KR20200042743A

KR20200042743A - 슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법

Info

Publication number: KR20200042743A
Application number: KR1020180123283A
Authority: KR
Inventors: 홍성우; 주병준; 구경호; 윤지현
Original assignee: 주식회사 포스코아이씨티
Priority date: 2018-10-16
Filing date: 2018-10-16
Publication date: 2020-04-24
Also published as: KR102161348B1

Abstract

슬라브의 이미지를 기초로 해당 슬라브에 적용할 디스케일링 타입을 자동으로 결정할 수 있는 본 발명의 일 측면에 따른 디스케일링 타입 결정장치는 슬라브의 표면을 촬영하는 복수개의 카메라로 구성된 촬영부; 미리 정해진 기간 동안 상기 촬영부에 의해 획득된 학습 이미지들 및 각 학습 이미지에 대응되는 슬라브에 실제 적용된 FSB(Finished Scale Breaking) 타입을 학습하여 FSB 타입 결정모델을 생성하는 모델링부; 및 상기 각 카메라가 타겟 슬라브를 촬영하여 획득한 타겟 이미지들을 상기 FSB 타입 결정모델에 입력하여 각 카메라의 타겟 이미지 별로 FSB 타입을 결정하고, 결정된 FSB 타입들을 기초로 상기 타겟 슬라브에 적용할 하나의 FSB 타입을 결정하는 FSB 타입 결정부를 포함하는 것을 특징으로 한다.

Description

슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법{Apparatus and Method for Determining Descaling Method Based on Image of Slab}

본 발명은 철강산업에 관련된 것으로서, 보다 구체적으로 슬라브의 스케일을 제거하는 기술에 관한 것이다.

일반적으로 압연공정은 슬라브(Slab)를 코일형태로 제조하는 공정이다. 압연공정의 가열로에서는 슬라브를 예열 및 가열할 수 있다. 슬라브가 가열로에서 가열될 때 슬라브의 표면에 스케일(Scale)이 발생될 수 있다. 스케일이란 산화반응으로 인해 슬라브의 표면에 생성되는 산화막을 의미한다. 이외에도, 가열로에서 압연기로 슬라브가 이송되는 동안에 슬라브가 대기 중에 노출됨에 따라 슬라브의 표면에 스케일이 발생될 수도 있다.

따라서, 압연공정에서는 슬라브의 표면에 발생된 슬라브의 스케일을 제거하기 위해 다양한 디스케일링 방법이 이용된다. 디스케일링 방법에는, 스케일에 압력을 가해 크랙을 발생시킨 이후 물을 분사함으로써 스케일을 제거하는 스케일 브레이커 방식, 고압의 물을 분사하여 스케일을 제거하는 방식, 작은 고체들을 이용하여 압력을 가해 스케일을 제거하는 쇼트볼 방식, 슬라브를 산 수용액에 침적하여 스케일을 제거하는 산세방식 등이 있다.

하지만, 종래의 압연공정에서는 작업자가 슬라브의 표면의 상태를 육안을 확인하여 디스케일링 방법을 결정하기 때문에, 슬라브의 전장에 대한 상세 검사 한계가 있을 뿐만 아니라, 작업의 숙련도에 따라 스케일 제거 방법이 상이해 질 수 있 수 있다는 문제점이 있다.

또한, 잘못된 스케일 제거 방법의 적용으로 인해 스케일이 제대로 제거되지 않은 경우 스케일 제거 작업을 재수행하여야 하므로 디스케일링 작업이 많은 시간과 비용이 추가로 소모될 수 있다는 문제점이 있다.

한국공개특허 제10-2004-0047285호(발명의 명칭: 디스케일러의 스케일 비산방지장치, 공개일: 2004년 06월 05일)

본 발명은 상술한 문제점을 해결하기 위한 것으로서, 슬라브의 이미지를 기초로 해당 슬라브에 적용할 디스케일링 타입을 자동으로 결정할 수 있는 슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법을 제공하는 것을 그 기술적 특징으로 한다.

또한, 본 발명은 디스케일링 타입 결정의 정확도를 향상시킬 수 있는 슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법을 제공하는 것을 다른 기술적 특징으로 한다.

또한, 본 발명은 슬라브 표면의 스케일의 양 및 패턴을 보다 정확하게 촬영할 수 있는 슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법을 제공하는을 다른 기술적 과제로 한다.

상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 디스케일링 타입 결정장치는 슬라브의 표면을 촬영하는 복수개의 카메라로 구성된 촬영부; 미리 정해진 기간 동안 상기 촬영부에 의해 획득된 학습 이미지들 및 각 학습 이미지에 대응되는 슬라브에 실제 적용된 FSB(Finished Scale Breaking) 타입을 학습하여 FSB 타입 결정모델을 생성하는 모델링부; 및 상기 각 카메라가 타겟 슬라브를 촬영하여 획득한 타겟 이미지들을 상기 FSB 타입 결정모델에 입력하여 각 카메라의 타겟 이미지 별로 FSB 타입을 결정하고, 결정된 FSB 타입들을 기초로 상기 타겟 슬라브에 적용할 하나의 FSB 타입을 결정하는 FSB 타입 결정부를 포함하는 것을 특징으로 한다.

상술한 목적을 달성하기 위한 본 발명의 다른 측면에 따른 디스케일링 타입 결정 방법은 복수개의 카메라로 슬라브의 표면을 촬영하는 단계; 미리 정해진 기간 동안 획득된 학습 이미지들 및 각 학습 이미지에 대응되는 슬라브에 실제 적용된 FSB 타입을 모델링하여 FSB 타입 결정모델을 생성하는 단계; 미리 정해진 기간 동안 획득된 테스트 이미지들을 상기 FSB 타입 결정모델에 입력하여 각 카메라 별 가중치를 획득하는 단계; 상기 복수개의 카메라로 타겟 슬라브를 촬영하여 획득한 타겟 이미지들을 상기 FSB 타입 결정모델에 입력하여 각 카메라 별 FSB 타입을 결정하는 단계; 및 상기 가중치를 기초로 상기 각 카메라 별로 결정된 FSB 타입들 중 상기 타겟 슬라브에 적용할 하나의 FSB 타입을 결정하는 단계를 포함하는 것을 특징으로 한다.

본 발명에 따르면, 슬라브의 표면을 촬영하여 획득된 이미지를 기초로 슬라브 표면의 스케일의 양 및 패턴을 결정하고, 결정된 스케일의 양 및 패턴에 따라 해당 슬라브에 적용할 디스케일링 타입이 자동으로 결정되기 때문에 작업자에 따라 결정되는 디스케일링 타입의 편차를 제거할 수 있을 뿐만 아니라 슬라브의 전장에 대해서도 상세하게 검사할 수 있어 제품품질을 향상시킬 수 있다는 효과가 있다.

또한, 본 발명에 따르면 슬라브 표면의 스케일의 양 및 패턴에 따라 해당 슬라브에 적용할 디스케일링 타입이 정확하게 결정되기 때문에 스케일의 부족제거로 인한 디스케일링 작업의 재수행을 방지할 수 있어 디스케일링 작업에 소요되는 시간과 비용을 절감할 수 있다는 효과가 있다.

또한, 본 발명에 따르면 촬영된 슬라브 표면의 이미지를 지속적으로 학습함으로써 디스케일링 타입 결정의 정확도를 향상시킬 수 있다는 효과가 있다.

또한, 본 발명은 슬라브 표면을 촬영하기 위한 카메라들의 촬영각도를 다르게 설정함으로써 슬라브 표면의 스케일의 양 및 패턴을 보다 정확하게 촬영할 수 있다는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 디스케일링 타입 결정장치가 적용되는 압연공정의 흐름을 보여주는 도면이다
도 2는 본 발명의 일 실시예에 따른 디스케일링 타입 결정장치의 구성을 보여주는 도면이다
도 3은 본 발명의 일 실시예에 따른 촬영부의 구성을 보여주는 사시도이다.
도 4는 본 발명의 다른 실시예에 따른 촬영부의 구성을 보여주는 사시도이다.
도 5는 본 발명의 일 실시예에 따른 슬라브에 적용되는 FSB타입의 예를 보여주는 표이다.
도 6은 본 발명의 일 실시예에 따른 FSB타입결정부가 슬라브에 적용되는 최종 FSB타입을 선정하는 예를 보여주는 표이다
도 7은 본 발명의 일 실시예에 따른 디스케일링 타입 결정 방법을 보여주는 플로우차트이다.
도 8은 본 발명의 일 실시예에 따른 FSB타입결정모델을 생성하는 방법을 보여주는 플로우차트이다.

이하, 첨부되는 도면을 참고하여 본 발명의 실시예들에 대해 상세히 설명한다.

본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 정의하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다.

"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제 3항목 중에서 적어도 하나"의 의미는 제1 항목, 제2 항목 또는 제3 항목 각각 뿐만 아니라 제1 항목, 제2 항목 및 제3 항목 중에서 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.

본 발명의 일 실시예에 따른 디스케일링 타입 결정 장치에 대해 설명하기 이전에, 본 발명에 따른 디스케일링 타입 결정 장치가 적용되는 압연공정의 전체흐름에 대해 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 디스케일링 타입 결정 장치가 적용되는 압연공정의 흐름을 보여주는 도면이다. 도 1에 도시된 바와 같이 압연공정은 가열로(110), 조압연기(120), 에지히터(130), FSB(140, Finished Scale Breaking), 마무리압연기(150), 런아웃테이블(160), 권취기(170), 및 SDD(180, Surface Defect Detector)를 통해 수행되고, 특히 본 발명에 따른 디스케일링 타입 결정장치(190)는 도 1에 도시된 바와 같은 압연공정 중 에지히터(130)와 FSB(140)사이에 배치되어 슬라브에 적용할 디스케일링 타입을 결정할 수 있다.

먼저, 슬라브는 가열로(110)에 의해 가열된 후 조압연기(120)를 통해 마무리압연기(150)에서 요구되는 적정 두께와 폭으로 압엽된다. 이후, 압연된 슬라브의 에지부가 에지히터(130)에 의해 가열된다.

에지히터(130)에 의해 가열된 슬라브는 FSB(140)를 거치면서 그 표면에 형성된 스케일이 제거된다. FSB(140)는 슬라브의 표면에 형성된 스케일에 압력을 가해 크랙을 발생시킨 후 물을 분사함으로써 스케일을 제거하는 장치를 의미한다. 일 실시예에 있어서, FSB(140)는 미리 정해진 복수개의 FSB 타입들 중 본 발명에 따른 디스케일링 타입 결정장치(190)에 의해 결정된 FSB타입을 적용하여 스케일을 제거한다. 이때, 복수개의 FSB타입은 슬라브의 표면 상에서 물이 분사될 위치 및 크랙에 가해지는 압력에 따라 분류될 수 있다.

FSB(140)에 의해 스케일이 제거된 슬라브는 마무리압연기(150)를 통해 고객 또는 냉간압연 공정에서 요구되는 두께 또는 폭을 갖는 최종 형상으로 제조된 이후, 런아웃테이블(160) 상에서 목표온도로 냉각된다. 일 실시예에 있어서, 런아웃테이블은 라미나 플로우(Laminar Flow)냉각수를 이용하여 최종 형상의 슬라브를 목표온도로 냉각시킬 수 있다.

목표온도로 냉각된 슬라브는 권취기(170)를 통해 코일형태로 권취된 이후, SDD(180)를 통해 표면 결함 발생 여부가 검사된다. 도 1에서는 SDD(180)가 권취기(170)의 출구측에 위치하는 것으로 도시하였지만, 이는 하나의 예일 뿐 SDD(180)는 권취기(170)의 입구측에 설치될 수 도 있다. SDD(180)가 권취기(170)의 입구측에 위치하는 경우 코일의 표면에 결함이 존재하여 슬라브가 비정상인 것으로 판단되면 해당 슬라브가 FSB(140)로 다시 공급될 수 있도록 함으로써 디스케일링 작업이 재수행되도록 할 수 있다.

디스케일링 타입 결정장치(190)는 에지히터(130)와 FSB(140) 사이에 배치되어 슬라브에 적용할 디스케일링 타입을 결정한다. 구체적으로, 디스케일링 타입 결정장치(190)는 슬라브(이하 '타겟 슬라브'라함)의 표면을 촬영하여 획득한 이미지(이하 '타겟 이미지'라함)에 기초하여 복수개의 FSB타입들 중 타겟 슬라브에 적용할 FSB타입을 결정한다.

일 실시예에 있어서, 본 발명에 따른 디스케일링 타입 결정장치(190)는 사전에 슬라브들을 촬영한 이미지들을 학습함에 의해 생성된 FSB 타입 결정모델을 이용하여 타겟 이미지에 적용할 FSB타입을 결정할 수 있다.

이하, 본 발명에 따른 디스케일링 타입 결정장치의 구성을 도 2를 참조하여 보다 구체적으로 설명한다.

도 2는 본 발명의 일 실시예에 따른 디스케일링 타입 결정장치의 구성을 보여주는 도면이다. 도 2에 도시된 바와 같이 디스케일링 타입 결정장치(190)는 촬영부(210), 모델링부(220), 및 FSB 타입 결정부(270)를 포함한다.

촬영부(210)는 슬라브의 표면을 촬영하고, 슬라브의 표면을 촬영하여 획득한 이미지를 모델링부(220) 및 FSB 타입 결정부(270)로 제공한다. 촬영부(210)는 도 1에 도시된 바와 같이, 에지히터(130)와 FSB(140) 사이의 공간에 배치됨으로써 에지히터(130)에서 FSB(140)로 공급되는 슬라브의 표면을 촬영할 수 있다. 일 실시예에 있어서, 촬영부(210)는 슬라브의 제1 표면을 촬영하기 위한 제1 촬영부 및 슬라브의 제2 표면을 촬영하기 위한 제2 촬영부를 포함할 수 있다. 이때, 제1 촬영부 및 제2 촬영부 각각은 슬라브의 제1 표면 및 제2 표면을 촬영하기 위한 복수개의 카메라로 구성될 수 있다.

이하, 도 3 및 도 4를 참조하여 본 발명에 따른 촬영부(210)의 구성을 보다 구체적으로 설명한다.

도 3은 본 발명의 제1 실시예에 따른 촬영부(210)의 구성을 보여주는 사시도이다. 도 3에 도시된 바와 같이, 촬영부(210)는 제1 촬영부(213) 및 제2 촬영부(216)를 포함할 수 있다.

제1 촬영부(213)는 슬라브의 상면인 제1 표면 상에 배치되어 슬라브의 상면을 촬영한다. 이때, 제1 촬영부(213)를 구성하는 복수개의 카메라들(213a~213d)은 슬라브의 진행방향(FD)에 따라 순차적으로 배치될 수 있다. 이에 따라, 제1 카메라(213a)가 슬라브의 제1 표면 상의 제1 영역(D1)을 촬영하게 되면 제2 카메라(213b)는 제1 시점보다 이후인 제2 시점에 제1 영역(D1)을 촬영하게 되고, 제3 카메라(213c)는 제2 시점보다 이후인 제3 시점에 제1 영역(D1)을 촬영하게 되며, 제4 카메라(213d)는 제3 시점보다 이후인 제4 시점에 제1 영역(D1)을 촬영하게 된다. 즉, 제1 내지 제4 카메라(213a~213d)는 시점을 달리하여 슬라브의 제1 표면상에서 동일한 영역을 촬영하게 된다.

도 3에서는 제1 촬영부(213)가 4개의 카메라(213a~213d)로 구성되는 것으로 도시하였지만, 이는 하나의 예일 뿐 제1 촬영부(213)는 2개 또는 3개의 카메라로 구성되거나, 5개 이상의 카메라로 구성될 수도 있을 것이다.

제1 촬영부(213)를 구성하는 제1 내지 제4 카메라(213a~213d)는 촬영된 슬라브의 이미지를 모델링부(220) 및 FSB 타입 결정부(230)로 제공한다. 이때, 각 카메라들은 자신이 촬영한 이미지를 자신에게 할당된 식별번호와 함께 전송할 수 있다.

제2 촬영부(216)는 슬라브의 하면인 제2 표면의 하부에 배치되어 슬라브의 하면을 촬영한다. 이때, 제2 촬영부(216)를 구성하는 복수개의 카메라들(216a~216d) 또한 슬라브의 진행방향(FD)에 따라 순차적으로 배치될 수 있다. 제2 촬영부(216)를 구성하는 제5 내지 제8 카메라(216a~216d)들 또한 제1 촬영부(213)를 구성하는 제1 내지 제4 카메라(213a~213d)와 동일하게 시점을 달리하여 슬라브의 제2 표면 상에서 동일한 영역을 촬영할 수 있고, 2개 또는 3개의 카메라로 구성되거나, 5개 이상의 카메라로 구성될 수 있다.

제2 촬영부(216)를 구성하는 제5 내지 제8 카메라(216a~216d)는 촬영된 슬라브의 이미지를 모델링부(220) 및 FSB 타입 결정부(270)로 제공한다. 이때, 각 카메라들은 자신이 촬영한 이미지를 자신에게 할당된 식별번호와 함께 전송할 수 있다.

도 3에서는 제1 촬영부(213)가 슬라브의 상면을 촬영하고 제2 촬영부(216)가 슬라브의 하면을 촬영하는 것으로 도시하였지만, 제1 촬영부(213)가 슬라브의 하면에 배치되어 슬라브의 하면을 촬영하고 제2 촬영부(216)가 슬라브의 상면에 배치되어 슬라브의 상면을 촬영할 수도 있을 것이다.

도 4는 본 발명의 제2 실시예에 따른 촬영부의 구성을 보여주는 사시도이다. 도4에 도시된 바와 같이, 제2 실시예에 따른 촬영부(210)는 슬라브의 제1 표면을 촬영하는 제1 촬영부(213) 및 슬라브의 제2 표면을 촬영하는 제2 촬영부(216)를 포함한다.

제1 촬영부(213)는 슬라브의 진행방향에 따라 순차적으로 배치된 제1 및 제2 카메라(213a, 213b)와 슬라브의 진행방향에 경사진 방향으로 배치된 제3 및 제4 카메라(213c, 213d)를 포함할 수 있다. 이에 따라, 제1 및 제2 카메라(213a, 213b)는 슬라브의 제1 표면을 슬라브의 제1 표면에 수직한 방향에서 촬영하게 되고, 제3 및 제4 카메라(213c, 213d)는 슬라브의 제1 표면에 경사진 방향에서 슬라브의 제1 표면을 촬영하게 된다.

이와 같이, 본 발명의 제2 실시예에 따르면 제1 촬영부(213)를 구성하는 카메라들 중 일부는 슬라브의 제1 표면을 슬라브의 제1 표면에 수직한 방향에서 촬영하게 함으로써 슬라브의 제1 표면에 존재하는 스케일의 패턴을 정확하게 획득할 수 있게 하고, 나머지는 슬라브의 제1 표면을 슬라브의 제1 표면에 경사진 방향에서 촬영하게 함으로써 슬라브의 제1 표면에 존재하는 스케일의 높이를 정확하게 촬영하여 스케일의 양을 더욱 정확하게 판단할 수 있게 한다.

도 4에서는 제1촬영부의 4개의 카메라들 중 2개만 수직한 방향에서 2개만 경사진 방향에서 촬영하는 것으로 도시하였지만, 수직한 방향에서 촬영하는 카메라의 개수와 경사진 방향에서 촬영하는 카메라의 개수는 변경가능할 것이다.

제2 촬영부(216)는 슬라브의 진행방향에 따라 순차적으로 배치된 제5 및 제6 카메라(216a, 213b)와 슬라브의 진행방향에 경사진 방향으로 배치된 제7 및 제8 카메라(216c, 216d)를 포함할 수 있다. 이에 따라, 제5 및 제6 카메라(216a, 216b)는 슬라브의 제2 표면을 슬라브의 제2 표면에 수직한 방향에서 촬영하게 되고, 제7 및 제8 카메라(216c, 216d)는 슬라브의 제2 표면에 경사진 방향에서 슬라브의 제2 표면을 촬영하게 된다.

이와 같이, 본 발명의 제2 실시예에 따르면 제2 촬영부(213)를 구성하는 카메라들 중 일부는 슬라브의 제2 표면을 슬라브의 제2 표면에 수직한 방향에서 촬영하게 함으로써 슬라브의 제2 표면에 존재하는 스케일의 패턴을 정확하게 획득할 수 있게 하고, 나머지는 슬라브의 제2 표면을 슬라브의 제2 표면에 경사진 방향에서 촬영하게 함으로써 슬라브의 제2 표면에 존재하는 스케일의 높이를 정확하게 촬영하여 스케일의 양을 더욱 정확하게 판단할 수 있게 한다.

도 4에서는 제2 촬영부의 4개의 카메라들 중 2개만 수직한 방향에서 2개만 경사진 방향에서 촬영하는 것으로 도시하였지만, 수직한 방향에서 촬영하는 카메라의 개수와 경사진 방향에서 촬영하는 카메라의 개수는 변경가능할 것이다.

다시 도 2를 참조하면, 모델링부(220)는 촬영부(210)에 의해 사전에 촬영된 이미지들을 미리 정해진 학습 알고리즘을 이용하여 학습함으로써 FSB 타입 결정모델을 생성한다. 이를 위해, 모델링부(220)는 도 2에 도시된 바와 같이 이미지 수집부(230), 모델생성부(240), 및 데이터베이스(245)를 포함한다. 모델링부(220)는 정확도산출부(250) 및 가중치산출부(260)를 더 포함할 수도 있다.

이미지 수집부(230)는 미리 정해진 기간 동안 촬영부(210)에 의해 촬영된 이미지를 수집한다. 일 실시예에 있어서, 이미지 수집부(230)에 의해 수집되는 이미지는 촬영부(210)에 의해 촬영된 이미지들 중 SDD 판정결과 정상으로 판정된 이미지들을 학습 이미지로 선정할 수 있다. 이때, 학습 이미지에는 해당 이미지에 상응하는 슬라브에 실제 적용되는 FSB타입이 포함되어 있다.

모델생성부(240)는 이미지 수집부(230)에 의해 선정된 학습이미지들을 미리 정해진 학습 알고리즘을 이용하여 학습함으로써 FSB 타입 결정모델을 생성한다. 일 예로, 모델생성부는(240)는 이미지 학습에 적합한 CNN(Convolution Neural Network) Deep Learning 알고리즘을 이용하여 복수개의 학습이미지에 포함된 스케일의 양 및 스케일의 패턴과 각 학습 이미지 별로 실제 적용된 FSB 타입을 학습함으로써 특정 이미지에 적용할 FSB타입을 결정하기 위한 FSB 타입 결정모델을 생성할 수 있다.

모델생성부(240)는 생성된 FSB 타입 결정모델을 데이터베이스(245)에 저장한다.

정확도산출부(250)는 모델 생성부(240)에 의해 생성된 FSB 타입 결정모델의 정확도를 제1 및 제2 촬영부(213, 216)에 포함된 카메라 별로 산출한다. 이를 위해, 이미지 수집부(230)는 선정된 학습이미지들 중 일부를 테스트 이미지로 선정하고, 정확도 산출부(250)는 테스트 이미지를 이용하여 FSB 타입 결정모델의 정확도를 카메라 별로 산출할 수 있다.

구체적으로, 정확도 산출부(250)는 이미지 수집부(230)에 의해 선정된 복수개의 테스트 이미지를 FSB 타입 결정모델에 입력하여 획득되는 FSB 타입과 해당 테스트 이미지에 대응되는 슬라브에 실제 적용된 FSB타입을 비교함으로써 각 카메라의 정확도를 산출한다.

정확도 산출부(250)는 산출된 각 카메라 별 정확도를 데이터베이스(245)에 저장한다.

가중치산출부(260)는 정확도산출부(250)에서 산출된 각 카메라 별 정확도를 기초로 각 카메라별 가중치를 산출한다.

일 실시예에 있어서, 가중치 산출부(260)는 아래의 1을 이용하여 각 카메라 별 가중치를 산출할 수 있다.

수학식 1에서

는 i개의 카메라 중 k번째 카메라의 가중치를 나타내고

는 k번째 카메라의 정확도를 나타낸다.

가중치 산출부(260)는 산출된 각 카메라 별 가중치를 데이터베이스(245)에 저장한다.

이와 같이, 본 발명에 따르면 모델링부(220)를 통해 촬영부(210)에 의해 촬영되는 타겟 이미지에 대응되는 슬라브에 적용할 FSB 타입을 결정하기 위한 FSB 타입 결정모델을 생성할 수 있기 때문에, 타겟 슬라브를 촬영한 타겟 이미지만으로 해당 타겟 슬라브에 적용할 FSB타입을 정확하게 결정할 수 있게 된다.

FSB타입결정부(270)는 촬영부(210)로부터 타겟 이미지가 입력되면, 입력된 타겟 이미지를 모델링부(220)에 의해 생성된 FSB 타입 결정모델에 입력함으로써 타겟 이미지에 대응되는 슬라브에 적용할 FSB타입을 결정한다.

구체적으로, FSB타입결정부(270)는 제1 촬영부(213)를 구성하는 각 카메라로부터 해당 카메라들이 슬라브의 제1 표면 중 동일한 영역을 촬영한 각각의 제1 타겟 이미지들이 입력되면, 각 카메라 별 제1 타겟이미지들을 FSB 타입 결정모델에 입력함으로써 각 카메라 별 제1 타겟 이미지들에 대응되는 슬라브의 영역에 적용될 FSB 타입을 획득한다. FSB타입결정부(270)는 획득된 FSB 타입들 중 어느 하나의 FSB 타입을 해당 슬라브의 영역에 적용할 최종 FSB 타입으로 결정한다.

일 실시예에 있어서, FSB타입결정부(270)는 각 모델링부(220)에 의해 산출된 각 카메라별 가중치를 이용하여 최종 FSB 타입을 결정할 수 있다. 구체적으로, FSB타입결정부(270)는 각 카메라의 제1 타겟 이미지 별로 FSB 타입을 결정하고, 해당 카메라의 가중치를 해당 카메라의 제1 타겟 이미지에 대해 결정된 FSB 타입의 가중치로 결정한다. FSB타입결정부(270)는 동일한 FSB 타입에 부여된 가중치를 합산하여 가장 높은 가중치를 갖는 FSB 타입을 각 카메라 별 제1 타겟 이미지들에 대응되는 슬라브의 영역에 적용할 최종 FSB 타입으로 결정한다.

이하, FSB타입결정부(270)에 의해 결정되는 FSB타입의 예가 도 5에 도시되어 있다.

도 5를 참조하면, 제1 FSB타입은 슬라브의 제1 표면에만 제1 기준량 이상의 스케일이 존재할 때 적용되고, 제2 FSB 타입은 슬라브의 제2 표면에만 제1 기준량 이상의 스케일이 존재할 때 적용되며, 제3 FSB 타입는 슬라브의 제1 표면 및 제2 표면 모두에 상기 제1 기준량 이상의 스케일이 존재할 때 적용되고 제4 FSB 타입은 슬라브의 제1 표면 및 제2 표면 모두에 상기 제1 기준량 보다 큰 제2 기준량 이상의 스케일이 존재할 때 적용되며, 제5 FSB 타입은 슬라브의 제1 표면에만 상기 제1 기준량 이상의 스케일이 미리 정해진 패턴으로 존재할 때 적용되고, 제6 FSB 타입은 슬라브의 제2 표면에만 상기 제1 기준량 이상의 스케일이 미리 정해진 패턴으로 존재할 때 적용되며, 제7 FSB 타입은 슬라브의 제1 표면 및 제2 표면 모두에 상기 제1 기준량 이상의 스케일이 미리 정해진 패턴으로 존재할 때 적용된다. 이때, 제1표면은 슬라브의 상면이고 제2표면은 슬라브의 하면일 수 있다. 이와 반대로 제1 표면은 슬라브의 하면이고 제2 표면은 슬라브의 상면일 수 있다.

이하 도 6을 참조하여 FSB타입결정부(270)가 각 카메라별 가중치와 FSB타입을 고려하여 슬라브에 적용할 FSB타입을 선정하는 예를 설명한다.

도 6은 본 발명의 일 실시예에 따른 FSB타입결정부(270)가 타겟 슬라브에 적용되는 최종 FSB타입을 선정하는 예를 보여주는 표이다. 도 6a에 도시된 바와 같이, 모델링부(220)에 의해 산출된 제1 카메라의 가중치는 0.4이고 FSB 타입 결정부(270)에 의해 결정된 제1 카메라의 FSB타입은 제1 FSB타입이며, 모델링부(220)에 의해 산출된 제2 카메라의 가중치는 0.3이고 FSB 타입 결정부(270)에 의해 결정된 제2 카메라의 FSB타입은 제2 FSB타입이며, 모델링부(220)에 의해 산출된 제3 카메라의 가중치는 0.2이고 FSB 타입 결정부(270)에 의해 결정된 제3 카메라의 FSB타입은 제2 FSB타입이며, 모델링부(220)에 의해 산출된 제4 카메라의 가중치는 0.1이고 FSB 타입 결정부(270)에 의해 결정된 제4 카메라의 FSB타입은 제3 FSB타입이다.

따라서, FSB타입결정부(270)는 도 6b에 도시된 바와 같이 동일한 FSB 타입에 부여된 가중치를 합산하므로 제1 FSB타입의 가중치는 0,4이고 제2 FSB타입의 가중치는 0.5이며 제3 FSB타입의 가중치는 0.1가 된다. FSB타입결정부(270)는 합산된 가중치들 중 가장 높은 가중치를 갖는 FSB 타입을 슬라브에 적용할 최종 FSB 타입으로 결정하므로, 제2 FSB타입을 슬라브에 적용할 최종 FSB타입으로 결정한다.

이하, 도 7 내지 도 8을 참조하여 본 발명에 따른 디스케일링 타입 결정 방법에 대해 설명한다.

도 7은 본 발명의 일 실시예에 따른 디스케일링 타입 결정 방법을 보여주는 플로우차트이다. 도 7에 도시된 디스케일링 타입 결정 방법은 도 2에 도시된 바와 같은 구성을 갖는 디스케일링 타입 결정 장치에 의해 수행될 수 있다.

먼저, 디스케일링 타입 결정 장치가 복수개의 카메라를 이용하여 각 카메라 별로 타겟 슬라브의 표면을 촬영한 타겟 이미지를 획득한다(S700). 이때, 타겟 이미지는 타겟 슬라브의 제1 표면을 촬영함에 의해 획득된 제1 타겟 이미지와 타겟 슬라브의 제2 표면을 촬영함에 의해 획득된 제2 타겟 이미지를 포함할 수 있다.

이때, 타겟 슬라브의 제1 표면을 촬영하는 복수개의 카메라는 시점을 달리하여 슬라브의 제1 표면상에서 동일한 영역을 촬영하게 되고, 타겟 슬라브의 제2 표면을 촬영하는 복수개의 카메라는 시점을 달리하여 타겟 슬라브의 제2 표면상에서 동일한 영역을 촬영하게 된다.

일 실시예에 있어서, 도 4에 도시된 바와 같이, 복수개의 카메라 중 일부는 슬라브의 진행방향에 따라 순차적으로 배치되어 슬라브의 제1 표면에 수직한 방향에서 타겟 슬라브의 제1 표면 또는 제2 표면을 촬영하고, 나머지 카메라는 슬라브의 진행방향에 따라 슬라브의 제1 표면 또는 제2 표면에 경사진 방향에서 타겟 슬라브의 제1 표면 또는 제2 표면을 촬영할 수 있다.

다시 도 7을 참조하면, 디스케일링 타입 결정 장치는 각 카메라 별로 획득된 타겟 이미지를 FSB 타입 결정모델에 입력하여 각 카메라 별로 FSB타입을 결정한다(S710).

이때, FSB 타입 결정모델은 사전에 획득된 복수개의 학습 이미지들을 학습함에 의해 생성될 수 있다. 이하, 도 8을 참조하여 디스케일링 타입 결정 장치가 FSB 타입 결정모델을 생성하는 방법에 대해 구체적으로 설명한다.

도 8은 본 발명의 일 실시예에 따른 FSB 타입 결정모델을 생성하는 방법을 보여주는 플로우차트이다.

먼저, 도8에 도시된 바와 같이, 디스케일링 타입 결정 장치는 미리 정해진 기간 동안 학습이미지를 수집한다(S800).

일 실시예에 있어서, 학습이미지는 SDD 판정결과 정상으로 판정된 이미지들로 선정될 수 있다. 이때, 학습 이미지에는 해당 이미지에 상응하는 슬라브에 실제 적용된 FSB 타입이 포함되어 있다.

이후, 디스케일링 타입 결정 장치는 학습이미지를 미리 정해진 학습알고리즘으로 학습하여 FSB 타입 결정모델을 생성한다(S810).

일 예로, 디스케일링 타입 결정 장치는 이미지 학습에 적합한 CNN Deep Learning 알고리즘을 이용하여 복수개의 학습이미지에 포함된 스케일의 양 및 스케일의 패턴과 각 학습 이미지 별로 실제 적용된 FSB 타입을 학습함으로써 특정 이미지에 적용할 FSB타입을 결정하기 위한 FSB 타입 결정모델을 생성할 수 있다.

이후, 디스케일링 타입 결정 장치는 미리 정해진 복수개의 테스트 이미지를 FSB결정모델에 입력하여 각 카메라별 정확도를 산출한다(S820). 일 실시예에 있어서, 디스케일링 타입 결정 장치는 학습이미지 중 일부를 테스트 이미지로 선정할 수 있다.

구체적으로, 디스케일링 타입 결정 장치는 복수개의 테스트 이미지를 S810에서 생성된 FSB 타입 결정모델에 입력하여 획득되는 FSB타입과 해당 테스트 이미지에 대응되는 슬라브에 실제 적용된 FSB타입을 비교함으로써 각 카메라의 정확도를 산출한다.

이후, 디스케일링 타입 결정 장치는 S820에서 산출된 각 카메라의 정확도를 기초로 각 카메라의 가중치를 산출한다(S830).

일 실시예에 있어서, 디스케일링 타입 결정 장치는 상술한 수학식 1을 이용하여 각 카메라별 가중치를 산출할 수 있다. 디스케일링 타입 결정 장치가 수학식 1을 이용하여 각 카메라 별 가중치를 산출하는 방법은 수학식 1에 대한 부분에서 설명하였기 때문에 이에 대한 구체적인 설명은 생략하기로 한다.

이와 같이, 본 발명에 따른 디스케일링 타입 결정 장치는 슬라브들을 촬영하여 획득한 학습 이미지들을 기초로 FSB 타입 결정모델을 생성하고, 테스트 이미지를 기초로 각 카메라 별 정확도 및 가중치를 산출할 수 있기 때문에 FSB타입을 자동으로 결정할 수 있음은 물론, FSB 타입 결정의 정확도 또한 향상시킬 수 있게 된다.

다시 도 7을 참조하면, 디스케일링 타입 결정 장치는 각 카메라별 미리 결정되어 있는 가중치를 이용하여 타겟 이미지에 대응하는 타겟 슬라브에 적용할 FSB타입을 결정한다(S720). 이때, 각 카메라별 가중치는 상술한 바와 같이 S830 과정에 의해 결정될 수 있다.

구체적으로, 디스케일링 타입 결정 장치는 각 카메라의 타겟 이미지 별로 FSB 타입을 결정하고, 해당 카메라의 가중치를 해당 카메라의 타겟 이미지에 대해 결정된 FSB 타입의 가중치로 결정한다. 디스케일링 타입 결정 장치는 동일한 FSB 타입에 부여된 가중치들을 합산하여 가장 높은 가중치를 갖는 FSB 타입을 타겟 슬라브에 적용할 최종 FSB 타입으로 결정한다.

이후, 디스케일링 타입 결정 장치는 S720을 통해 결정된 FSB타입을 도 1의 FSB(140)로 전달함으로써 FSB(140)가 디스케일링 타입 결정 장치에 의해 결정된 FSB타입으로 디스케일링을 수행하도록 한다.

본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.

그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

190: 디스케일링 타입 결정 장치 210: 촬영부
213: 제1 촬영부 216: 제2 촬영부
220: 모델링부 230: 이미지수집부
240: 모델생성부 250: 정확도산출부
260: 가중치산출부 270: FSB타입결정부

Claims

슬라브의 표면을 촬영하는 복수개의 카메라로 구성된 촬영부;
미리 정해진 기간 동안 상기 촬영부에 의해 획득된 학습 이미지들 및 각 학습 이미지에 대응되는 슬라브에 실제 적용된 FSB(Finished Scale Breaking) 타입을 학습하여 FSB 타입 결정모델을 생성하는 모델링부; 및
상기 카메라가 타겟 슬라브를 촬영하여 획득한 타겟 이미지들 및 상기 FSB 타입 결정모델을 이용하여 상기 타겟 이미지 별로 FSB 타입을 결정하고, 결정된 FSB 타입들을 기초로 상기 타겟 슬라브에 적용할 하나의 FSB 타입을 결정하는 FSB 타입 결정부를 포함하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 모델링부는 미리 정해진 학습 알고리즘을 이용하여 상기 학습 이미지들에 포함된 스케일의 양 및 스케일의 패턴과 상기 학습 이미지에 실제 적용된 FSB 타입을 학습하여 상기 FSB 타입 결정모델을 생성하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 모델링부는 각 카메라에 의해 획득된 테스트 이미지를 상기 FSB 타입 결정모델에 입력하여 테스트 FSB 타입을 획득하고, 획득된 테스트 FSB 타입과 상기 테스트 이미지에 대응되는 슬라브에 실제 적용된 FSB 타입의 비교결과에 기초하여 각 카메라의 가중치를 산출하는 가중치 산출부를 더 포함하고,
상기 FSB 타입 결정부는 각 카메라의 가중치를 반영하여 상기 하나의 FSB 타입을 결정하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제3항에 있어서,
상기 가중치 산출부는, 수학식
을 이용하여 각 카메라의 가중치를 산출하고,
상기 수학식에서
는 i개의 카메라 중 k번째 카메라의 가중치를 나타내고
는 i개의 카메라 중 k번째 카메라의 정확도를 나타내는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제3항에 있어서,
상기 FSB 타입 결정부는,
각 카메라 별로 산출된 가중치를 각 카메라 별로 산출된 FSB 타입의 가중치로 결정하고, 동일한 FSB 타입에 부여된 가중치를 합산하여 가장 높은 가중치를 갖는 FSB 타입을 상기 하나의 FSB 타입으로 결정하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 촬영부는,
상기 슬라브의 제1 표면을 촬영하는 복수개의 카메라로 구성된 제1 촬영부; 및
상기 슬라브의 제2 표면을 촬영하는 복수개의 카메라로 구성된 제2 촬영부를 포함하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 복수개의 카메라는 상기 슬라브의 진행방향에 따라 순차적으로 배치되는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 복수개의 카메라 중 적어도 하나의 제1 카메라는 상기 슬라브의 표면에 수직한 방향에서 상기 슬라브의 표면을 촬영하고, 상기 복수개의 카메라 중 상기 제1 카메라를 제외한 나머지 제2 카메라는 상기 슬라브의 표면에 경사진 방향에서 상기 슬라브의 표면을 촬영하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 FSB 타입은 상기 슬라브의 제1 표면에만 제1 기준량 이상의 스케일이 존재할 때 적용되는 제1 FSB 타입, 상기 슬라브의 제2 표면에만 제1 기준량 이상의 스케일이 존재할 때 적용되는 제2 FSB 타입, 상기 제1 표면 및 제2 표면 모두에 상기 제1 기준량 이상의 스케일이 존재할 때 적용되는 제3 FSB 타입, 및 상기 제1 표면 및 제2 표면 모두에 상기 제1 기준량 보다 큰 제2 기준량 이상의 스케일이 존재할 때 적용되는 제4 FSB 타입, 상기 제1 표면에만 상기 제1 기준량 이상의 스케일이 미리 정해진 패턴으로 존재할 때 적용되는 제5 FSB 타입, 상기 제2 표면에만 상기 제1 기준량 이상의 스케일이 미리 정해진 패턴으로 존재할 때 적용되는 제6 FSB 타입, 상기 제1 표면 및 제2 표면 모두에 상기 제1 기준량 이상의 스케일이 미리 정해진 패턴으로 존재할 때 적용되는 제7 FSB 타입 중 적어도 하나를 포함하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
제1항에 있어서,
상기 학습 이미지들은 SDD(Surface Defect Detector) 판정 결과 정상으로 판정된 데이터들로 구성되는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 장치.
복수개의 카메라로 슬라브의 표면을 촬영하는 단계;
미리 정해진 기간 동안 획득된 학습 이미지들 및 각 학습 이미지에 대응되는 슬라브에 실제 적용된 FSB(Finished Scale Breaking) 타입을 모델링하여 FSB 타입 결정모델을 생성하는 단계;
미리 정해진 기간 동안 획득된 테스트 이미지들을 상기 FSB 타입 결정모델에 입력하여 각 카메라 별 가중치를 획득하는 단계;
상기 복수개의 카메라로 타겟 슬라브를 촬영하여 획득한 타겟 이미지들을 상기 FSB 타입 결정모델에 입력하여 각 카메라 별 FSB 타입을 결정하는 단계; 및
상기 가중치를 기초로 상기 각 카메라 별로 결정된 FSB 타입들 중 상기 타겟 슬라브에 적용할 하나의 FSB 타입을 결정하는 단계를 포함하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 방법.
제11항에 있어서,
상기 가중치를 획득하는 단계에서, 수학식
을 이용하여 상기 각 카메라 별 가중치를 산출하고,
상기 수학식에서
는 i개의 카메라 중 k번째 카메라의 가중치를 나타내고
는 i개의 카메라 중 k번째 카메라의 정확도를 나타내는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 방법.
제11항에 있어서,
상기 하나의 FSB 타입을 결정하는 단계는,
각 카메라 별로 산출된 가중치를 각 카메라 별로 산출된 FSB 타입의 가중치로 결정하고, 동일한 FSB 타입에 부여된 가중치를 합산하여 가장 높은 가중치를 갖는 FSB 타입을 상기 하나의 FSB 타입으로 결정하는 것을 특징으로 하는 슬라브 이미지 기반의 디스케일링 타입 결정 방법.