KR102483115B1 - 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법 - Google Patents
덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법 Download PDFInfo
- Publication number
- KR102483115B1 KR102483115B1 KR1020200144376A KR20200144376A KR102483115B1 KR 102483115 B1 KR102483115 B1 KR 102483115B1 KR 1020200144376 A KR1020200144376 A KR 1020200144376A KR 20200144376 A KR20200144376 A KR 20200144376A KR 102483115 B1 KR102483115 B1 KR 102483115B1
- Authority
- KR
- South Korea
- Prior art keywords
- duct
- image
- deterioration
- database
- video image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000015556 catabolic process Effects 0.000 title claims description 3
- 238000006731 degradation reaction Methods 0.000 title claims description 3
- 230000006866 deterioration Effects 0.000 claims abstract description 35
- 230000032683 aging Effects 0.000 claims abstract description 13
- 238000011161 development Methods 0.000 claims abstract description 9
- 230000018109 developmental process Effects 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229910001335 Galvanized steel Inorganic materials 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008397 galvanized steel Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004299 exfoliation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
-
- G06T3/0037—
-
- 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
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- 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
- G01N2021/8893—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 providing a video image and a processed signal for helping visual decision
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
본 발명은 덕트의 경년열화를 평가하는 방법에 관한 것으로, 덕트 표면을 촬영하여 덕트 영상 이미지를 얻는 단계; 상기 덕트 영상 이미지를 덕트 데이터베이스에 포함되어 있는 덕트 3D 도면에 투영하고 평면전개영상 이미지로 변환하는 단계; 및 상기 평면전개영상 이미지에 대해 열화등급을 평가하는 단계를 포함한다.
Description
본 발명은 객관적인 평가가 가능한 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법에 관한 것이다.
덕트는 공기조화 등을 위해 사용되고 있으며, 아연도금강판이 많이 사용되고 있다.
덕트의 정비 및 유지보수 등 품질관리를 위해 경년열화의 평가가 중요하다. 현재 덕트의 경년열화는 점검자가 표본 사진과 비교하는 육안검사가 수행되고 있다.
이러한 육안검사는 점검자에 따라 편차가 발생하여 객관적인 평가가 어려운 문제가 있다.
따라서 본 발명의 목적은 객관적인 평가가 가능한 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법을 제공하는 것이다.
상기 본 발명의 목적은 덕트의 경년열화를 평가하는 방법에 있어서, 덕트 표면을 촬영하여 덕트 영상 이미지를 얻는 단계; 상기 덕트 영상 이미지를 덕트 데이터베이스에 포함되어 있는 덕트 3D 도면에 투영하고 평면전개영상 이미지로 변환하는 단계; 및 상기 평면전개영상 이미지에 대해 열화등급을 평가하는 단계를 포함하는 것에 의해 달성된다.
상기 열화등급의 평가는 상기 평면전개영상 이미지와 표준 이미지를 비교하여 수행될 수 있다.
상기 덕트 영상 이미지를 덕트 구성품 번호에 따라 분류하는 단계를 더 포함하며, 상기 투영은 상기 덕트 데이터베이스에 포함되어 있는 덕트 구성품 번호 및 정보를 이용하여 수행될 수 있다.
상기 3D 투영은 상기 덕트 영상 이미지의 파일명과, 상기 덕트 구성품 번호와, 덕트 데이터베이스로부터 추출한 덕트 구성품의 형태정보를 이용하여 3D 투영용 영상이미지로 처리하여 수행될 수 있다.
상기 평면전개영상 이미지 변환은, 덕트 데이터베이스로부터 덕트 구성품의 형태 정보를 추출하는 단계와; 추출된 상기 형태 정보에 따라 평면전개영상 이미지 변환 알고리즘을 선택하는 단계를 포함할 수 있다.
상기 평가된 열화등급 및 정비주기를 상기 덕트 3D 도면에 표시하는 단계를 더 포함할 수 있다.
상기 열화등급은 적어도 3개 단계와 적어도 5가지 형태로 평가되며, 상기 단계는 색상으로 표시되며 상기 형태는 무늬로 표시될 수 있다.
상기 형태는 들뜸, 녹, 균열, 박리 및 마모를 포함할 수 있다.
본 발명에 따르면 객관적인 평가가 가능한 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법이 제공된다.
도 1은 본 발명의 일실시예에 따른 덕트의 경년열화 평가 방법의 순서도이다.
도 2는 덕트의 구성품 번호를 설명하기 위한 그림이고,
도 3은 덕트의 경년열화 평가의 평가기준이고,
도 4는 덕트의 경년열화 평가의 표준이미지이고,
도 5는 덕트의 경년열화 평가 결과를 덕트 3D 도면에 표시한 것이다.
도 2는 덕트의 구성품 번호를 설명하기 위한 그림이고,
도 3은 덕트의 경년열화 평가의 평가기준이고,
도 4는 덕트의 경년열화 평가의 표준이미지이고,
도 5는 덕트의 경년열화 평가 결과를 덕트 3D 도면에 표시한 것이다.
본 발명은 덕트를 대상으로 하며, 덕트의 재질은 아연도금강판일 수 있으나 이에 한정되지 않는다.
덕트는 공기의 유로를 제공하는 설비이며, 한 개의 관이 아닌 여러 개의 조각으로 이어져 있다.
본 발명의 덕트는 발전소, 특히 원자력 발전소에 사용될 수 있으나 이에 한정되지 않는다.
이하 도면을 참조로 본 발명을 상세히 설명한다.
이하 설명하는 경년열화 평가 방법은 디지털영상 촬영기기 및 컴퓨터등 디지털 기기와, 유무선 랜과 같은 통신수단 등을 이용하여 수행될 수 있다.
먼저, 덕트 표면을 촬영하여 덕트 영상 이미지를 확보한다(S110).
덕트 표면은 360도로 촬영하며, 디지털 카메라 등 적절한 수단을 활용할 수 있다. 덕트의 내부는 360도 액션캠을 사용하여 촬영하고 덕트의 외부는 디지털 카메라로 촬영할 수 있다.
다음으로 확보된 덕트 영상 이미지를 덕트 구성품 번호에 따라 분류한다(S120).
덕트를 구성하고 있는 덕트 조각, 즉 덕트 구성품은 고유의 번호인 구성품 번호를 가지고 있다. 구성품 번호는 예를 들어, 기기코드-구역코드-층고번호-Q-덕트 구성품 설치순서번호로 구성될 수 있다.
예를 들어, 도 2와 같이 덕트 구성품 번호 999-AA-9A-Q-01는 다음을 나타낼 수 있다.
999 : 관련 기기 식별코드(System Tag Code)
AA : 구역코드(Section Code)
9A : 층고번호(Elevation Number)
Q : 안전 관련(Safety Related)
01 : 장착 순서(Joint or Fitting Sequence)
촬영하여 확보된 덕트 영상 이미지는 파일형태이다. 각 덕트 영상 이미지 파일의 파일명을 3D 도면에 매핑시 자동화할 수 있도록 규칙을 정하여 덕트 영상 이미지를 분류하는 데 덕트 구성품 번호를 이용하여 부여한다.
이후 덕트 영상 이미지를 덕트 데이터베이스에 포함되어 있는 정보를 이용하여 덕트 3D 도면에 투영한다(S130).
덕트 데이터베이스(덕트 설계 정보 데이터베이스)에는 덕트 3D 도면과 덕트 구성품 정보가 포함되어 있다. 덕트 구성품 정보는 덕트 구성품 번호와 덕트 구성품 형태 등 덕트 설계/설치/정비에 필요한 정보를 포함한다. 덕트 구성품 형태 등 해당 덕트 구성품이 원형 또는 사각형 등인지에 대한 구체적인 정보이다.
투영은 덕트 영상 이미지의 파일명과, 3D 도면의 덕트 구성품 번호와 정보를 이용하여 3D 도면에 영상매핑기법을 통해 수행될 수 있다.
영상매핑기법에서는 덕트 데이터베이스에 포함된 구성품 번호와 덕트 형태(원형, 사각형, 사다리꼴 등) 및 3D 도면 정보를 이용하여 3D 도면에 투영하는 매핑 알고리즘을 적용할 수 있다.
매핑 알고리즘은 촬영영상 겹침부 제거, 사이즈/각도/해상도/선명도 조절, 이미지 연결부위의 자연스런 연결 처리 등 이미지 결합 및 처리에 대한 단계를 포함할 수 있다.
이후 덕트 데이터베이스에서 덕트 구성품의 형태 정보를 추출하고(S140), 다음으로 덕트 영상 이미지가 투영된 덕트 3D 도면을 평면전개영상 이미지로 변환한다(S150).
덕트 데이터베이스로부터 덕트 구성품 형태를 추출한, 덕트 구성품 형태 정보를 바탕으로 평면전개영상 이미지로 변환한다. 평면전개영상 이미지 변환 알고리즘은 덕트 구성품의 형태에 따라 다르게 적용될 수 있다.
평면전개영상 이미지로 변환하면 딥러닝/머신러닝 학습모델 및 패턴인식 평가의 회수를 크게 줄일 수 있다. 예를 들어 4각 덕트 구성품의 경우 평면전개영상 이미지로 변환하지 않으면 4번의 판독과정을 수행해야 하기 때문에 계산량과 인공지능 모델학습을 통한 평가시간이 크게 증가하는데, 평면전개영상 이미지로 변환하면 1번의 판독과정으로 감소시킬 수 있다. 또한 평면전개영상 이미지로 변환하면 원형 등 평면이 아닌 덕트 구성품의 곡률이나 그림자 등 여러요인에 의한 판독 오류를 감소시킬 수 있다.
이후 평면전개영상 이미지에 대해 딥러닝/머신러닝 학습모델 및 패턴인식을 이용하여 열화등급을 평가한다(S160).
덕트의 열화등급은 도 3과 같이 평가등급 I, II, III의 3가지 등급과 형태 별로 평가될 수 있다. 형태는 들뜸, 녹, 균열, 박리, 마모 및 이들의 혼재 중 선택될 수 있다. 등급은 4가지 또는 5가지 이상으로 세분될 수 있다.
열화등급 평가는 표준 이미지와 평면전개영상 이미지를 비교하여 수행된다.
표준 이미지는 도 4와 같이 등급 및 형태 별로 마련되어 있다.
이미지 비교는 딥러닝/머신러닝 학습모델 및 패턴인식 등 인공지능 기술의 복합적 수단을 사용하여 수행된다.
마지막으로 평가된 열화등급 및 정비주기를 덕트 3D 도면에 표시한다(S170).
열화등급 표시는 열화단계와 열화형태를 동시에 표현하도록 한다. 예를 들어 도 5와 같이 열화단계는 색상(단계에 따라 없음-노란색-붉은 색 등)과 무늬(균열은 번개, 박리는 별 등)로 표현한다. 색상이나 무늬 없이 또는 색상이나 무늬에 더하여 열화단계와 열화형태를 텍스트로 표현할 수도 있다.
또한 평가된 열화등급을 덕트 검사정비관리 데이터베이스에 저장한다. 덕트 검사정비관리 데이터베이스는 덕트 구성품별 열화평가등급, 정비주기, 조치필요사항, 촬영이미지 등이 저장되어 있다.
이상의 본 발명에 따르면 검사자별 편차 방지로 신뢰성 있는 덕트 관리가 가능하다.
또한 360도 촬영영상을 평면전개영상 이미지로 변환하여 자동판독과정 수행횟수 감소에 따른 판독시간 단축과, 원형 등 평면이 아닌 형태의 덕트 표면에 대한 판독의 정확성을 높일 수 있다.
덕트 3D 도면에 평가등급을 시각적으로 표시하므로써 열화위치 및 형태 등을 직관적으로 파악할 수 있어 검사 및 정비 계획 수립에 편리하고, 개별 구성품이 아닌 주변구성품의 열화등급도 한눈에 파악할 수 있어 전체적인 열화원인 파악이 가능하다.
현재 기술은 점검자 편차에 따른 검사결과의 객관성과 신뢰성이 부족하고, 검사정비관리를 수작업으로 하므로 인해 신뢰성과/효율성/편리성이 떨어진다.
본 발명에 따르면 검사결과의 편차를 제거하고 객관성과 신뢰성을 확보하며, 덕트의 검사정비 관리 전산시스템을 구축을 통해 검사 및 정비 관리의 효율성과 추적성, 3D 화면을 통한 덕트의 직관적 상태확인이 가능하여 관리자 검사/정비업무수행의 편리성과 신속성 등을 확보할 수 있다.
전술한 실시예들은 본 발명을 설명하기 위한 예시로서, 본 발명이 이에 한정되는 것은 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양하게 변형하여 본 발명을 실시하는 것이 가능할 것이므로, 본 발명의 기술적 보호범위는 첨부된 특허청구범위에 의해 정해져야 할 것이다.
Claims (8)
- 덕트의 경년열화를 평가하는 방법에 있어서,
덕트 표면을 촬영하여 덕트 영상 이미지를 얻는 단계;
상기 덕트 영상 이미지를 덕트 데이터베이스에 포함되어 있는 덕트 3D 도면에 투영하고 평면전개영상 이미지로 변환하는 단계; 및
상기 평면전개영상 이미지에 대해 열화등급을 평가하는 단계를 포함하며,
상기 덕트 영상 이미지를 덕트 구성품 번호에 따라 분류하는 단계를 더 포함하며,
상기 투영은 상기 덕트 데이터베이스에 포함되어 있는 덕트 구성품 번호 및 정보를 이용하여 수행되며,상기 3D 투영은 상기 덕트 영상 이미지의 파일명과, 상기 덕트 구성품 번호와, 덕트 데이터베이스로부터 추출한 덕트 구성품의 형태정보를 이용하여 3D 투영용 영상이미지로 처리하여 수행되며,
상기 평면전개영상 이미지 변환은,
덕트 데이터베이스로부터 덕트 구성품의 형태 정보를 추출하는 단계와;
추출된 상기 형태 정보에 따라 평면전개영상 이미지 변환 알고리즘을 선택하는 단계를 포함하는 방법. - 제1항에 있어서,
상기 열화등급의 평가는 상기 평면전개영상 이미지와 표준 이미지를 비교하여 수행되는 방법. - 삭제
- 삭제
- 삭제
- 제2항에 있어서,
상기 평가된 열화등급 및 정비주기를 상기 덕트 3D 도면에 표시하는 단계를 더 포함하는 방법. - 제6항에 있어서,
상기 열화등급은 적어도 3개 단계와 적어도 5가지 형태로 평가되며,
상기 단계는 색상으로 표시되며 상기 형태는 무늬로 표시되는 방법. - 제7항에 있어서,
상기 형태는 들뜸, 녹, 균열, 박리 및 마모를 포함하는 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200144376A KR102483115B1 (ko) | 2020-11-02 | 2020-11-02 | 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200144376A KR102483115B1 (ko) | 2020-11-02 | 2020-11-02 | 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220059137A KR20220059137A (ko) | 2022-05-10 |
| KR102483115B1 true KR102483115B1 (ko) | 2022-12-29 |
Family
ID=81591854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200144376A KR102483115B1 (ko) | 2020-11-02 | 2020-11-02 | 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102483115B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101011386B1 (ko) * | 2010-12-24 | 2011-01-28 | 주식회사 호서 | 관로 평면도면화 ｃｃｔｖ영상 검사 분석방법 및 그 시스템 |
| KR101446324B1 (ko) | 2013-02-08 | 2014-10-07 | 주식회사 차후 | 반도체 공정 파이프관리 시스템과 파이프 관리방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101792701B1 (ko) * | 2015-12-07 | 2017-11-02 | 삼성중공업(주) | 도면 검사 장치 및 방법 |
| KR101713001B1 (ko) | 2015-12-11 | 2017-03-07 | 전남대학교산학협력단 | 이미지 처리를 통한 금속패널 결함탐지장치 및 그 방법 |
| KR102170235B1 (ko) * | 2018-12-28 | 2020-10-26 | 네이버시스템(주) | 상하수관로 상태 정보 분석 및 모델링 방법 |
-
2020
- 2020-11-02 KR KR1020200144376A patent/KR102483115B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101011386B1 (ko) * | 2010-12-24 | 2011-01-28 | 주식회사 호서 | 관로 평면도면화 ｃｃｔｖ영상 검사 분석방법 및 그 시스템 |
| KR101446324B1 (ko) | 2013-02-08 | 2014-10-07 | 주식회사 차후 | 반도체 공정 파이프관리 시스템과 파이프 관리방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220059137A (ko) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10937138B2 (en) | Crack information detection device, method of detecting crack information, and crack information detection program | |
| JP6705777B2 (ja) | 機械学習装置、検査装置及び機械学習方法 | |
| CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
| CN109858367B (zh) | 工人通过支撑不安全行为的视觉自动化检测方法及系统 | |
| US20210090238A1 (en) | System and method for performing automated analysis of air samples | |
| US10776910B2 (en) | Crack information editing device, method of editing crack information, and crack information editing program | |
| CN111710055A (zh) | 便携式电力巡检设备及电力巡检方法、电力巡检系统 | |
| JP6609057B2 (ja) | 画像処理装置 | |
| KR20130135962A (ko) | 결함 분류 방법 및 결함 분류 시스템 | |
| WO2021046726A1 (zh) | 用于检测机械设备零部件的方法和装置 | |
| CN112115927A (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
| EP4202424A1 (en) | Method and system for inspection of welds | |
| JP2009293993A (ja) | 腐食度評価方法、装置及びプログラム | |
| JP2019194565A (ja) | マシンビジョンシステムおよび方法ならびにロボット装着システムおよび方法 | |
| CN113034624A (zh) | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 | |
| JP4293438B2 (ja) | 検査装置 | |
| KR102483115B1 (ko) | 덕트 표면의 영상 이미지를 이용해 경년열화를 평가하는 방법 | |
| KR102524151B1 (ko) | 생산부품의 스마트 비전검사를 위한 인공지능머신의 라벨링 학습방법 | |
| US20060099553A1 (en) | Automatic teaching method for printed circuit board inspection system | |
| Nahangi et al. | Automated registration of 3D point clouds with 3D CAD models for remote assessment of staged fabrication | |
| KR20210037199A (ko) | 자동 분할 태깅 장치 및 이를 이용하여 학습된 손상영역 검출 장치 | |
| CN117916581A (zh) | 检查支援系统、检查支援方法及检查支援程序 | |
| CN112257514B (zh) | 一种用于设备故障巡检的红外视觉智检的拍摄方法 | |
| CN115147356A (zh) | 光伏板巡检定位方法、装置、设备及存储介质 | |
| JP2023008359A (ja) | タイヤサイドウォール部に形成された情報の光学文字認識（ｏｃｒ）方法、及びその方法を用いた光学文字認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |