KR102394093B1 - 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법 - Google Patents
헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법 Download PDFInfo
- Publication number
- KR102394093B1 KR102394093B1 KR1020210121844A KR20210121844A KR102394093B1 KR 102394093 B1 KR102394093 B1 KR 102394093B1 KR 1020210121844 A KR1020210121844 A KR 1020210121844A KR 20210121844 A KR20210121844 A KR 20210121844A KR 102394093 B1 KR102394093 B1 KR 102394093B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- reading
- defect
- defective
- ray
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 25
- 230000002950 deficient Effects 0.000 claims description 39
- 238000013507 mapping Methods 0.000 claims description 16
- 230000032823 cell division Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000007654 immersion Methods 0.000 claims description 4
- 238000005336 cracking Methods 0.000 claims description 2
- 230000007847 structural defect Effects 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 3
- 230000001678 irradiating effect Effects 0.000 description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229910052719 titanium Inorganic materials 0.000 description 2
- 239000010936 titanium Substances 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection 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
- G01N23/18—Investigating the presence of flaws defects or foreign matter
-
- 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
- G01N23/04—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 forming images of the material
-
- 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
- G01N23/083—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 radiation being X-rays
- G01N23/087—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 radiation being X-rays using polyenergetic X-rays
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4092—Image resolution transcoding, e.g. by using client-server architectures
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/408—Imaging display on monitor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/42—Imaging image digitised, -enhanced in an image processor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
본 발명은 헬기블레이드의 구조적인 불량을 파악하기 위해 엑스레이로 촬영한 이미지를 인공지능을 이용해 불량 여부를 판독하는 판독방법에 관한 것으로서, 보다 상세하게는 촬영된 이미지의 명암을 높인 다음 셀 단위로 분할하고, 분할된 셀별로 인공지능에 의해 불량 여부를 판독함으로써 보다 정확한 판독을 할 수 있고, 시간을 줄일 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법이다.
Description
본 발명은 헬기블레이드의 구조적인 불량을 파악하기 위해 엑스레이로 촬영한 이미지를 인공지능을 이용해 불량 여부를 판독하는 판독방법에 관한 것으로서, 보다 상세하게는 촬영된 이미지의 명암을 높인 다음 셀 단위로 분할하고, 분할된 셀별로 인공지능에 의해 불량 여부를 판독함으로써 보다 정확한 판독을 할 수 있고, 시간을 줄일 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법이다.
일반적으로 헬기(헬리곱터)에 사용되는 블레이드(blade)는 회전자용 허브로부터 회전력과 피치 조종력을 전달받아 양력, 추력 및 기동력을 발생시키는 장치로 본체 위에 구비되어 있는 주 블레이드와, 헬기의 꼬리 부분에 달려있는 꼬리로터 블레이드로 구성되며, 기본적으로 내식성과 내마모성이 있어야만 한다.
이러한 헬기 블레이드는 헬기의 하중을 지지하는 공기 역학적 양력을 일으키는 주 로터로부터 동력을 전달받아 빠른 속도로 회전되는데, 형상적인 특징인 높은 종횡비를 가지는 형상 즉, 길고 좁은 형태이고, 그 재질로서는 알루미늄, 강철 및 티타늄 등 강성을 높여 제작하기 위해 복합적인 재료로 만들어지며, 공기역학적 요소를 고려하여 설계되며, 화기 및 군용물자, 인원을 수송함에 있어 수 톤에 달하는 무게에도 손상 없이 형태를 유지하여야 한다.
따라서, 이러한 헬기 블레이드는 제작된 이후부터 일정기간마다 정밀한 결함진단이 이루어져야 하고, 이러한 결함진단에서 결함을 발견하지 못할 경우 헬기의 추락사고로 이어질 수 있어서 헬기 블레이드에 대한 정밀한 비파괴 방식의 검사가 필요하다.
종래 헬기 블레이드에 대한 엑스레이 촬영방식의 검사는 블레이드의 크기에 따라 일정한 영역을 나누고, 특정 부분의 촬영을 할 때마다 사람이 디텍터를 촬영부위에 밀착시켜 이를 잡고 있는 상태에서 엑스레이 촬영이 이루어짐으로써 방사선 노출에 따른 문제가 있을 수 있고, 특히 블레이드의 촬영위치에 따른 정밀한 이동이 어려워서 같은 지점에 대한 중복촬영이나 촬영지점의 누락 등의 문제가 발생할 수 있으며, 촬영된 사진에 대해 육안으로 확인을 진행해야 함으로써 불량의 검출에 많은 인력이 필요하고, 불량이 있어도 이를 놓칠 수 있으며, 특히 미세한 불량에 대해서는 육안에 의한 식별에 의한 한계로 인해 식별이 어려워 기대수명에 대한 예측이 어려워지게 된다.
한편, 엑스레이 촬영장치와 관련된 종래기술로서는 등록특허 제10-2190525호에 제안되어 있는 엑스레이 촬영장치 및 촬영방법이 있다.
상기 특허에는 예정된 위치에 고정되어 피사체에 대해서 촬영하고자 하는 영역 전체를 커버하는 엑스레이를 출력하는 엑스레이 조사장치를 포함하고, 상기 엑스레이 조사장치는 엑스레이가 출력되는 조사면과, n-1개수로 구비되어 상기 조사면을 직렬 방향으로 이동하여 상기 조사면의 일부를 커버해서 엑스레이가 조사되는 영역을 직렬 방향으로 n분할하는 차폐부재를 구비하고, 상기 n분할된 조사 영역은 인접한 조사 영역과 일부 중첩되는 것을 특징으로 하는 엑스레이 촬영장치가 제안되어 있는데, 조사면 자체에 차폐부재를 구비함으로써 필요없는 부분까지 실제 조사가 이루어짐으로써 전력의 낭비가 심하게 발생하게 되고, 특히 엑스레이 조사장치의 조사면적을 벗어나는 물체에 대해서는 촬영이 어려운 단점이 있다.
또 다른 종래기술로서는 등록특허 제10-2216872호에 제안되어 있는 비접촉식 엑스레이 검사 장치가 있다.
상기 특허에는 적어도 하나의 검사 물품(BI)이 적재된 트레이(16)의 이송이 가능한 적어도 하나의 트레이 이송 경로; 이송 경로에 형성된 검사 위치(IP1, IP2)에 설치된 엑스레이 검사 모듈(14a, 14b, 15a, 15b); 및 트레이(16) 또는 검사 물품(BI)의 위치 정보를 감지하는 위치 감지 유닛(AS1, AS2)을 포함하고, 검사 위치(IP1, IP2)에서 트레이(16)가 정렬이 되면서 검사 모듈(14a, 14b, 15a, 15b)에 의하여 검사가 되며, 검사 물품(BI)이 적재된 트레이(16)의 이송을 위한 이송 수단(21)을 더 포함하고, 위치 감지 유닛(AS1, AS2)은 이송 수단(21)의 길이 방향을 따라 배치된 두 개의 거리 센서(31b, 31c) 및 이송 수단(21)의 폭 방향으로 배치된 하나의 거리 센서(31)를 포함하는 3개의 거리 센서를 사용하여 검사 물품(BI)의 서로 다른 위치에서의 배치 거리(D1, D2, D3)를 측정하고, 상기 배치 거리(D1, D2, D3)에 따라 각각의 검사 위치(IP1, IP2)에서 이송 수단(21)이 기준 위치를 기준으로 미리 결정된 거리만큼 이동되거나 회전이 되어 검사 물품이 정렬되는 것을 특징으로 하는 비접촉식 엑스레이 검사 장치가 제안되어 있는데, 트레이에 담길 수 있는 정도의 크기를 가진 제품에 대해서만 검사를 수행할 수 있어서, 일반적인 공산품에 비해 상대적으로 크기가 크고 형상이 정형화되어 있지 않은 헬기 블레이드의 검사에 사용하기에는 적합하지 않다.
따라서, 본 발명은 헬기블레이드의 구조적인 불량을 파악하기 위해 엑스레이로 촬영한 이미지를 인공지능을 이용해 불량 여부를 판독하는 판독방법에 관한 것으로서, 촬영된 이미지의 명암을 높인 다음 셀 단위로 분할하고, 분할된 셀별로 인공지능에 의해 불량 여부를 판독함으로써 보다 정확한 판독을 할 수 있고, 시간을 줄일 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법을 제공하는데 그 목적이 있다.
또한, 불량판독방법은 판독된 데이터를 이용해 불량위치를 맵핑하는 맵핑단계와, 맵핑된 이미지를 합치는 이미지 병합단계와, 병합된 이미지에 맵핑된 불량위치를 표시하여 나타내는 디스플레이단계를 포함하여 이루어짐으로써, 병합된 이미지에 나타나 있는 불량위치를 이용해 불량위치를 쉽게 확인할 수 있고, 이러한 불량위치를 파악함에 따라 헬기블레이드의 유지보수 여부, 파기 여부 등을 결정할 수 있어서 헬기 운행에 대한 안정성을 더욱 높일 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법을 제공하는데 또 다른 목적이 있다.
또한, 인공지능을 이용한 판독시스템은 불량 유형별로 미리 학습을 진행하여 보다 정확하게 불량 여부를 판독할 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법을 제공하는데 또 다른 목적이 있다.
또한, 불량 유형이 둘 이상 겹칠 경우 디스플레이단계에서는 판독값이 높은 순서대로 불량 유형을 나타냄에 따라 한눈에 불량유형 및 불량 정도를 파악할 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법을 제공하는데 또 다른 목적이 있다.
본 발명에 의한 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법은 헬기블레이드를 엑스레이로 촬영한 이미지를 이용한 불량판독방법에 있어서, 촬영된 이미지를 불러오는 이미지 불러오기 단계와, 불러온 이미지의 명도를 높이는 명도상승단계와, 명도가 상승된 이미지를 일정한 크기로 분할하는 셀 분할단계와, 분할된 셀에서 인공지능을 이용해 불량 여부를 판독하는 판독단계와, 판독된 데이터를 이용해 불량위치를 맵핑하는 맵핑단계와, 맵핑된 이미지를 합치는 이미지 병합단계와, 병합된 이미지에 맵핑된 불량위치를 표시하여 나타내는 디스플레이단계로 이루어지는 것이 특징이다.
본 발명에 의한 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법은 헬기블레이드의 구조적인 불량을 파악하기 위해 엑스레이로 촬영한 이미지를 인공지능을 이용해 불량 여부를 판독하는 판독방법에 관한 것으로서, 촬영된 이미지의 명암을 높인 다음 셀 단위로 분할하고, 분할된 셀별로 인공지능에 의해 불량 여부를 판독함으로써 보다 정확한 판독을 할 수 있고, 시간을 줄일 수 있는 현저한 효과가 있으며, 불량판독방법은 판독된 데이터를 이용해 불량위치를 맵핑하는 맵핑단계와, 맵핑된 이미지를 합치는 이미지 병합단계와, 병합된 이미지에 맵핑된 불량위치를 표시하여 나타내는 디스플레이단계를 포함하여 이루어짐으로써, 병합된 이미지에 나타나 있는 불량위치를 이용해 불량위치를 쉽게 확인할 수 있고, 이러한 불량위치를 파악함에 따라 헬기블레이드의 유지보수 여부, 파기 여부 등을 결정할 수 있어서 헬기 운행에 대한 안정성을 더욱 높일 수 있는 효과와 함께, 인공지능을 이용한 판독시스템은 불량 유형별로 미리 학습을 진행하여 보다 정확하게 불량 여부를 판독할 수 있는 효과와 함께, 불량 유형이 둘 이상 겹칠 경우 디스플레이단계에서는 판독값이 높은 순서대로 불량 유형을 나타냄에 따라 한눈에 불량유형 및 불량 정도를 파악할 수 있는 현저한 효과가 있다.
도 1은 본 발명의 전체구성 블록도
도 2는 본 발명에 의한 명도상승단계의 실시예시도
도 3은 본 발명에 의한 셀 분할단계의 실시예시도
도 4는 본 발명에 의한 판독단계의 실시예시도
도 5는 본 발명에 의한 맵핑단계의 실시예시도
도 6은 본 발명에 의한 이미지 병합단계의 실시예시도
도 7은 본 발명에 의한 디스플레이단계의 실시예시도
도 8은 본 발명에 의해 판독된 크랙의 이미지 예시도
도 2는 본 발명에 의한 명도상승단계의 실시예시도
도 3은 본 발명에 의한 셀 분할단계의 실시예시도
도 4는 본 발명에 의한 판독단계의 실시예시도
도 5는 본 발명에 의한 맵핑단계의 실시예시도
도 6은 본 발명에 의한 이미지 병합단계의 실시예시도
도 7은 본 발명에 의한 디스플레이단계의 실시예시도
도 8은 본 발명에 의해 판독된 크랙의 이미지 예시도
본 발명은 헬기블레이드의 구조적인 불량을 파악하기 위해 엑스레이로 촬영한 이미지를 인공지능을 이용해 불량 여부를 판독하는 판독방법에 관한 것으로서, 보다 상세하게는 촬영된 이미지의 명암을 높인 다음 셀 단위로 분할하고, 분할된 셀별로 인공지능에 의해 불량 여부를 판독함으로써 보다 정확한 판독을 할 수 있고, 시간을 줄일 수 있는 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법이다.
도 1은 본 발명의 전체구성 블록도이고, 도 2는 본 발명에 의한 명도상승단계의 실시예시도이며, 도 3은 본 발명에 의한 셀 분할단계의 실시예시도이고, 도 4는 본 발명에 의한 판독단계의 실시예시도이며, 도 5는 본 발명에 의한 맵핑단계의 실시예시도이고, 도 6은 본 발명에 의한 이미지 병합단계의 실시예시도로써, 본 발명에 의한 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법은 헬기블레이드를 엑스레이로 촬영한 이미지를 이용한 불량판독방법에 있어서, 촬영된 이미지를 불러오는 이미지 불러오기 단계(S 10)와, 불러온 이미지의 명도를 높이는 명도상승단계(S 20)와, 명도가 상승된 이미지를 일정한 크기로 분할하는 셀 분할단계(S 30)와, 분할된 셀에서 인공지능을 이용해 불량 여부를 판독하는 판독단계(S 40)와, 판독된 데이터를 이용해 불량위치를 맵핑하는 맵핑단계(S 50)와, 맵핑된 이미지를 합치는 이미지 병합단계(S 60)와, 병합된 이미지에 맵핑된 불량위치를 표시하여 나타내는 디스플레이단계(S 70);로 이루어지는 것이 특징이다.
먼저, 본 발명에서 판독하고자 하는 촬영 이미지는 헬기블레이드에 엑스레이를 조사하여 헬기블레이드를 통과한 엑스레이가 디텍터에 나타낸 이미지를 사용할 수 있으며, 이때 사용할 수 있는 디텍터는 종래방식의 디텍터 즉, 엑스레이 필름이 부착되어 있는 방식을 사용하여 엑스레이 필름에 이미지가 촬영되면 이를 현상하여 촬영사진을 확인하는 방식을 사용할 수 있으나, 본 발명에서는 디지털 디텍터 즉, 엑스레이조사기에 의해 촬영된 사진을 디지털이미지로 직접 변환할 수 있는 디지털 디텍터를 사용할 수 있다.
상기 이미지 불러오기 단계(S 10)는 촬영된 엑스레이 이미지를 불러오는 단계이며, 이때 불러올 이미지는 통상 DCM 이미지 파일, 즉, DICOM(Digital Imaging and Communications in Medicine image) 형식으로 저장된 파일이며, 경우에 따라 DCM 이미지 파일을 JPG 파일 등 다른 그림파일로 변환하여 사용할 수 있다.
상기 명도상승단계(S 20)는 불러온 DCM 이미지 파일의 명도를 상승시키는 단계로써, 도 2에 나타나 있듯이, 엑스레이 촬영을 통해 확보한 원본 이미지 파일은 육안으로 볼 때 밝기가 낮으므로, 명도상승단계(S 20)에서 명도를 높이는 전처리 공정을 수행하게 되며, 상기 셀 분할단계(S 30)는 도 3에 나타나 있듯이 명도가 상승된 이미지를 일정한 단위 즉, 단위 셀(패치)로 구분해주는 단계이다.
이때 셀 분할단계(S 30)를 통해 하나의 이미지를 다수의 셀로 분할하는 이유는 최초 촬영된 이미지 파일의 크기가 커서 하나의 이미지를 인공지능에 의해 처리하는데 많은 시간이 소모되므로, 일정한 크기의 셀로 분할하고 분할된 셀을 인공지능이 판독단계(S 40)를 통해 판독하게 된다.
상기 판독단계(S 40)는 도 4에 나타나 있듯이, 분할된 셀 이미지에서 불량과 관련된 이미지를 검색하고, 검색된 이미지를 이용해 불량 여부를 판독하는 단계이며, 판독단계(S 40)를 통해 판독된 데이터는 도 5와 같이 맵핑단계(S 50)를 통해 불량위치를 맵핑하게 된다.
즉, 헬기블레이드의 경우 크기가 가장 큰 블레이드는 통상 40~50개 정도로 면적을 나누어 엑스레이 촬영을 진행하므로, 디텍터에 저장되는 이미지가 하나의 블레이드에 총 40~50개가 되며, 하나의 이미지를 다시 50~200개 정도의 셀로 분류하며, 분류된 셀은 각각 별도의 아이디와 함께 위치정보를 가지게 된다.
따라서, 판독단계(S 40)에서 판독된 불량은 하나의 이미지에 대한 위치값을 가지게 되고, 이를 이용해 불량위치를 파악할 수 있다.
상기 이미지 병합단계(S 60)는 도 6과 같이 셀로 구분되어 맵핑된 이미지를 최초 촬영된 이미지의 크기만큼 병합하는 단계이며, 경우에 따라 촬영된 이미지 전체를 병합하여 블레이드 전체의 모양대로 병합할 수 있고, 상기 디스플레이단계(S 70)는 도 7과 같이 맵핑된 불량위치를 모니터 등을 통해 나타내는 단계이다.
이러한 디스플레이단계(S 70)를 통해 인공지능이 판독한 불량위치 및 불량 상태에 대해 사람이 육안으로 다시 확인할 수 있고, 불량 상태에 대해 이미지를 확대하여 볼 수 있으므로, 보다 정밀한 판독이 이루어질 수 있다.
또한, 상기 이미지 불러오기 단계(S 10)와 명도상승단계(S 20) 사이에는 이미지 변환단계(S 11)가 부가되되, 상기 이미지 변환단계(S 11)는 12비트 이미지로 촬영된 사진을 8비트 이미지로 변환하게 된다.
즉, 8비트 이미지는 각 채널당 2의 8승인 256단계로 이미지의 밝기를 조절할 수 있으며, 이로써 0에서 255까지 단계로 밝기 개조단계를 구성할 수 있는데, 통상적으로 사용되는 모니터의 경우 8비트까지만 지원하므로, 12비트 이미지를 이용해 밝기를 조절하고 판독을 실시하여도 디스플레이단계(S 70)에서 이를 명확하게 나타낼 수 없으므로, 본 발명에서는 최초 엑스레이촬영을 통해 획득한 12비트 이미지를 8비트 이미지로 변환하여 보다 이른 시간 내에 판독을 실시하고, 판독된 이미지를 모니터와 같은 디스플레이 장치를 통해 나타내게 된다.
또한, 상기 판독단계(S 40)는 인공지능을 이용한 판독시스템을 이용하되, 상기 판독시스템은 불량 유형별로 학습된 데이터를 이용해 불량 여부를 판독하며, 불량 유형은 기존 불량품의 사진을 이용해 딥러닝 방식으로 학습하게 된다.
즉, 본 발명에 의한 불량판독방법은 인공지능을 이용해 촬영된 엑스레이 사진을 검토하여 불량 여부를 판단하게 되는데, 기존 헬기블레이드를 엑스레이 촬영한 불량 사진과 양품 사진을 학습데이터로 준 다음 인공지능이 이를 이용해 학습하고, 학습된 데이터를 기준으로 불량 여부를 판독하게 된다.
부연하면, 헬기블레이드에 나타날 수 있는 불량유형은 접착, 함몰, 부식, 침수 및 크랙으로 나타날 수 있는데, 상기 학습데이터는 접착, 함몰, 부식, 침수 및 크랙으로 나누어진 데이터를 구분하여 인공지능에게 제공하고, 상기 인공지능은 이를 이용해 학습하며, 학습된 불량 유형을 기준값으로 정하고, 상기 기준값에서 가중치를 곱하여 불량기준값으로 정한 뒤 판독 결과 불량기준값 이상으로 판독값이 확인될 경우 불량으로 판독하게 된다.
인공지능에 의한 딥러닝은 학습데이터의 양이 많을수록 학습능력의 향상에 의해 판독에 대한 정확성을 높일 수 있는데, 이를 위해 학습데이터는 기존 불량 사진을 재가공한 데이터를 부가적으로 줄 수 있으며, 이러한 재가공 데이터는 불량의 크기나 형상 등을 재가공한 데이터일 수 있다.
도 8은 본 발명에 의해 판독된 크랙의 이미지 예시도로써, 이를 참조하면, 판독된 크랙의 길이가 30cm라면 내부기준에 의해 불량으로 볼 수 있고, 이에 대한 가중치로써 0.5를 적용할 경우 크랙의 길이가 15cm 이상이 되면 불량이므로, 15cm를 불량기준값으로 정하고, 이러한 불량기준값 이상으로 판독값이 확인될 경우 불량으로 판독할 수 있다.
이러한 크랙에 의한 불량 이외에 접착, 함몰, 부식 및 침수 역시 동일하게 적용할 수 있는데, 침수된 면적에 특정한 가중치를 상수로 곱하고, 이를 불량기준값으로 정할 수 있으며, 이러한 불량기준값을 넘는 면적에 침수가 있을 경우 불량으로 판독할 수 있다.
또한, 상기 불량 유형이 둘 이상 겹칠 경우 디스플레이단계에서는 판독된 불량값이 높은 순서대로 불량 유형을 나타낼 수 있다.
즉, 특정한 부위에 함몰이 일어나고 침수가 일어나 있을 경우 각 원인별로 불량을 나타낼 수 있으며, 함몰에 대한 불량기준값의 대비값(판독값)보다 침수에 대한 불량기준값의 대비값(판독값)이 높을 경우 침수에 대한 판독값을 먼저 나타내고 함몰에 대한 판독값을 나타냄으로써 육안으로 불량 여부에 대한 재검토를 편리하게 수행하도록 할 수 있다.
결국, 본 발명에 의한 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법은 헬기블레이드의 구조적인 불량을 파악하기 위해 엑스레이로 촬영한 이미지를 인공지능을 이용해 불량 여부를 판독하는 판독방법에 관한 것으로서, 촬영된 이미지의 명암을 높인 다음 셀 단위로 분할하고, 분할된 셀별로 인공지능에 의해 불량 여부를 판독함으로써 보다 정확한 판독을 할 수 있고, 시간을 줄일 수 있는 현저한 효과가 있으며, 불량판독방법은 판독된 데이터를 이용해 불량위치를 맵핑하는 맵핑단계와, 맵핑된 이미지를 합치는 이미지 병합단계와, 병합된 이미지에 맵핑된 불량위치를 표시하여 나타내는 디스플레이단계를 포함하여 이루어짐으로써, 병합된 이미지에 나타나 있는 불량위치를 이용해 불량위치를 쉽게 확인할 수 있고, 이러한 불량위치를 파악함에 따라 헬기블레이드의 유지보수 여부, 파기 여부 등을 결정할 수 있어서 헬기 운행에 대한 안정성을 더욱 높일 수 있는 효과와 함께, 인공지능을 이용한 판독시스템은 불량 유형별로 미리 학습을 진행하여 보다 정확하게 불량 여부를 판독할 수 있는 효과와 함께, 불량 유형이 둘 이상 겹칠 경우 디스플레이단계에서는 판독값이 높은 순서대로 불량 유형을 나타냄에 따라 한눈에 불량유형 및 불량 정도를 파악할 수 있는 현저한 효과가 있다.
S 10; 이미지 불러오기 단계 S 20; 명도상승단계
S 30; 셀 분할단계 S 40; 판독단계
S 50; 맵핑단계 S 60; 이미지 병합단계
S 70; 디스플레이단계
S 30; 셀 분할단계 S 40; 판독단계
S 50; 맵핑단계 S 60; 이미지 병합단계
S 70; 디스플레이단계
Claims (5)
- 헬기블레이드를 엑스레이로 촬영한 이미지를 이용한 불량판독방법에 있어서,
촬영된 이미지를 불러오는 이미지 불러오기 단계(S 10)와, 불러온 이미지의 명도를 높이는 명도상승단계(S 20)와, 명도가 상승된 이미지를 일정한 크기로 분할하는 셀 분할단계(S 30)와, 분할된 셀에서 인공지능을 이용해 불량 여부를 판독하는 판독단계(S 40)와, 판독된 데이터를 이용해 불량위치를 맵핑하는 맵핑단계(S 50)와, 맵핑된 이미지를 합치는 이미지 병합단계(S 60)와, 병합된 이미지에 맵핑된 불량위치를 표시하여 나타내는 디스플레이단계(S 70);로 이루어지며,
상기 판독단계(S 40)는 인공지능을 이용한 판독시스템을 이용하되, 상기 판독시스템은 불량 유형별로 학습된 데이터를 이용해 불량 여부를 판독하며, 불량 유형은 기존 불량품의 사진을 이용해 딥러닝 방식으로 학습하고,
인공지능에 의한 딥러닝은 학습데이터의 양이 많을수록 학습능력의 향상에 의해 판독에 대한 정확성을 높일 수 있는데, 이를 위해 학습데이터는 기존 불량 사진을 재가공한 데이터를 주며, 이러한 재가공 데이터는 불량의 크기나 형상을 재가공한 데이터이고,
상기 불량 유형은 접착, 함몰, 부식, 침수 및 크랙으로 구분하고, 학습된 불량 유형을 기준값으로 정하고, 상기 기준값에서 가중치를 곱하여 불량기준값으로 정한 뒤 판독 결과 불량기준값 이상으로 판독값이 확인될 경우 불량으로 판독하며,
상기 불량 유형이 둘 이상 겹칠 경우 디스플레이단계(S 70)에서는 판독값이 높은 순서대로 불량 유형을 나타내는 것이 특징인 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법.
- 제1항에 있어서,
상기 이미지 불러오기 단계(S 10)와 명도상승단계(S 20) 사이에는 이미지 변환단계(S 11)가 부가되되, 상기 이미지 변환단계(S 11)는 12비트 이미지로 촬영된 사진을 8비트 이미지로 변환하는 것이 특징인 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법.
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210121844A KR102394093B1 (ko) | 2021-09-13 | 2021-09-13 | 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210121844A KR102394093B1 (ko) | 2021-09-13 | 2021-09-13 | 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102394093B1 true KR102394093B1 (ko) | 2022-05-04 |
Family
ID=81583771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210121844A KR102394093B1 (ko) | 2021-09-13 | 2021-09-13 | 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102394093B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2618829A (en) * | 2022-05-19 | 2023-11-22 | Adaptix Ltd | An x-ray imaging apparatus |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08212341A (ja) * | 1995-02-03 | 1996-08-20 | Nippon Hihakai Kensa Kk | 放射線透過写真の画像処理方法及びその装置 |
| KR20160141495A (ko) * | 2015-06-01 | 2016-12-09 | 주식회사 웰탑테크노스 | 병렬 처리 기반의 비파괴 검사를 위한 장치 및 이를 위한 방법 |
| KR20200046137A (ko) * | 2018-10-11 | 2020-05-07 | 라온피플 주식회사 | 결함 검출 장치 및 방법 |
| CN111968084A (zh) * | 2020-08-08 | 2020-11-20 | 西北工业大学 | 一种基于人工智能的航空发动机叶片缺陷快速精准识别方法 |
| KR102190525B1 (ko) | 2018-03-07 | 2020-12-14 | 신동준 | 엑스레이 촬영장치 및 촬영방법 |
| KR102216872B1 (ko) | 2019-07-01 | 2021-02-18 | (주)자비스 | 비접촉식 엑스레이 검사 장치 및 그에 의한 물품 검사 방법 |
-
2021
- 2021-09-13 KR KR1020210121844A patent/KR102394093B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08212341A (ja) * | 1995-02-03 | 1996-08-20 | Nippon Hihakai Kensa Kk | 放射線透過写真の画像処理方法及びその装置 |
| KR20160141495A (ko) * | 2015-06-01 | 2016-12-09 | 주식회사 웰탑테크노스 | 병렬 처리 기반의 비파괴 검사를 위한 장치 및 이를 위한 방법 |
| KR102190525B1 (ko) | 2018-03-07 | 2020-12-14 | 신동준 | 엑스레이 촬영장치 및 촬영방법 |
| KR20200046137A (ko) * | 2018-10-11 | 2020-05-07 | 라온피플 주식회사 | 결함 검출 장치 및 방법 |
| KR102216872B1 (ko) | 2019-07-01 | 2021-02-18 | (주)자비스 | 비접촉식 엑스레이 검사 장치 및 그에 의한 물품 검사 방법 |
| CN111968084A (zh) * | 2020-08-08 | 2020-11-20 | 西北工业大学 | 一种基于人工智能的航空发动机叶片缺陷快速精准识别方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2618829A (en) * | 2022-05-19 | 2023-11-22 | Adaptix Ltd | An x-ray imaging apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200278341A1 (en) | Method and apparatus for performing hematologic analysis using an array-imaging system for imaging and analysis of a centrifuged analysis tube | |
| EP2990775B1 (en) | Systems and methods for detecting crack growth | |
| US11657491B2 (en) | Learning data collection apparatus, learning data collection method, and program | |
| US8989346B2 (en) | Bone mineral density analysis method, bone mineral density analysis apparatus, and recording medium | |
| KR102394093B1 (ko) | 헬기블레이드의 엑스레이 촬영 이미지를 이용한 불량판독방법 | |
| JP7098591B2 (ja) | 電極構造体検査方法 | |
| Wang et al. | Automated crack detection for digital radiography aircraft wing inspection | |
| CN102226687A (zh) | 一种电缆和光缆绝缘和护套材料厚度测量方法 | |
| JP2019196992A (ja) | 配筋検査方法及び配筋検査システム | |
| US8094922B2 (en) | Crack measuring method and apparatus | |
| US20170011502A1 (en) | Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object | |
| CN104849281B (zh) | 一种材料表面裂纹数量和位置检测方法 | |
| Parente et al. | Image-based monitoring of cracks: Effectiveness analysis of an open-source machine learning-assisted procedure | |
| KR20110086023A (ko) | 태양전지의 검사장치, 태양전지의 검사방법, 프로그램, 태양전지의 검사시스템 | |
| US11644359B2 (en) | Method of reading the result of an electrophoretic assay comprising a digital image indicating the intensity of light emitted by chemiluminescence from the output medium of the electrophoretic assay | |
| CN103239248B (zh) | 分析对象部位的确定方法及图像处理装置 | |
| CN116964323A (zh) | 用于检查风力涡轮机叶片壳部件的系统和方法 | |
| WO2020158630A1 (ja) | 検出装置、学習器、コンピュータプログラム、検出方法及び学習器の生成方法 | |
| CN109738437B (zh) | 一种金属化薄膜电容器自愈点测量装置及方法 | |
| JP4302028B2 (ja) | 透明電極膜基板の検査装置及びその方法並びにプログラム | |
| JP4403271B2 (ja) | 金属の結晶粒界解析方法 | |
| CN108535255B (zh) | 文件物证制成时间检验方法 | |
| JP5998691B2 (ja) | 検査方法、検査装置及びガラス板の製造方法 | |
| Parente et al. | Towards an automated machine learning and image processing supported procedure for crack monitoring | |
| US8831172B2 (en) | Method for filmless radiographic inspection of components |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |