KR102587918B1 - 봉제 불량 자동 검출 방법 및 시스템 - Google Patents

Abstract

봉제 불량 자동 검출 방법 및 시스템이 개시된다. 재봉틀로 재단물을 봉제하는 동안에, 카메라가 촬영한 재단물의 RGB 모델 기반의 봉제 이미지 데이터를 HSV 모델 기반의 봉제 이미지 데이터로 변환하고, 단순화 처리를 통해 봉제선의 윤곽선을 검출한다. 단순화 윤곽선 처리된 봉제 이미지의 크기를 기준으로 정해진 0값 세그먼트 길이의 임계값을 봉제 불량 판별을 위한 기준값으로 설정한다. 단순화 윤곽선 처리된 봉제 이미지에 대하여 봉제방향과 소정 각도 범위 내로 교차하는 차원축소방향으로 데이터 합 기반으로 차원을 축소하면서 이진화 처리를 한다. 이진화 처리된 데이터에 대한 연속성 평가를 통해 0값 세그먼트의 길이를 산출한다. 산출된 0값 세그먼트의 길이가 설정된 임계값보다 큰 때에는 정상으로 판정하고, 그렇지 아니한 때에는 불량으로 판정한다. 불량이 검출되면 알람을 표출한다.

Description

봉제 불량 자동 검출 방법 및 시스템 {Method of automatically detecting sewing stitching defect method and system for the same}

본 발명은 의류 봉제 기술분야에 관한 것으로, 보다 상세하게는 의류생산공장에서 의류 봉제 작업을 수행함에 있어서 발생하는 봉제 스티칭 불량을 추출하는 방법 및 시스템에 관한 것이다.

일반적으로 의류 생산을 위한 대부분의 작업에는 재봉틀을 이용한 봉제 작업이 포함된다. 봉제 작업의 품질은 곧 생산되는 의류의 품질에 직결된다. 작업자의 기술 숙련도에 따라 봉제 작업의 품질은 다르게 나타난다.

재봉틀, 자동화 재봉기 등을 이용하여 원단 패턴에 대한 봉제 작업을 수행할 때, 스티치가 끊기거나 건너뛰는 등의 봉제 불량이 발생하는 경우가 적지 않게 발생한다. 도 1은 실제 봉제 작업 결과 물 중 봉제 불량이 일어난 것을 예시한 것이다. 도 1에서 점선 타원으로 표시된 부분이 스티칭 불량 부분이다. 도 1의 (a)는 정상적인 스티칭 상태를 보여주는 반면, 나머지 (b) 내지 (e)는 스티칭 불량을 예시한다. (b)는 스티칭 끊김이 발생한 경우를 예시하고, (c)는 스티칭 건너뜀 불량이 발생한 경우를 예시한다. (d)와 (e)도 일종의 스티칭 건너뜀과 스티칭 끊김의 불량의 예로 볼 수 있다.

이러한 봉제 불량은 대부분은 해당 공정에서 인지하지 못하고 최종 검사 단계까지 가서 확인되는 경우가 많다. 그런 경우, 불량이 발생한 공정으로부터 최종 검사 직전 공정까지의 작업 내역을 모두 해체하고 다시 해당 공정으로 이송하여 공정을 진행해야 하는 상황이 발생할 수 있다. 이러한 경우, 작업 내역의 해체, 해당 공정으로의 이송 및 재작업에 부수적인 시간과 노동력 등이 투입되어야 하는데, 이는 제품 생산 비용을 높인다. 봉제 작업에서 봉제 스티칭 불량을 실시간으로 탐지하여 조기에 경고할 수 있다면, 최종 품질검사 단계에서 불량이 발생함으로 인해 소요되는 시간과 비용을 절감하여 생산라인에서의 효율성과 생산성을 극대활 할 수 있을 것이다.

대한민국 특허 제10-1968168호 (2019.08.13.)는 카메라를 이용한 봉제선 확인 방법을 제시하고 있다. 이 특허는 물리적인 촬영 방법 및 장치, 이를 포함한 재봉틀에 관한 기술을 개시하나, 정확한 시스템의 구성과 봉제선 추출 방법에 대한 구체적인 내용이 미흡하고, 스티칭의 특성을 분석하여 결함을 분석하는 내용을 개시하지 못한다.

대한민국 특허 제10-1968168호

본 발명은 의복 생산을 위한 봉제 작업 수행 중에 봉제 불량을 실시간으로 판별할 수 있는 방법과 이를 위한 시스템을 제공하기 위한 것이다.

본 발명은 봉제 작업 불량 발생할 시, 불량이 발생한 공정에서 실시간으로 불량 발생에 관한 정보를 제공함으로써 작업자가 즉시 불량을 수정할 수 있도록 하여 시간, 인력 등의 비용 낭비를 최소화하고 봉제 생산라인의 생산성을 향상시킬 수 있는 방법과 이를 위한 시스템을 제공하기 위한 것이다.

본 발명은 의복 생산을 위한 봉제 작업을 수행 중인 재봉틀을 촬영하여 얻어지는 이미지를 컴퓨터로 실시간 처리하여 스티칭 불량을 신속하게 판별하여, 작업자에게 불량 발생에 관한 경고를 통지하여 적절한 후속 조치를 취할 수 있도록 하여 봉제 생산품의 품질을 높일 수 있는 방법과 이를 위한 시스템을 제공하기 위한 것이다.

본 발명이 해결하고자 하는 과제는 상술한 과제들에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

상기 본 발명의 일 목적을 실현하기 위한 실시예들에 따른 봉제 불량 자동 검출 방법은 컴퓨터 장치에서 연산처리부가 컴퓨터 프로그램을 실행하여 봉제 불량을 자동으로 검출하는 방법으로서, 상기 컴퓨터 장치의 연산처리부에서, 재봉틀로 재단물을 봉제하는 동안에, 카메라가 촬영한 재단물의 봉제 이미지들을 실시간으로 수집하는 단계; 상기 컴퓨터 장치의 연산처리부에서, 수집된 RGB 모델 기반의 봉제 이미지 데이터를 HSV 모델 기반의 봉제 이미지 데이터로 변환하는 단계; 상기 변환된 HSV 모델 기반 데이터를 이용하여 단순화 처리를 통해 봉제선의 윤곽선을 검출하는 단계; 단순화 윤곽선 처리된 봉제 이미지의 크기를 기준으로 정해진 0값 세그먼트 길이의 임계값을 봉제 불량 판별을 위한 기준값으로 설정하는 단계; 단순화 윤곽선 처리된 봉제 이미지에 대하여 봉제방향과 소정 각도 범위 내로 교차하는 차원축소방향으로 데이터 합 기반으로 차원을 축소하면서 이진화 처리를 하는 단계; 이진화 처리된 데이터에 대한 연속성 평가를 통해 0값 세그먼트의 길이를 산출하는 단계; 및 산출된 0값 세그먼트의 길이가 설정된 상기 임계값보다 큰 때에는 정상으로 판정하고, 그렇지 아니한 때에는 불량으로 판정하는 단계를 포함한다.

예시적인 실시예들에 있어서, 상기 방법은 상기 HSV 모델로 변환하기 전에, 현재의 봉제 이미지 프레임에 대하여 박음질 실의 배경이 되는 원단 표면의 질감을 제거할 필요가 있는지 여부를 판단하는 단계; 및 원단 표면의 질감 제거가 필요한 것으로 판별된 때, 상기 현재의 봉제 이미지 프레임에서 원단 표면의 질감을 제거하는 처리를 수행하는 단계를 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 원단 배경을 제거할 필요가 있는지 여부를 판단하는 단계는, 박음질된 원단 이미지 샘플들에 대한 사전 평가를 통해 원단 표면의 질감의 강도를 '없음', '약함', 그리고 '강함'으로 분류하는 기준에 의거하여 라벨링된 다량의 재봉 이미지 샘플들을 학습 데이터로 이용하여 신경망 기반 학습을 수행하여 신경망 기반 분류기 모델을 생성하는 단계; 현재의 봉제 이미지 프레임을 상기 신경망 기반 분류기 모델에 입력하여 원단 표면 질감의 강도를 분류하는 단계; 분류된 원단 표면 질감의 강도가 약함 단계와 강함 단계로 분류되는 경우에 원단 표면의 질감을 제거할 필요가 있는 것으로 판별하는 단계를 포함할 수 있다.

예시적인 실시예들에 있어서, 원단 표면의 질감을 제거하는 처리는 L0 경사 최소화(L0 Gradient Minimization)와 중요 물체 검출(Salient Object Detection) 알고리즘 중 어느 한 가지를 사용하여 수행될 수 있다.

예시적인 실시예들에 있어서, 상기 봉제선의 윤곽선 검출은 상기 변환된 HSV 모델 기반의 색상(Hue: H) 채널 데이터, 채도(Saturation: S) 채널 데이터, 그리고 명도(Value: V) 채널 데이터 중에서 채도(S) 채널의 이미지 데이터만을 이용할 수 있다.

예시적인 실시예들에 있어서, 상기 봉제선의 윤곽선 검출은 추출된 채도(S) 채널의 이미지 데이터의 음영값을 기준으로 주변과 차이가 나는 부분을 계산하여 계산값의 변화가 큰 부분을 윤곽선으로 인식하여 검출할 수 있다.

예시적인 실시예들에 있어서, 상기 이진화 처리를 하는 단계에서는, 상기 단순화 윤곽선 처리된 봉제 이미지의 프레임 데이터에 대하여 각 수직방향별로 해당 수직방향의 이미지 데이터(0 또는 1)를 모두 합하여 차원을 축소하면서 각 수직방향마다 합한 값이 0이면 0의 값을 부여하고, 1이상이면 1을 부여하여 이진화를 할 수 있다.

예시적인 실시예들에 있어서, 상기 임계값은 이미지의 수직 길이 대비 허용 0값 세그먼트의 최대 길이의 비율로 정해질 수 있다.

예시적인 실시예들에 있어서, 상기 비율의 값은 5%일 수 있다.

예시적인 실시예들에 있어서, 상기 차원축소방향은 상기 봉제방향과 이루는 사이각이 70°- 110° 이내에서 상기 봉제방향과 교차하는 방향일 수 있다.

예시적인 실시예들에 있어서, 상기 방법은 상기 '판정하는 단계'에서 봉제 불량이 발생한 것으로 판정될 때, 스티칭 불량이 발생하였음을 알리는 알람을 출력하는 단계를 더 포함할 수 있다.

한편, 상기 본 발명의 일 목적을 실현하기 위한 실시예들에 따른 봉제 불량 자동 검출 시스템은, 재봉틀에 의해 봉제되는 재단물의 스티칭 부분을 촬영하도록 설치되고, 촬영한 이미지를 컴퓨터에 제공하는 카메라; 및 컴퓨터 프로그램을 실행하여 상기 재단물의 봉제 스티칭 불량을 실시간으로 검출할 수 있는 컴퓨터 장치를 포함한다. 그리고 상기 컴퓨터 프로그램은 상기 컴퓨터 장치의 연산처리부로 하여금, 재봉틀로 재단물을 봉제하는 동안에, 카메라가 촬영한 재단물의 봉제 이미지들을 실시간으로 수집하는 기능; 상기 컴퓨터 장치의 연산처리부에서, 수집된 RGB 모델 기반의 봉제 이미지 데이터를 HSV 모델 기반의 봉제 이미지 데이터로 변환하는 기능; 상기 변환된 HSV 모델 기반 데이터를 이용하여 단순화 처리를 통해 봉제선의 윤곽선을 검출하는 기능; 단순화 윤곽선 처리된 봉제 이미지의 크기를 기준으로 정해진 0값 세그먼트 길이의 임계값을 봉제 불량 판별을 위한 기준값으로 설정하는 기능; 단순화 윤곽선 처리된 봉제 이미지에 대하여 봉제방향과 소정 각도 범위 내로 교차하는 차원축소방향으로 데이터 합 기반으로 차원을 축소하면서 이진화 처리를 하는 기능; 이진화 처리된 데이터에 대한 연속성 평가를 통해 0값 세그먼트의 길이를 산출하는 기능; 산출된 0값 세그먼트의 길이가 설정된 상기 임계값보다 큰 때에는 정상으로 판정하고, 그렇지 아니한 때에는 불량으로 판정하는 기능을 포함한다.

예시적인 실시예들에 있어서, 상기 시스템은 상기 연산처리부로부터 봉제 불량 검출 정보를 전달받아 봉제 불량 발생을 나타내는 알람을 표출하도록 구성된 알람부를 더 포함할 수 있다.

앞에서 언급된 봉제 불량 자동 검출 방법을 수행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 실행가능 프로그램이 제공될 수 있다.

또한, 앞에서 언급된 봉제 불량 자동 검출 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체가 제공될 수 있다.

본 발명은 봉제 스티칭 불량을 추출함에 있어 이미지를 처리하여 윤곽의 유사도를 비교함으로써 봉제 스티칭이 정상적인지 아닌지를 판단할 수 있다는 점에서 종래기술들과 차별화될 수 있다.

본 발명의 예시적인 실시예들에 따르면, 재봉틀, 자동화 재단기 등 의류생산장비에서 봉제 작업 중에 발생하는 봉제 불량을 자동으로 추출하여 작업자 등 관련 당사자에게 불량 발생에 대한 실시간 경고를 줄 수 있다. 이에 의해, 작업자 등은 조기에 봉제 불량을 인식할 수 있고, 그에 따른 적절한 후속 조치를 즉시 취할 수 있다. 스티칭 불량으로 인해 낭비될 수도 있는 시간과 비용을 절감할 수 있다.

또한, 의복 생산 공장에서 작업자별 및/또는 작업라인별로 봉제 작업 중에 발생하는 스티칭 불량 현황을 IoT 기술을 이용하여 데이터베이스에 저장할 수 있다. 그렇게 확보되는 데이터에 기초하여, 개별 작업자 및/또는 작업라인의 불량률 등에 대한 빅데이터 분석을 할 수 있다. 이를 통해, 각 작업자의 기술수준과 생산성 등에 관한 정보, 그리고 각 작업라인별 생산성 등에 관한 정보를 확보할 수 있다.

본 발명의 방법은 기준 제품과 외형의 유사도를 비교하여야 하는 타 제품군에 적용할 수도 있다. 이를 통해 신속한 형상 불량 검사의 타 산업분야 확장이 가능하다.

도 1은 여러 가지 봉제 불량 현상을 예시한다.
도 2는 본 발명의 예시적인 실시예에 따른 봉제 스티칭 불량 검출 시스템의 구성을 나타낸 블록도이다.
도 3은 도 2에 도시된 컴퓨터 장치의 구성을 나타낸 블록도이다.
도 4는 도 2의 봉제 스티칭 불량 검출 시스템을 실제로 재봉틀에 설치한 예를 도시한다.
도 5는 도 4의 "A" 부분을 좀 더 상세하게 도시한 것이다.
도 6은 본 발명의 예시적인 실시예에 따른 봉제 스티칭 불량 검출 방법의 전반적인 절차를 개략적으로 나타낸 흐름도이다.
도 7은 카메라의 이미지 수집 영향 변수에 관한 예시도이다.
도 8은 본 발명의 예시적인 실시예에 따른 봉제 스티칭 불량 검출 방법의 세부 수행 절차를 나타낸 흐름도이다.
도 9는 신경망 분류 기법을 이용한 원단 분류의 예시도이다.
도 10은 분류된 원단 표면 질감에 따른 원단 배경 제거의 예시도이다.
도 11은 원단 표면 질감이 없음 단계로 분류된 이미지 또는 원단 표면 질감제거 알고리즘이 적용된 이미지에 대한 HSV 모델 변환 후 S 채널을 추출한 예시도이다.
도 12는 단순화 윤곽선 처리된 봉제 이미지의 차원 축소 및 이진화 처리 예시도이다.
도 13은 차원 축소 및 이진화 데이터의 0값 세그먼트 크기의 계산방법을 나타내는 흐름도이다.
도 14는 윤곽선 검출 방법으로 이미지 변환 처리된 윤곽선 이미지의 예시도이다.
도 15와 도 16은 이미지 크기 기준 불량 판별 기준값 지정의 예시도로서, 도 15는 정상 사례를 예시하고, 도 16은 불량 사례를 예시한다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 2는 예시적인 실시예에 따른 봉제 스티칭 불량을 검출하는 시스템의 구성을 개략적으로 나타내는 블록도이다.

도 2에서 도시된 바와 같이, 이 스티칭 불량 검출 시스템(10)은 카메라(40)와 컴퓨터 장치(50)를 포함할 수 있다. 이 스티칭 불량 검출 시스템(10)은 알람부(60)를 더 포함할 수 있다.

의류 생산 공장에는 규모에 따라 다르지만 수백 내지 수천 대의 재봉틀(20)이 운용될 수 있다. 카메라(40)는 각 재봉틀(20)마다 설치될 수 있다. 카메라(40)는 봉제 작업 중인 재단물(30)을 촬영할 수 있도록 재봉틀(20)에 직접 부착되거나 또는 재봉틀(20) 근처에 설치될 수 있다. 카메라(40)는 촬영한 영상을 컴퓨터 장치(50)에 전달할 수 있도록 컴퓨터 장치(50)와 통신가능하게 연결될 수 있다.

불량 탐지 정보는 불량을 발생시킨 재봉틀(20)의 작업자에게 통지될 수 있다. 이를 위해 알람부(60) 또한 각 재봉틀(20)마다 설치될 수 있다. 알람부(60)는 예컨대 컴퓨터 장치(50)의 스피커 및/또는 디스플레이와 같은 출력부(55)로 구성되거나 또는 컴퓨터 장치(50)와는 별개로 독립된 스피커 및/또는 부저 및/또는 경고등과 같은 알람수단으로 구성될 수 있다. 알람부(60)는 컴퓨터 장치(50)의 연산처리부(52)로부터 불량 검출 정보를 전달받을 수 있도록 컴퓨터 장치(50)와 통신가능하게 연결될 수 있다.

예시적인 일예에서, 컴퓨터 장치(50)는 다수의 재봉틀(20)에 설치된 카메라(40)들과 알람부(60)들과 매칭되어 통신망을 통해 그것들과 통신할 수 있도록 구성된 하나 이상의 컴퓨터로 구현될 수 있다. 그 컴퓨터는 1대의 서버 컴퓨터로 구성되거나, 또는 의류생산공장에 라인별 또는 섹터별로 분산 운영되는 복수 대의 컴퓨터로 구성될 수 있다. 각 재봉틀(20)마다 설치된 카메라(40)들과 알람부(60)들은 유선 및/또는 무선 통신망(비도시)을 통해 컴퓨터 장치(50)와 통신가능하게 연결될 수 있다.

예시적인 다른 예에서, 컴퓨터 장치(50)는 각 재봉틀(20)마다 설치될 수 있다. 각 재봉틀(20)에 설치되는 로컬 컴퓨터 장치(50)는 범용의 소형 컴퓨터 또는 본 발명용으로 구성된 전용의 컴퓨팅 장치로 구현될 수 있다. 로컬 컴퓨터 장치(50)는 도 3에 예시된 것처럼 입력부(54) 및 출력부(55), 연산처리부(52), 저장부(53), 통신부(51) 등과 같은 하드웨어 장치와, 운영체제 프로그램과 후술할 본 발명에 따른 스티칭 불량 검출 방법이 구현된 컴퓨터 프로그램 등과 같은 소프트웨어(56)를 포함할 수 있다. 카메라(40)와 알람부(60)는 컴퓨터 장치(50)에 직접 연결될 수 있다. 저장부(53)에는 카메라(40)로부터 수집된 이미지 데이터, 프로그램 등이 저장될 수 있다.

컴퓨터 장치(50)의 연산처리부(52)는 저장부(53)에 저장된 소프트웨어(56)를 실행하여 각 카메라(40)가 제공하는 이미지 데이터를 통신부(51)를 통해 전달받아 저장부(53)에 저장하고, 저장부(53)에 저장된 영상 데이터에 대하여 스티칭 결함을 검출하기 위한 데이터 처리를 수행하고, 그리고 스티칭 결함 검출 결과에 따른 후속 조치(피드백 신호 전송, 알람 신호 표출) 등을 수행할 수 있다. 연산처리부(52)는 메모리와 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서 등으로 구현될 수 있다.

연산처리부(52)는 스티칭 결함 평가 결과가 정상으로 판정되면, 통신부(51)를 통해서 '정상'이라는 평가 결과를 카메라(40)로 피드백하면서 해당 카메라(40)로부터 새로 촬영한 영상을 전송받고, 그 영상 데이터에 대한 이미지 처리, 결함 평가, 피드백 신호 전송 등의 작업을 이전과 같이 동일하게 반복할 수 있다. 만약 평가 결과가 스티칭 결함(불량)이 발견되면, 컴퓨터 장치(50)의 연산처리부(52)는 알람부(60)를 통해 불량 발생을 나타내는 알람이 출력되도록 제어할 수 있다. 이와 같은 일련의 과정은 봉제 불량 발생시, 카메라(40)에서 영상을 촬영한 시점으로부터 아주 짧은 시간 내에 (예컨대 3초 이내에) 알람이 표출되도록 함으로써, 봉제 결함을 실시간으로 탐지하고 즉시적인 조치를 취할 수 있도록 할 수 있다. 또한, 해당 결함 데이터는 IoT를 이용하여 별도의 중앙 컴퓨터 장치(비도시)에 제공되어 데이터베이스로 저장될 수도 있다.

도 4는 도 2의 봉제 스티칭 불량 검출 시스템(10)을 실제로 재봉틀(20)에 설치한 예를 보여준다. 도 5는 도 4의 "A" 부분을 좀 더 상세하게 도시한 것이다.

도 4 및 도 5를 참조하면, 컴퓨터 장치(50)는 각 재봉틀(20)마다 하나씩 설치되는 로컬 컴퓨터(50-1)인 경우이다. 일예로 로컬 컴퓨터(50-1)는 작업자의 시선 높이에 맞춰 재봉틀(20)의 몸체(22) 위에 설치될 수 있다. 카메라(40-1)는 재단물(30)이 봉제되어 배출되는 노루발(26) 후방 영역을 촬영하도록 재봉틀(20)의 몸체(22) 후면부에 고정될 수 있다. 컴퓨터 장치(50)와 카메라(40)는 봉제작업자의 작업에 방해가 되지 않는 위치에 안정적인 장착을 위해 고정 지그를 이용하여 장착될 수 있다. 알람부(60)는 컴퓨터 장치(50)의 출력부(55) 예컨대 스피커 및/또는 디스플레이로 구현되거나 또는 별도의 알람기(60-1)로 구현될 수 있다. 도 5는 도 4에 예시된 봉제 스티칭 불량 검출 시스템(10)에 있어서 봉제 작업에 방해되지 않으면서도 봉제 스티칭을 정확하게 촬영하기 위한 위치인 재봉틀 몸체의 후면에 카메라(40)가 고정 지그로 설치된 것을 예시한다.

도 6은 본 발명의 예시적인 실시예에 따른 봉제 스티칭 불량 검출 방법을 수행 전반적인 절차를 개략적으로 나타낸 흐름도이다.

도 6을 참조하면서, 도 4에 예시된 봉제 스티칭 불량 검출 시스템(10)을 이용하여 봉제 스티칭 불량을 검출하는 방법을 설명하기로 한다.

카메라(40)는 재봉틀(20) 위에서 봉제 작업이 이루어지고 있는 재단물(30)을 촬영할 수 있다. 카메라(40)는 촬영된 영상을 컴퓨터 장치(50)로 제공할 수 있다. 컴퓨터 장치(50)는 카메라(40)가 제공하는 이미지 데이터를 소정 분량 단위로 수집할 수 있다 (S10 단계). 연산처리부(52)는 카메라(40)가 제공하는 이미지 데이터를 통신부(51)를 통해 수신하여 저장부(53)에 저장할 수 있다. 카메라(40)가 제공하는 이미지 데이터는 RGB 모델 데이터 기반의 이미지이다.

카메라(40)는 재단물(30)의 모든 구간을 빠짐없이 촬영할 필요가 있다. 재단물(30)의 이동 속도에 비해 단위 시간당 촬영 이미지의 개수가 너무 적으면 촬영 누락 구간이 생길 수 있다. 이를 방지하기 위해, 이미지 수집 시에는 재봉틀(20)의 봉제속도(RPM), 단위 구간 스티치 개수, 그리고 분석 픽셀 크기 등을 고려하여 단위시간당 최소 촬영 이미지 개수 등을 구할 수 있다. 카메라(40)는 단위시간당 구해진 최소 촬영 이미지 개수 이상의 프레임을 촬영하도록 설정될 수 있다.

도 7은 카메라의 이미지 수집 영향 변수에 관한 예시도이다.

도 7을 참조하면, 봉제 속도(RPM)에 따른 재단물(30)의 이송거리와 생성되는 스티치 개수를 실험에 의해 측정한 결과가 예시되어 있다. 봉제 속도에 따라 촬영되어야 하는 이미지의 개수는 더 많아질 수 있다. 이에 따라 적절한 fps(초당 프레임 수)를 선정할 필요가 있다. 봉제 속도에 따라 단위시간 당 촬영되어야 하는 최소 프레임 개수(fps)는 아래 식으로 계산될 수 있다.

초당 요구 프레임 수(fps) = 초당 이송거리 / 초당 스티치 개수 ......(1)

카메라(40)는 적어도 식 (1)로 산출되는 초당 요구 프레임 수(fps) 이상의 촬영 속도로 촬영하여야 봉제 작업된 구간을 놓치지 않고 촬영된 이미지 영역 (가로*세로)에 포착할 수 있게 된다. 일례로 봉제 속도가 500RPM의 경우, 초당 이송거리가 30mm이고, 초당 스티치 개수가 10 이라면 초당 요구 프레임 수는 3(1초에 3장의 사진을 찍음)이며, 2500 RPM의 경우 초당 이송거리가 140mm이고, 초당 스티치 개수가 40이라면, 초당 요구 프레임 수는 3.5로 계산되므로 실제로 1초에 적어도 4장의 사진(100x200 픽셀)을 촬영할 필요가 있다. 이는 봉제 속도(RPM)가 빨라질수록 재단물(30)에 가해진 스티치를 모두 사진 속에 담아내기 위해서는 보다 많은 사진을 찍어야 함을 의미한다.

다음으로, 컴퓨터 장치(50)의 연산처리부(52)는 저장부(53)에 수집된 이미지 데이터에 대하여 몇 가지 전처리를 수행할 수 있다(S20 단계). 전처리는 원단 이미지에서 원단 배경을 제거하기 위한 처리와 원단 이미지의 RGB 모델 데이터를 색상(Hue), 채도(Saturation), 명도(Value)의 좌표를 써서 특정한 색을 지정하는 HSV 모델 데이터로 변환한 다음, 그 변환된 HSV 모델 기반 데이터 중에서 채도(S) 채널의 데이터만을 이용한 단순화 처리를 통해 윤곽선을 검출하여 이미지를 단순화하는 처리를 포함할 수 있다.

연산처리부(52)는 전처리를 통해 단순화 윤곽선 처리된 이미지 데이터에 대하여 연속성을 평가하여 봉제 스티칭 불량의 발생 여부를 검출할 수 있다(S30 단계).

컴퓨터(50)의 연산처리부(52)는 S300단계에서 스티칭 불량 발생 평가 결과 스티칭 불량이 발생하지 않은 것으로 판별되면, 현재의 이미지를 초기화(S35 단계)한 다음, 다시 카메라(40)로부터 이미지 데이터를 수집하여(S10 단계) 이미지 데이터 전처리(S20 단계)와 이미지 데이터의 연속성 평가(S30 단계) 등 일련의 과정을 다시 반복할 수 있다.

S30단계에서 스티칭 불량이 발생한 것으로 판별되면, 컴퓨터 장치(50)의 연산처리부(52)는 부저 또는 경고등 알람 작동 신호를 생성하여 알람부(60)에 제공할 수 있다. 또한, 연산처리부(52)는 관련 데이터를 저장부(53)에 저장되도록 할 수 있다. 이에 의해, 알람부(60)는 스티칭 불량이 발생하였음을 경고하는 알람을 출력할 수 있다(S50 단계). 불량 발생 알람이 출력되면, 사용자는 즉시 봉제 작업을 중지할 수 있을 것이다.

도 8은 본 발명의 예시적인 실시예에 따른 봉제 스티칭 불량 검출 방법의 세부 수행 절차를 나타낸 흐름도이다. 도 8을 참조하여 봉제 스티칭 불량 검출 방법을 좀 더 구체적으로 설명한다.

컴퓨터 장치(50)의 연산처리부(52)는 통신부(51)를 통해 카메라(40)가 보내주는 영상 데이터를 소정 분량 단위로 수신하여 저장부(53)에 저장해둔다(S50 단계).

그런 다음, 연산처리부(52)는 저장부(53)에 수집된 이미지들에 대한 몇 가지 처리를 수행할 수 있다. 먼저, 이미지 프레임에 포함된 노이즈 제거를 수행할 수 있다. 그런 다음, 각 이미지 프레임에서 원단 표면의 질감을 제거할 필요성을 판단한다(S52 단계).

원단 표면의 질감을 제거할 필요가 있는지 여부를 판단하기 위해, 우선 원단 이미지 프레임을 분류할 필요가 있다. 원단 이미지의 분류는 신경망 분류 기법 또는 통계적 분류 기법 등을 사용할 수 있다. 도 9는 원단 표현 질감의 제거 필요성 판단과 관련하여 원단 이미지 프레임을 신경망 분류 기법을 사용하여 분류하는 것을 예시한다. 다양한 표면 질감을 갖는 박음질 원단 샘플들의 이미지 데이터를 다수 확보한다. 그 원단 샘플 이미지들에 대하여, 사전 평가를 통해 원단 표면 질감에 따라 표면질감의 강도를 1) 없음(원단 표면에 무늬가 없는 경우), 2) 약함(원단 표면이 오돌토돌한 표면 질감을 나타내는 무늬를 갖는 경우), 3) 강함(원단 표면이 울퉁불퉁한 표면 질감을 나타내는 무늬를 갖는 경우)의 세 단계로 분류할 수 있다. 이런 기준으로 라벨링된 다량의 재봉 이미지 샘플들을 학습 데이터로 이용하여 신경망 기반 학습을 수행하여 신경망 기반 분류기 모델을 구축할 수 있다.

수집된 이미지들은 박음질이 이루어진 원단 이미지들이다. 그런데 박음질 실의 배경을 이루는 원단의 표면이 민무늬인 경우에는 별문제가 없지만, 원단 표면이 오돌토돌한 질감을 갖는 표면(약함 단계)이거나 또는 울퉁불퉁한 질감을 갖는 표면(강함 단계)인 경우에는 그러한 표면 질감으로 인해 후속하는 데이터 처리에 에러가 발생할 수 있다. 따라서 약함 단계와 강한 단계의 표면 질감을 갖는 원단의 이미지인 경우에는 그 원단의 표면 즉, 박음질 실의 배경 부분(원단 표면)의 질감을 제거할 필요가 있다. 현재의 봉제 이미지 프레임을 상기 신경망 기반 분류기에 입력하면, 해당 이미지 프레임은 표면 질감에 따라 위 세 가지 중 어느 한 가지로 자동 분류될 수 있다. 예시적인 실시예에서, 원단 표면 질감의 제거는 원단 표면의 질감이 약함 단계와 강함 단계에만 적용되게 할 수 있다. 현재의 원단 이미지 프레임의 표면 질감의 강도가 약함 단계 또는 강함 단계로 분류되면, 원단 표면의 질감을 제거할 필요가 있는 것으로 판단될 수 있다.

단계 S52에서 현재의 원단 이미지 프레임이 표면 질감 제거가 필요한 것으로 판단되면, 소정의 표면 질감 제거 알고리즘을 적용하여 그 원단 이미지 프레임으로부터 원단 표면의 질감을 제거하기 위한 데이터 처리를 수행할 수 있다 (S54 단계). 원단 표면의 질감 제거에는 L0 경사 최소화(L0 Gradient Minimization), 중요 물체 검출(Salient Object Detection) 알고리즘 등이 사용될 수 있다.

도 10은 L0 경사 최소화 알고리즘을 사용하여 약함 단계의 원단 표면 질감(a)과 강함 단계의 원단 표면 질감(b)을 제거한 것을 예시한다. L0 경사 최소화 알고리즘의 람다 변수는 약함 단계 원단 표면 질감에 대해서는 0.0001 ~ 0.01 값을 적용하고, 강한 단계 원단 배경 질감에 대해서는 0.01 ~ 0.2 값을 적용하여 표면 질감을 제거할 수 있다. 도 10은 약함 단계 이미지와 강함 단계 이미지에 대해 L0 경사 최소화 알고리즘을 사용하여 얻은 이미지를 예시한 것이다..

위와 같이 원단 표면 질감의 제거 절차를 거쳐 원단 표면 질감의 영향을 무시할 수 있는 정도의 봉제 스티칭 원단 이미지 프레임이 확보되면, 그 현재의 원단 이미지 프레임에 대하여 HSV 모델로의 변환 및 S 채널데이터를 추출할 수 있다 (S56 단계).

도 11은 원단 표면 질감이 없음 단계로 분류된 박음질된 원단 이미지 또는 원단 표면 질감 제거 알고리즘이 적용된 박음질된 원단 이미지에 대해 HSV 모델로 변환 후 S 채널 데이터를 추출한 이미지를 예시한다. 카메라가 생성하는 원단 이미지 프레임은 RGB 모델 기반의 데이터로 표현된다. 이를 HSV 모델 데이터로 변환한 다음, 그 변환된 HSV 모델 기반 데이터 중에서 채도(S) 채널의 데이터만을 추출할 수 있다.

그리고 그 채도(S) 채널의 이미지 데이터만을 이용하여 그 박음질된 원단의 봉제선의 윤곽선을 추출할 수 있다(S58 단계). 구체적으로, 추출된 S 채널 이미지 데이터의 음영값을 기준으로 주변과 차이가 나는 부분을 계산하여 계산값의 변화가 큰 부분을 윤곽선으로 인식하여 추출할 수 있다. HSV 모델은 RGB 모델과 달리 원본 이미지의 조명에 대한 정보(명도)가 명도(Value) 채널에 표현이 되고, 색상에 대한 정보(색도)는 색상(Hue) 채널에 표현되고, 채도(S) 채널은 색상의 강도 정보(채도)가 표현된다. 채도(S) 채널 정보는 본 발명에서 필요로 하는 봉제선 형태를 인식하는 데 필요한 정보를 충분히 표현하고 있으므로 RGB 이미지를 사용하는 경우에 비해 봉제선에 대한 윤곽선 추출에 더 용이하다.

윤곽선 검출을 위한 이미지 처리방법은 인공지능(Artificial Intelligence: AI)을 기반으로 구현된 프로그램을 이용하여 수행되거나, 또는 수치적 방법을 이용하는 알고리즘으로 구현된 프로그램을 이용하여 수행될 수도 있다.

AI를 이용한 이미지 처리 방법의 일례로서, 에지(윤곽선) 검출 알고리즘인 HED(holistically-Nested Edge Detection) 알고리즘에 기반한 방법이 사용될 수 있다. 에지 안의 윤곽과 객체 경계에 대한 해상도 정보를 설명하기 위한, 계층적으로 포함된 다중 크기의 에지 필터를 학습하여 최종적으로 모든 필터를 비교함으로써 모든 예측의 평균을 구할 수 있다. 검출된 이미지의 크기에 맞춰 HED 알고리즘을 통과시켜 에지 필터를 거친 이미지를 추출할 수 있다.

수치적 방법을 이용한 이미지 처리 방법의 예로는, 1차 미분방정식을 사용하여 주변의 색과 윤곽선의 색을 구분하는 소벨 에지 검출 방법, 2차 미분방정식을 사용하여 보다 두꺼운 윤곽선을 추출하는 라플라시안 에지 검출 방법, 가우스 필터링과 소벨 방정식, 기울기 벡터 최대 적용을 통해 보다 명확한 윤곽선을 검출하는 캐니 에지 검출 방법 등이 있다. 이 방법들은 본 발명에 적용될 수 있다.

다음으로, 연산처리부(52)는 단순화 윤곽선 처리된 봉제 이미지를 이용하여 데이터 연속성 평가를 수행하여 스티칭 불량의 발생 여부를 판별하는 데이터 처리를 수행할 수 있다.

이를 위해, 우선 박음질 불량을 판별할 수 있는 기준값을 지정할 수 있다(S60 단계). 일예에 있어서, 박음질 불량 판별 기준값은 이미지의 크기를 기준으로 0값 세그먼트 길이 값으로 지정될 수 있다.

그런 다음, 단순화 윤곽선 처리된 원단 봉제 이미지에 대해 봉제 방향과 소정 각도 범위 내로 교차하는 방향(차원축소방향)으로 데이터 합을 사용하여 차원을 축소한 후 이진화 처리를 할 수 있다(S62 단계).

도 12는 단순화 윤곽선 처리된 원단 봉제 이미지에 대해 봉제 방향에 대략적으로 수직인 방향으로 차원 축소 및 이진화 처리를 한 예를 보여준다. 단순화 윤곽선 처리된 원단 봉제 이미지의 차원 축소 계산은 봉제 방향에 대한 수직 방향으로 이미지 데이터(0 또는 1 값)를 모두 합하여 데이터의 차원을 축소하면서, 각 수직방향마다 합한 값들에 대해 이진화를 할 수 있다. 도 12에 예시된 것처럼, 이진화는 봉제방향에 대한 각 수직방향마다 합한 값이 0이면 0의 값을 부여하고(도 12의 이미지 데이터에서, 3-5번째 행이 이에 해당함), 1이상이면 1을 부여하는(도 12의 이미지 데이터에서, 1-2번째 행과 6-8번째 행이 이에 해당함) 방식으로 할 수 있다. 여기서, 차원축소방향은 위와 같이 봉제 방향과 실질적으로 직교하는 방향이 바람직할 수 있다. 도 12의 예시 이미지 크기(100*200 픽셀)에서 봉제방향은 수직방향이고, 차원축소방향은 수평방향인 것으로 가정하였다. 하지만, 차원축소방향은 상기 봉제방향과 반드시 직교할 필요는 없다. 주성분분석(Principal Component Analysis)과 같은 통계적인 기법을 활용하여 윤곽선 이미지 데이터에 최적화된 방향을 수치적으로 계산하여 사용할 수 있는데, 실험에 의하면 상기 차원축소방향이 상기 봉제방향과 이루는 사이각이 70°- 110° 이내의 각도범위에서 최적화된 방향이 정해진다.

이렇게 축소된 차원의 이진화 데이터를 이용하여 데이터 연속성을 평가하여 봉제 불량 여부를 판별할 수 있다(S64). 구체적으로, 봉제 이미지의 단순화된 이진화 데이터에서 봉제선이 인식되지 않은 영역을 '0'이라고 하고 봉제선이 존재하는 영역을 '1'이라고 할 때, 봉제의 불량 판별은 연속성 측면에서 0값을 갖는 세그먼트의 길이를 산출하여 판별할 수 있다. 산출된 0값 세그먼트의 길이가 앞서 설정된 불량 판별 임계값(기준값)을 초과하는지 여부로 판별할 수 있다. 여기서, 상기 불량 판별 임계값(기준값)은 봉제 이미지의 수직 길이 대비 허용 0값 세그먼트의 최대 길이의 비율로 정해질 수 있다. 그 비율은 예컨대 5%로 정해질 수 있다.

도 13은 차원 축소 및 이진화 데이터의 0값 세그먼트 크기의 계산방법을 나타낸다.

도 13을 참조하면, 봉제방향에 대한 각 수직방향의 데이터 즉, 각 수직방향의 차원 축소 및 이진화된 (1 x n) 차원의 데이터를 획득하여(S70 단계) 그 데이터에 0값의 유무를 판단한다(S72 단계). 0값이 전혀 존재하지 않을 때에는 봉제 불량이 없는 정상으로 판별한다(S76 단계).

차원 축소 및 이진화된 데이터에 0값이 존재할 경우, 그 (1 x n) 차원의 데이터의 값을 순차적으로 평가하여 불량 조건을 판별한다. 데이터의 값이 0이라면 0 개수를 누적하여 측정한다(S74-S82 단계). 만일, 불러온 데이터 값이 1이라면, 누적된 0의 개수를 초기화하고(S88 단계), 다음 데이터 값을 불러와서(S90 단계) 그 값이 마지막 데이터 값인지를 체크한다(S78 단계). 그런 다음 다시 그 데이터 값이 0인지 여부를 판별한다(S80 단계).

단계 S80에서, 데이터 값이 0이면 0의 개수를 누적하고(S82 단계), 누적된 0의 개수 즉, 측정된 0의 세그먼트 길이가 미리 설정된 임계값(기준값)보다 큰지 여부를 판별한다(S84 단계). 여기서 그 미리 설정된 임계값(기준값)은 이미지 프레임의 수직방향 데이터 길이(n)의 일정 비율(예: 5 %)로 정해질 수 있다. 단계 S84에서 '예'로 판정되면 즉, 산출된 0값 세그먼트의 길이가 설정된 임계값을 초과하는 경우봉제 불량이 발생한 것으로 판별한다. 이와 같이 반복적으로 다음 값을 확인하여 데이터의 마지막 값을 확인하고 불량이 발생하지 않을 경우 정상으로 판별할 수 있다.

이와 같이, 0값 세그먼트 길이에 대한 평가에 따라, 봉제 불량 여부를 판별할 수 있다. 불량 발생 사실을 알리는 부저나 경고등을 작동할 수 있고(S66), 그렇지 않은 경우에는 불량이 없는 것으로 판정하여 이미지 수집 단계(S50)로 돌아가서 위에서 설명한 절차를 반복할 수 있다.

도 14는 재봉틀의 속도(RPM)에 따라 촬영된 사진의 역상 변환 노이즈 제거 이미지를 예시한 것이다.

도 14를 참조하면, 촬영 조건은 4 fps로 초당 4장의 사진을 200*200픽셀로 촬영한 것이다. '#3. RPM 1500'의 사진 중 세 번째 사진은 상단에 실제 스티치 끊김이 발생하였으며, '#3. RPM 1500'의 마지막 사진과 '#5. RPM 2500'의 마지막 사진은 빠른 이송 속도로 인해 사진의 상단에 흔들림이 발생하였다.

도 15와 도 16은 이미지 크기 기준 불량 판별 기준값 지정 및 판단 결과를 예시한다. 도 15는 정상 사례를 예시하고, 도 16은 불량 사례를 예시한다.

위에서도 설명하였듯이, 이미지의 불량 판별은 연속성 측면에서 단순화된 데이터에서 봉제선이 인식되지 않은 영역을 '0'이라고 하고, 봉제선이 존재하는 영역을 '1'이라고 할 때, 0값 세그먼트의 길이가 설정된 값 이상일 경우 불량으로 판별한다. 연속성 평가 방법은 우선 도 12에 도시된 것과 같이 원본 이미지를 기준으로 이미지 처리된 윤곽선 이미지를 차원 축소 및 이진화하여 얻어지는 데이터에 대해 0값의 길이를 계산한다. 계산 방법은 이미지 상의 봉제 방향을 기반으로 0값이 발생하는 세그먼트들을 추출하고 그 길이를 계산한다. 그리고 전체 이미지 길이에 대해 추출된 0값의 세그먼트의 길이를 비교하여 기준값(예: 5%)과 비교하여 기준값 보다 클 경우 불량으로 판단한다. 도 15의 예에서, 이미지 길이는 200이며, 데이터 상에 0값이 발생한 세그먼트가 없는 것으로 확인이 되며, 이 경우 기준값 5%를 초과하지 않기 때문에 정상으로 판단한다. 도 16의 예에서, 이미지 길이는 200이며, 데이터 상에 0값이 발생한 세그먼트는 1개가 확인이 되며, 이 0값 세그먼트의 길이는 19이다. 따라서 19/200 = 9.5%로 기준값 5% 보다 크기 때문에 불량으로 판단한다.

본 발명에 따른 봉제 불량 검출 방법은 봉제 이미지 촬영 0.25초 이내, 이미지 처리 및 불량 판정 0.1초, 불량 신호 발생 및 알람구동 0.5초 등 약 1초의 시간 내에 봉제 스티칭 불량을 판단하여 경고할 수 있다.

본 발명에 따른 스티칭 불량 검출 시스템(10)을 통해 봉제 시 발생하는 스티칭 불량을 효과적으로 탐지할 수 있다. 이를 통해 시간 및 인력의 손실을 예방하고 의류생산라인의 생산성을 향상시킬 수 있다.

이상에서 설명한 본 발명의 실시예들에 따른 봉제 스티칭 불량 검출 방법은 다양한 컴퓨터 수단을 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있다. 구현된 컴퓨터 프로그램은 컴퓨터(50)의 저장부(53) 또는 컴퓨터 판독이 가능한 별도의 기록매체에 기록될 수 있다. 그 구현된 컴퓨터 프로그램을 컴퓨터 장치에서 연산처리장치가 기록 매체에 저장된 그 컴퓨터 프로그램을 읽어 들여 실행하는 것에 의해 본 발명의 방법을 수행할 수 있다.

상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

본 발명은 의류 봉제분야 생산제조 시스템의 봉제 불량 자동인식 시스템으로 이용될 수 있다. 본 발명은 봉제 스티칭 불량에 대한 추출 패턴뿐만 아니라 다양한 제조 제품에 대하여 외형의 오류를 빠르게 분석하여 결함을 판단할 수 있다는 점에서 다양한 응용 분야를 가질 수 있다. 예컨대, 매크로 규모의 제품을 생산하는 산업에서 외형 품질검사 시스템으로도 이용될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 그러므로 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

10: 봉제 불량 자동 검출 시스템
40: 카메라 50: 컴퓨터
60: 알람부

Claims (15)

1. 컴퓨터 장치에서 연산처리부가 컴퓨터 프로그램을 실행하여 봉제 불량을 자동으로 검출하는 방법으로서,
   박음질 원단 샘플 이미지들에 대한 사전 평가를 통해, 원단 표면에 무늬가 없는 제1 단계, 원단 표면이 오돌토돌한 표면 질감을 나타내는 무늬를 갖는 제2 단계, 그리고 원단 표면이 울퉁불퉁한 표면 질감을 나타내는 제3 단계로 분류하는 기준에 의거하여 라벨링된 다량의 재봉 이미지 샘플들을 학습 데이터로 이용하여 컴퓨팅 장치에서 신경망 기반 학습을 수행하여 신경망 기반 분류기 모델을 구축하는 단계;
   상기 컴퓨터 장치의 연산처리부에서, 재봉틀로 재단물을 봉제하는 동안에, 카메라가 촬영한 재단물의 봉제 이미지들을 실시간으로 수집하는 단계;
   상기 컴퓨터 장치의 연산처리부에서, 수집된 봉제 이미지들을 상기 신경망 기반 분류기 모델에 입력하여 원단 표면 질감이 상기 세 단계 중 상기 제2 단계 또는 상기 제3 단계로 분류되는 경우, 소정의 표면 질감 제거용 알고리즘을 적용하여 상기 수집된 봉제 이미지에서 원단 표면의 질감을 제거하는 처리를 수행하는 단계;
   상기 컴퓨터 장치의 연산처리부에서, 원단 표면 질감 제거 처리를 거친 RGB 모델 기반의 봉제 이미지 데이터를 HSV 모델 기반의 봉제 이미지 데이터로 변환하는 단계;
   상기 컴퓨터 장치의 연산처리부에서, 상기 변환된 HSV 모델 기반 데이터 중에서 채도(S) 채널의 이미지 데이터의 음영값 크기 변화를 이용하여 단순화 처리를 통해 봉제선의 윤곽선을 검출하는 단계;
   상기 컴퓨터 장치의 연산처리부에서, 단순화 윤곽선 처리된 봉제 이미지에 대하여, 봉제방향과 소정 각도 범위 내로 교차하는 차원축소방향으로 나란히 연장되는 전체 행의 이미지 데이터에 대하여, 각 행마다 이진화 이미지 데이터의 합을 구하여 그 구한 합이 0이면 해당 행에 봉제선이 존재하지 않는 것으로 간주하여 0의 값을 부여하고 그 구한 값이 1 이상이면 해당 행에 봉제선이 존재하는 것으로 간주하여 1의 값을 부여하여 상기 전체 행의 이미지 데이터를 (1 x n) 차원으로 축소하면서 이진화 처리를 하는 단계, 여기서 n은 상기 봉제 이미지의 수직방향 데이터 길이임;
   상기 컴퓨터 장치의 연산처리부에서, 상기 봉제 이미지의 차원 축소 이진화 처리된 데이터에 대한 연속성 평가를 통해 0의 값이 연속되는 0값 세그먼트의 길이를 산출하는 단계; 및
   상기 컴퓨터 장치의 연산처리부에서, 산출된 0값 세그먼트의 길이가 소정의 임계값보다 큰 때에는 불량 봉제로 판정하고, 그렇지 아니한 때에는 정상 봉제로 판정하는 단계를 포함하며, 상기 소정의 임계값은 단순화 윤곽선 처리된 봉제 이미지의 크기를 기준으로 소정 크기로 정해진 0값 세그먼트 길이인 것을 특징으로 하는 봉제 불량 자동 검출 방법.
2. 삭제
3. 삭제
4. 제1항에 있어서, 상기 원단 표면의 질감을 제거하는 처리는 L0 경사 최소화(L0 Gradient Minimization)와 중요 물체 검출(Salient Object Detection) 알고리즘 중 어느 한 가지를 사용하여 수행되는 것을 특징으로 하는 봉제 불량 자동 검출 방법.
5. 삭제
6. 제1항에 있어서, 상기 봉제선의 윤곽선 검출은 추출된 채도(S) 채널의 이미지 데이터의 음영값을 기준으로 주변과 차이가 나는 부분을 계산하여 계산값의 변화가 큰 부분을 윤곽선으로 인식하여 검출하는 것을 특징으로 하는 봉제 불량 자동 검출 방법.
7. 삭제
8. 제1항에 있어서, 상기 임계값은 이미지의 수직 길이 대비 허용 0값 세그먼트의 최대 길이의 비율로 정해지는 것을 특징으로 하는 봉제 불량 자동 검출 방법.
9. 제8항에 있어서, 상기 비율의 값은 5%인 것을 특징으로 하는 봉제 불량 자동 검출 방법.
10. 제1항에 있어서, 상기 차원축소방향은 상기 봉제방향과 이루는 사이각이 70°- 110° 이내에서 상기 봉제방향과 교차하는 방향인 것을 특징으로 하는 봉제 불량 자동 검출 방법.
11. 제1항에 있어서, 상기 컴퓨터 장치에서, 상기 '판정하는 단계'에서 봉제 불량이 발생한 것으로 판정될 때, 스티칭 불량이 발생하였음을 알리는 알람을 출력하는 단계를 더 포함하는 것을 특징으로 하는 봉제 불량 자동 검출 방법.
12. 재봉틀에 의해 봉제되는 재단물의 스티칭 부분을 촬영하도록 설치되고, 촬영한 이미지를 컴퓨터에 제공하는 카메라; 및
    컴퓨터 프로그램을 실행하여 상기 재단물의 봉제 스티칭 불량을 실시간으로 검출할 수 있는 컴퓨터 장치를 구비하고,
    상기 컴퓨터 프로그램은, 상기 컴퓨터 장치의 연산처리부로 하여금,
    박음질 원단 샘플 이미지들에 대한 사전 평가를 통해, 원단 표면에 무늬가 없는 제1 단계, 원단 표면이 오돌토돌한 표면 질감을 나타내는 무늬를 갖는 제2 단계, 그리고 원단 표면이 울퉁불퉁한 표면 질감을 나타내는 제3 단계로 분류하는 기준에 의거하여 라벨링된 다량의 재봉 이미지 샘플들을 학습 데이터로 이용하여 신경망 기반 학습을 수행하여 신경망 기반 분류기 모델을 구축하는 기능; 재봉틀로 재단물을 봉제하는 동안에, 카메라가 촬영한 재단물의 봉제 이미지들을 실시간으로 수집하는 기능; 수집된 봉제 이미지들을 상기 신경망 기반 분류기 모델에 입력하여 원단 표면 질감이 상기 세 단계 중 상기 제2 단계 또는 상기 제3 단계로 분류되는 경우, 소정의 표면 질감 제거용 알고리즘을 적용하여 상기 수집된 봉제 이미지에서 원단 표면의 질감을 제거하는 처리를 수행하는 기능; 원단 표면 질감 제거 처리를 거친 RGB 모델 기반의 봉제 이미지 데이터를 HSV 모델 기반의 봉제 이미지 데이터로 변환하는 기능; 상기 변환된 HSV 모델 기반 데이터 중에서 채도(S) 채널의 이미지 데이터의 음영값 크기 변화를 이용하여 단순화 처리를 통해 봉제선의 윤곽선을 검출하는 기능; 단순화 윤곽선 처리된 봉제 이미지에 대하여, 봉제방향과 소정 각도 범위 내로 교차하는 차원축소방향으로 나란히 연장되는 전체 행의 이미지 데이터에 대하여, 각 행마다 이진화 이미지 데이터의 합을 구하여 그 구한 합이 0이면 해당 행에 봉제선이 존재하지 않는 것으로 간주하여 0의 값을 부여하고 그 구한 값이 1 이상이면 해당 행에 봉제선이 존재하는 것으로 간주하여 1의 값을 부여하여 상기 전체 행의 이미지 데이터를 (1 x n) 차원으로 축소하면서 이진화 처리 하는 기능 (여기서 n은 상기 봉제 이미지의 수직방향 데이터 길이임); 상기 봉제 이미지의 차원 축소 이진화 처리 데이터에 대한 연속성 평가를 통해 0의 값이 연속되는 0값 세그먼트의 길이를 산출하는 기능; 그리고 산출된 0값 세그먼트의 길이가 소정의 임계값보다 큰 때에는 불량 봉제로 판정하고, 그렇지 아니한 때에는 정상 봉제로 판정하는 기능을 수행하도록 구성되며, 상기 소정의 임계값은 단순화 윤곽선 처리된 봉제 이미지의 크기를 기준으로 소정 크기로 정해진 0값 세그먼트 길이인 것을 특징으로 하는 봉제 불량 자동 검출 시스템.
13. 제12항에 있어서, 상기 연산처리부로부터 봉제 불량 검출 정보를 전달받아 봉제 불량 발생을 나타내는 알람을 표출하도록 구성된 알람부를 더 구비하는 것을 특징으로 하는 봉제 불량 자동 검출 시스템.
14. 제1항, 제4항, 제6항, 제8항 내지 제11항 중 어느 한 항에 기재된 봉제 불량 자동 검출 방법을 수행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 실행가능 프로그램.
15. 제1항, 제4항, 제6항, 제8항 내지 제11항 중 어느 한 항에 기재된 봉제 스티칭 불량 자동 검출 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.

Images