評価方法、評価プログラム、及び記録媒体

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090054541A (ko) * 2007-11-27 2009-06-01 삼성중공업 주식회사 도료 분사 상태 측정장치 및 그의 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3443873B2 (ja) 1992-09-16 2003-09-08 日産自動車株式会社 自動車の塗装条件管理装置
JP3240086B2 (ja) 1993-10-26 2001-12-17 新日鉄ソリューションズ株式会社 デザイン評価用カラーシミュレータ
US10365085B2 (en) 2017-10-20 2019-07-30 Institute of Nuclear Energy Research, Atomic Energy Council, Executive Yuan, R.O.C. Method and system for measuring thickness of thin film
JP6773061B2 (ja) 2018-02-16 2020-10-21 新東工業株式会社 評価システム、評価装置、評価方法、評価プログラム、及び記録媒体

Also Published As

Publication number Publication date
KR20210035975A (ko) 2021-04-02

Similar Documents

Publication Publication Date Title
Marinetti et al. Emissivity estimation for accurate quantitative thermography
Budzier et al. Calibration of uncooled thermal infrared cameras
Ochs et al. High dynamic range infrared thermography by pixelwise radiometric self calibration
US9255846B1 (en) Digital temperature determination using a radiometrically calibrated and a non-calibrated digital thermal imager
JP2006053024A (ja) 温度補正処理装置
KR101877480B1 (ko) 도막 두께 분포 시각화 방법 및 이를 위한 능동형 열화상 장치
EP2243012B1 (en) Method and apparatus for measuring the temperature of a sheet material
WO2010089627A1 (en) A fast spectral method to measure emissivity in a partially-controlled environment using a focal plane array infrared camera
Savino et al. Free emissivity temperature investigations by dual color applied physics methodology in the mid-and long-infrared ranges
CN113678165A (zh) 用于热点感测的装置
Gao et al. Emissivity correction using spectrum correlation of infrared and visible images
KR102251855B1 (ko) 열화상을 이용한 도장 품질 관리 장치 및 방법
CN111492198B (zh) 物体形状测量装置和方法以及程序
Le Saux et al. Proposition of a compensated pixelwise calibration for photonic infrared cameras and comparison to classic calibration procedures: case of thermoelastic stress analysis
Charbal et al. Hybrid stereocorrelation using infrared and visible light cameras
Ferreira et al. Uncertainty analysis applied to electrical components diagnosis by infrared thermography
CN103123281A (zh) 非接触式温度测量方法
JP2004538476A (ja) 焦点面アレイ較正システム
Walach Emissivity measurements on electronic microcircuits
McMillan et al. Thermal and dimensional evaluation of a test plate for assessing the measurement capability of a thermal imager within nuclear decommissioning storage
JP2016133305A (ja) 赤外線検知装置
Whitenton An introduction for machining researchers to measurement uncertainty sources in thermal images of metal cutting
KR101840837B1 (ko) 적외선 검출기의 온도에 따른 불량화소 검출장치 및 방법
Zhang et al. An innovative technique for real-time adjusting exposure time of silicon-based camera to get stable gray level images with temperature evolution
JP6261994B2 (ja) 画像補正方法、これを用いる検査方法及び検査装置

Legal Events

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