KR20210049086A - 투영각의 동적 선택에 의한 물품 검사 - Google Patents
투영각의 동적 선택에 의한 물품 검사 Download PDFInfo
- Publication number
- KR20210049086A KR20210049086A KR1020217001754A KR20217001754A KR20210049086A KR 20210049086 A KR20210049086 A KR 20210049086A KR 1020217001754 A KR1020217001754 A KR 1020217001754A KR 20217001754 A KR20217001754 A KR 20217001754A KR 20210049086 A KR20210049086 A KR 20210049086A
- Authority
- KR
- South Korea
- Prior art keywords
- article
- simulated
- image
- projection image
- projection
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 141
- 238000003384 imaging method Methods 0.000 claims abstract description 100
- 230000005855 radiation Effects 0.000 claims abstract description 76
- 238000004088 simulation Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 51
- 230000007547 defect Effects 0.000 claims description 27
- 238000013519 translation Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000003908 quality control method Methods 0.000 claims description 9
- 238000011524 similarity measure Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 230000005865 ionizing radiation Effects 0.000 claims description 8
- 239000000470 constituent Substances 0.000 claims description 6
- 230000001066 destructive effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000005266 casting Methods 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000011960 computer-aided design Methods 0.000 description 33
- 230000014616 translation Effects 0.000 description 22
- 239000013598 vector Substances 0.000 description 16
- 238000013459 approach Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 230000002950 deficient Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 206010067623 Radiation interaction Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000005624 perturbation theories Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding 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
- G01N23/04—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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/30—Accessories, mechanical or electrical features
- G01N2223/305—Accessories, mechanical or electrical features computer simulations
-
- 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
- G01N2223/60—Specific applications or type of materials
- G01N2223/645—Specific applications or type of materials quality control
-
- 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
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Toxicology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Input (AREA)
Abstract
물품 검사를 위한 방법, 시스템, 사용 및 컴퓨터 프로그램 제품이 개시된다. 본 발명의 방법(1)은 방사선 이미징 시스템을 사용하여 물품의 투영 이미지를 획득하는 단계(2), 수치적 3 차원 모델의 시뮬레이션에 기초하여 물품 또는 물품의 구성 요소의 복수의 시뮬레이션된 투영 이미지를 획득하는 단계(3)를 포함하며, 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 사이의 상대적인 방향과 관련된 적어도 하나의 기하학적 파라미터는 복수의 시뮬레이션된 이미지에 걸쳐 변한다. 본 발명의 방법은 이미징 시스템에 대한 물품의 상대적인 방향을 결정하는 단계(4)를 포함하고, 상기 상대적인 방향의 결정은 투영 이미지를 복수의 시뮬레이션된 이미지와 비교하는 단계(9)를 포함한다. 본 발명의 방법은 시야 각도 및 상대적인 방향을 고려하여 적어도 하나의 회전 각도를 결정하는 단계(5), 적어도 하나의 회전 각도에 따라 물품 및/또는 이미징 시스템을 이동시키는 단계(6), 추가 투영 이미지가 시야 각도로부터의 물품의 뷰에 대응하도록, 물품을 이동시키는 단계 이후에, 물품의 추가 투영 이미지를 획득하는 단계(7)를 포함한다.
Description
본 발명은 물품의 테스트 및/또는 품질 보증을 위한 방사선 이미징 분야에 관한 것으로, 보다 구체적으로, 본 발명은 투영 이미징에 의한, 예를 들어 테라헤르츠 이미징 또는 이온화 방사선 이미징에 의한 비파괴 물품 검사를 위한 방법 및 시스템에 관한 것이다.
당업계에 공지된 바와 같이, X-선 컴퓨터 단층 촬영(Computed Tomography, CT)은 광범위한 산업 분야에서 비파괴 테스트 및/또는 품질 관리를 위해 사용될 수 있다. 당업계에 알려진 전형적인 CT 기반 품질 관리 워크플로우에서, 물체의 체적 정보를 얻기 위해 검사할 샘플에 대해 수백 내지 수천의 등각 X-선 투영이 획득된다. 그러나, 이러한 접근 방식은 획득 시간이 길어, 품질 제어, 예를 들어, 결함 검사 또는 계측을 위한 인라인 애플리케이션에서 이러한 방법의 유용성과 실행 가능성을 감소시킬 수 있다.
검사 용도로 단순한 2 차원(two-dimensional, 2D) X-선 방사선 촬영의 사용이 또한 당업계에 공지되어 있다. 단층 촬영보다 훨씬 빠르다는 것이 2D X-선 검사의 장점이지만, 분명하게는, 완전한 3 차원(three-dimensional, 3D) 재구성과 동일한 포괄적인 레벨의 정보를 제공할 수 없다.
3D 재구성보다는 빠르지만 2D X-선 방사선 촬영의 직접 인가보다는 더 정확한 하이브리드 X-선 기반 검사 접근 방식이 제안되었다. 예를 들어, 물품의 컴퓨터 지원 설계(Computer-Aided Design, CAD) 모델의 시뮬레이션 투영 이미지는 결함, 즉 모델의 편차를 검출하기 위해 및/또는 물품의 외부 형상 및 내부 형상의 특성을 도출하기 위해 물리적 물품으로부터 획득된 대응하는 투영 이미지와 비교될 수 있다. 이러한 비교를 위해 CAD 모델의 파라미터를 추정하는 것 또는 직접적으로 다수의 투영으로부터 공칭 기하학적 구조와의 차이를 결정하는 것이 당업계에 또한 알려져 있다.
WO2019030449는 방사선 이미징에 의한 기계적 부품의 비파괴 검사 방법 및 장치를 개시한다. 여기서, 잠재적 결함의 표시를 포함할 가능성이 있는 검사할 부품의 적어도 하나의 실제 이미지가 획득된다. 실제 이미지의 방사선 이미지 획득 중에 3D 포즈를 추정하기 위해 검사될 부품의 3D 모델의 2D-3D 재설정이 수행된다. 이러한 추정된 포즈는 부품의 결함없이 참조 이미지를 생성하도록 실제 이미지 획득을 위한 작동 조건의 시뮬레이션에 사용된다. 이미지 처리 모듈은 실제 이미지와 참조 이미지의 각각의 픽셀에 대해 각각 제 1 및 제 2 피처 벡터(feature vecotor)를 생성한다. 실제 이미지와 참조 이미지의 각각의 픽셀에 대한 제 1 및 제 2 피처 벡터를 비교하면, 검사될 부품에 대한 결함 맵이 추론된다.
이 방법은 피처 벡터의 비교에 의해 신뢰할 수 있는 결함 맵을 생성하도록 잠재적 결함을 좋은 가시성으로 이미지화하기 전에, 검사된 부품의 많은 실제 이미지가 획득되어야 하는 단점을 가지고 있다. 결함 유형에 따라 다를 수 있는 검사된 부품의 실제 이미지에 대한 좋은 시야 각도를 찾기 위한 반복된 시행 착오는 높은 처리량이 요구되는 인라인 산업 프로세스에서 문제가 될 수 있다. 또한, 고분해능 방사선 이미지가 매우 미세한 결함을 분해하는데 사용되는 경우 실제 이미지와 참조 이미지의 각각의 픽셀에 대한 피처 벡터를 비교하는 것은 계산 비용이 많이 드는 접근 방식이다. 이것은 거의 실시간 결함 식별 또는 분류가 요구되는 산업 제조 또는 취급 환경에서 방법이 구현되는 것을 막을 수 있다.
본 발명의 실시형태의 목적은 투영 이미징, 예를 들어 X-선 이미징, 감마선 이미징, 광학 전송 이미징 및/또는 테라헤르츠 이미징을 이용한 물품 검사를 위한 우수한 그리고 효율적인 수단 및 방법을 제공하는 것이다.
본 발명의 실시형태에 따른 장치 및 방법은 상기 목적을 달성한다.
본 발명의 실시형태의 이점은 예를 들어, 오프라인, 온라인, 인라인 또는 온라인 비파괴 테스트, 품질 제어, 오류 검출 및/또는 기타 산업 검사 프로세스에 있어서의 물품 검사에서 우수한 속도 및 우수한 정확도가 달성될 수 있다는 것이다.
본 발명의 실시형태의 이점은 정확한 물품 검사를 위한 충분한 정보를 얻기 위해 제한된 수, 바람직하게는 최적의 수의 투영 이미지만이 필요하다는 것이다. 단일 각도, 예를 들어, 3D 각도로 반드시 제한되지는 않으며, 그리고 물체에 대한 방사선 소스의 위치를 가능성 있게 포함한 각도 구성 요소에만 반드시 제한되지는 않는, 물품 내의 결함의 양호한 검출 및/또는 특성화를 가능하게 하는 이미지 획득을 위한 특정 기하학적 구조(geometry) 또는 구조들, 예를 시야 각도는, 예를 들어, 결함이 발생할 수 있는 물품 내의 가능한 영역, 예를 들어, 하나 이상의 미리 정의된 관심 영역에 대한 사전 지식에 기초하여 결정될 수 있다.
본 발명의 실시형태에 따른 접근 방식의 이점은 물품의 비파괴적 3D 검사가 예를 들어, 이미지를 단층 촬영할 필요없이 제한된 수의 투영 이미지를 이용하여 달성될 수 있다는 것이다. 이것은 예를 들어, 투영 이미지를 시뮬레이션하는 쉽게 사용할 수 있는 CAD 데이터로부터의 물품 또는 적어도 하나의 구성 요소의 3D 모델에 의존함으로써 그리고 시뮬레이션된 투영 이미지를 획득한 투영 이미지와 연관 및/또는 비교함으로써 달성될 수 있다. 따라서, 물품 구성 요소 어셈블리의 잘못 정렬된 구성 요소와 같은 물품 내의 결함은 (제한된) 투영 데이터에 기초한 3D로 평가될 수 있다.
본 발명의 실시형태의 이점은 제한된 수의 투영 이미지를 획득하기 위한 투영 기하학적 구조 파라미터가 예를 들어 공칭 기하학적 구조 및/또는 물품, 가능한 결함 및/또는 이러한 결함이 발생할 수 있는 물품의 영역에 관한 추가 정보를 정의하는 물품의 CAD 모델의, 사전 지식에 기초한 인라인 또는 앳라인 프로세스에서의 애플리케이션을 허용하는 것과 같은 비실질적인 시간 수량으로 빠르게 결정될 수 있다는 것이다.
적어도 한번의 반복의 반복 절차를 이전 반복의 결과로부터 결정된 관심 영역(Region Of Interest, ROI)으로 제한하는 이점은 누락된 구성 요소와 관련된 결함을 쉽게 검출할 수 있다는 것이다. 예를 들어, 이미지 데이터 내의 누락된 구성 요소에 대한 자세한 검색을 피할 수 있도록, ROI는 투영만으로 쉽게 정의될 수 있다. 그러나, 관심 물품의 상세 모델을 사용하는 추가 단계를 통해 ROI 내의 결함 부품을 검출할 수 있다. 따라서, 계산 비용을 상당히 감소시킬 수 있다.
제 1 양태에서, 본 발명은 적어도 하나의 물품을 검사하기 위한 비파괴 방법에 관한 것이다. 본 방법은 방사선 이미징 시스템을 사용하여 물품 또는 물품들의 투영 이미지를 획득하는 단계를 포함한다. 본 방법은 물품 또는 적어도 하나의 물품 구성 요소의 수치적 3 차원 모델의 시뮬레이션에 기초하여, (또는 각각의) 물품 또는 물품의 적어도 하나의 구성 요소의 복수의 시뮬레이션된 투영 이미지를 획득하는 단계를 포함하며, 여기서 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 사이의 상대적인 방향과 관련된 적어도 하나의 기하학적 파라미터는 복수의 시뮬레이션된 투영 이미지에 걸쳐 변한다. 본 방법은 방사선 이미징 시스템에 대한 (또는 각각의) 물품의 상대적인 방향을 결정하는 단계를 포함하며, 여기서 상대적인 방향을 결정하는 단계는 투영 이미지를 복수의 시뮬레이션된 투영 이미지와 비교하는 단계를 포함한다. 본 방법은 시야 각도 및 상대적인 방향을 고려하여 적어도 하나의 회전 각도(예를 들어, 하나 이상의 회전 각도, 선택적으로는 하나 이상의 병진 구성 요소)를 결정하는 단계를 포함한다. 본 방법은 적어도 하나의 회전 각도에 따라 물품 및/또는 이미징 시스템을 (예를 들어, 서로에 대해) 이동시키는 단계를 포함한다. 본 방법은 추가 투영 이미지가 시야 각도로부터의 물품의 시야에 대응하도록, 물품을 이동시키는 단계 후에 물품의 추가 투영 이미지를 획득하는 단계를 포함한다.
본 발명의 실시형태에 따른 방법에서, 상대적인 방향을 결정하는 단계, 적어도 하나의 회전 각도를 결정하는 단계, 물품을 이동시키는 단계, 추가 투영 이미지를 획득하는 단계는 하나 이상의 추가 시야 각도에 대해 (루프로) 반복될 수 있으며, 여기서 마지막에 획득된 추가 투영 이미지 또는 이전에 획득된 추가 투영 이미지들의 조합은 후속의 반복 루프에서의 상대적인 방향을 결정하는 단계, 적어도 하나의 회전 각도를 결정하는 단계, 물품을 이동시키는 단계가 기초로 하는 투영 이미지로서 사용된다.
본 발명의 실시형태에 따른 방법에서, 복수의 시뮬레이션된 투영 이미지를 획득하는 단계는 복수의 시뮬레이션된 투영 이미지의 라이브러리를 획득하는 단계를 포함할 수 있으며, 여기서 상기 복수의 시뮬레이션된 투영 이미지는 상기 3 차원 수치 모델에 기초하여 미리 계산된다.
본 발명의 실시형태에 따른 방법에서, 복수의 시뮬레이션된 투영 이미지를 획득하는 단계는 상기 물체의 상기 3 차원 수치 모델을 획득하는 단계 및 적어도 하나의 기하학적 파라미터의 복수의 값에 대한 상기 물체의 상기 수치 모델에 기초하여 상기 복수의 투영 이미지를 시뮬레이션하는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 복수의 시뮬레이션된 투영 이미지를 시뮬레이션하는 단계는 수치 모델을 통해 소스로부터의 이온화 방사선의 다색 광선을 시뮬레이션된 이미지 검출기에 가상으로 캐스팅하는 단계를 포함할 수 있으며, 여기서 방사선 이미징 시스템의 기하학적 및 스펙트럼 파라미터는 상기 다색 광선을 가상으로 캐스팅하는데 사용되는 기하학적 및 스펙트럼 파라미터에 실질적으로 대응한다.
본 발명의 실시형태에 따른 방법은 물품의 양호한 가시성의 하나 이상의 각도에 대응하거나 그 주위에 군집된 시야 각도 및/또는 하나 이상의 추가 시야 각도를 결정하는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 시야 각도 및/또는 하나 이상의 추가 시야 각도를 결정하는 단계는 적어도 하나의 기하학적 파라미터에 걸친 복수의 시뮬레이션된 투영 이미지 내의 관심있는 2 차원 영역에서의 품질 측정의 최적화에 의해 하나 이상의 시야 각도를 계산하는 단계를 포함한다. 대안적으로 또는 추가적으로, 적어도 하나의 기하학적 파라미터에 걸친 복수의 시뮬레이션된 투영 이미지 내의 대응하는 2 차원 영역에 재투영되는 수치 모델 내의 관심있는 3 차원 영역에서의 품질 측정이 사용될 수 있다.
관심 영역은 예를 들어 결함이 발생하기 쉬운 것으로 알려진 물품의 제조 프로세스에서 그들의 관련성에 대해 사전에 알려진 물품의 부품, 예를 들어, 용접과 관련될 수 있다. 관심 영역은 물품이 조립되는 구성 요소와도 관련될 수 있다.
본 발명의 실시형태에 따른 방법에서, 시야 각도 및/또는 하나 이상의 추가 시야 각도를 결정하는 단계는 검사될 물품에 대한 하나 이상의 시야 각도를 출력으로서 예측하기 위한 적어도 하나의 기하학적 구조에 걸쳐 복수의 시뮬레이션된 투영 이미지에 기계 학습 알고리즘을 인가하는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 방사선 이미징 시스템에 대한 물품의 상대적인 방향을 결정하는 단계는 투영 이미지와 복수의 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환을 결정하는 단계를 포함할 수 있으며, 여기서 이 변환은 투영 이미지와 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정을 수치적으로 최적화함으로써 결정되며, 여기서 상기 2 차원 변환의 하나 이상의 파라미터는 투영 이미지 평면에서의 물품의 병진 및/또는 회전을 나타낸다. 대안적으로, 투영 이미지와 복수의 시뮬레이션된 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환은 복수의 시뮬레이션된 투영 이미지를 훈련 데이터로서 사용하여 2 차원 변환을 예측하도록 훈련된 기계 학습 알고리즘에 투영 이미지(들)를 입력(들)으로서 인가함으로써 결정될 수 있다.
본 발명의 실시형태에 따른 방법에서, 물품의 상대적인 방향을 결정하는 단계는 선택된 시뮬레이션된 투영 이미지에서와 같이 물품이 실질적으로 위치하고 방향 설정되는 변환된 투영 이미지를 획득하도록 2 차원 변환에 의해 투영 이미지를 변환하는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 물품의 상대적인 방향을 결정하는 단계는 2 차원 변환의 하나 이상의 파라미터를 고려하여 3 차원 공간에서의 물품의 위치 및 방향을 결정하는 단계를 포함할 수 있다. 2 차원 변환이 기계 학습 알고리즘에 의해 예측되는 방법에 있어서, 동일한 기계 학습 알고리즘이 3 차원 공간에서의 물품의 위치와 방향도 예측하도록 구성될 수 있다.
본 발명의 실시형태에 따른 방법에서, 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정은 적어도 하나의 기하학적 파라미터를 결정하도록 적어도 하나의 기하학적 파라미터의 함수로서 최적화될 수 있다. 대안적으로, 적어도 하나의 기하학적 파라미터는 획득된 투영 이미지(들)와 함께 제시된 상기 기계 학습 알고리즘의 예측된 출력으로서 결정될 수 있으며, 여기서 기계 학습 알고리즘은 복수의 시뮬레이션된 투영 이미지 및 관련 기하학적 파라미터를 훈련 데이터로서 사용하여 적어도 하나의 기하학적 파라미터를 예측하도록 훈련되었다.
본 발명의 실시형태에 따른 방법에서, 3 차원 공간에서의 물품의 위치 및 방향은 적어도 하나의 기하학적 파라미터 및 2 차원 변환의 하나 이상의 파라미터를 고려하여 결정될 수 있다.
본 발명의 실시형태에 따른 방법에서, 적어도 하나의 회전 각도를 결정하는 단계는 적어도 하나의 병진 구성 요소를 결정하는 단계를 또한 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 물품 및/또는 이미징 시스템을 예를 들어 서로에 대해 이동시키는 단계는 적어도 하나의 회전 각도 및 적어도 하나의 병진 구성 요소에 따라 물품 및/또는 이미징 시스템을 이동시키는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 물품의 투영 이미지를 획득하는 단계는 복수의 물품이 이미지화되는 투영 이미지를 획득하는 단계를 포함할 수 있으며, 본 방법은 개별적으로 복수의 물품 각각의 상대적인 방향 및/또는 위치를 결정하는 단계를 더 포함한다.
본 발명의 실시형태에 따른 방법에서, 결정된 상대적인 방향 및/또는 위치 각각을 고려하도록 물품 및/또는 이미징 시스템을 각각 이동시킨 후 복수의 물품 각각에 대해 개별적으로 추가 투영 이미지가 획득될 수 있다.
본 발명의 실시형태에 따른 방법에서, 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 사이의 상대적인 방향에 관한 적어도 하나의 기하학적 파라미터 및 복수의 시뮬레이션된 투영 이미지에 걸쳐 변하는 기하학적 파라미터는 즉 이동 단계에서, 물품 및/또는 이미징 시스템을 이동시키기 위한 회전 및/또는 병진 자유도에 대응하는 적어도 제 1 기하학적 파라미터를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 적어도 하나의 기하학적 파라미터는 상기 이동 단계에 의해 제어되지 않는 이미징 시스템에 대한 물품의 회전 및/또는 병진 자유도에 대응하는 적어도 제 2 기하학적 파라미터를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 적어도 하나의 기하학적 파라미터가 출력될 수 있다. 예를 들어, 본 방법은 방사선 이미징 시스템에 대한 물품의 적어도 하나의 결정된 회전 각도 또는 상대적인 방향 및/또는 병진을 출력하는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 변환된 투영 이미지와 복수의 시뮬레이션 투영 이미지 중 하나 이상의 투영 이미지 간의 적어도 하나의 품질 측정이 예를 들어 선택된 시뮬레이션 투영 이미지에 대해 출력될 수 있다. 출력 단계는 (선택된) 시뮬레이션된 그리고 획득된 투영 이미지의 각각의 대응하는 쌍에서 관심 영역을 정의하는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 본 방법은 실시형태에 따른 방법을 복수의 이러한 유사한 물품에 적용함으로써 이전에 획득된 방향 데이터 세트에 기초하여, 검사된 물품을 분류하는 단계를 추가 단계로서 포함할 수 있다. 예를 들어, 분류 단계는 각각의 물품을 분류하는 품질 측정의 선형 판별 분석을 포함할 수 있다. 분류 단계는 하나 이상의 물품 구성 요소에 존재하는 하나 이상의 결함에 따라 검사된 물품을 분류하는 단계, 즉 결함성 또는 누락된 구성 요소를 분류하는 단계를 포함할 수 있다.
제 2 양태에서, 본 발명은 물품(들)의 검사를 위한 시스템에 관한 것이다. 본 시스템은 물품의 투영 이미지를 획득하기 위한 방사선 이미징 시스템, 물품의 수치적 3 차원 모델의 시뮬레이션에 기초하여 물품의 복수의 시뮬레이션된 투영 이미지를 제공하기 위한 시뮬레이터 또는 미리 계산된 라이브러리로서, 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 사이의 상대적인 방향과 관련된 적어도 하나의 기하학적 파라미터는 복수의 시뮬레이션된 투영 이미지에 걸쳐 변하는, 시뮬레이터 또는 미리 계산된 라이브러리, 및 방사선 이미징 시스템에 대한 물품의 상대적인 방향(선택적으로는 상대적인 위치)을 결정하기 위한 프로세서를 포함한다. 상대적인 방향을 결정하는 것은 투영 이미지를 복수의 시뮬레이션된 투영 이미지와 비교하는 것을 포함한다. 프로세서는 시야 각도 및 결정된 상대적인 방향(및/또는 위치)을 고려하여 적어도 하나의 회전 각도(선택적으로 또한 하나 이상의 병진 구성 요소)를 결정하도록 구성된다. 본 시스템은 시야 각도로부터 물품의 시야에 대응하는 물품의 추가 투영 이미지를 획득하기 위해 물품 및/또는 이미징 시스템을 서로에 대해 배치 및/또는 방향 설정하는 것과 같이 결정된 적어도 하나의 회전 각도(및/또는 병진 구성 요소)에 따라 서로에 대해 물품 및/또는 이미징 시스템을 이동시키기 위한, 프로세서에 의해 제어되는 액추에이터를 포함한다.
본 발명의 실시형태에 따른 시스템에서, 프로세서는 상대적인 방향을 반복적으로 결정하도록, 적어도 하나의 회전 각도를 결정하도록, 물품을 이동시키도록, 그리고 하나 이상의 추가 시야 각도에 대한 추가 투영 이미지를 획득하도록 구성될 수 있으며, 여기서 마지막으로 획득된 추가 투영 이미지는 후속의 반복 루프에서 작동할 투영 이미지로서 사용된다.
본 발명의 실시형태에 따른 시스템에서, 프로세서는 투영 이미지와 복수의 시뮬레이션된 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환을 결정하도록 구성될 수 있으며, 상기 변환은 투영 이미지와 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정을 수치적으로 최적화함으로써 결정되며, 여기서 상기 2 차원 변환의 하나 이상의 파라미터는 투영 이미지 평면에서의 물품의 병진 및/또는 회전을 나타낸다.
본 발명의 실시형태에 따른 시스템에서, 프로세서는 선택된 시뮬레이션된 투영 이미지에서와 같이 물품이 실질적으로 위치되고 방향 설정되는 변환된 투영 이미지를 획득하기 위해 2 차원 변환에 의해 투영 이미지를 변환하도록 그리고 2 차원 변환의 하나 이상의 파라미터를 고려하여 3 차원 공간에서의 물품의 위치 및 방향을 결정하도록 구성될 수 있다.
본 발명의 실시형태에 따른 시스템에서, 프로세서는 적어도 하나의 기하학적 파라미터를 결정하기 위해 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정을 적어도 하나의 기하학적 파라미터의 함수로서 최적화하도록, 그리고 적어도 하나의 기하학적 파라미터 및 상기 2 차원 변환의 하나 이상의 파라미터를 고려함으로써 3 차원 공간에서의 물품의 위치 및 방향을 결정하도록 구성될 수 있다.
추가 양태에서, 본 발명은 복수의 물품을 제조 또는 조작하기 위한 제조 또는 취급 환경에서 복수의 물품 중 각각의 물품의 품질 제어, 테스트, 분류, 선택, 계측 및/또는 소팅을 위한 본 발명의 실시형태에 따른 방법 또는 시스템의 사용에 관한 것이다.
본 발명의 이러한 양태의 실시형태에 따른 사용은 산업 프로세스에서의 물품의 인라인, 앳라인, 온라인 또는 오프라인 검사에서의 사용일 수 있다. 예를 들어, 인라인은 산업 라인, 예를 들어, 플로우에서 물품을 처리하기 위한 컨베이어 벨트 또는 유사한 메커니즘에서의 물품에 대한 직접적인 평가를 지칭할 수 있으며, 온라인은 예를 들어, 1 차 라인의 물품으로부터 취해진 샘플링된 하위 집단에 적합한 낮은 처리량을 갖는, 물품의 테스트를 위해 1 차 산업 라인에서 2 차 라인으로 이러한 샘플 그룹의 물품을 전환함으로써 예를 들어, 물품의 샘플을 테스트하는 것을 지칭할 수 있으며, 앳라인 및 오프라인은 자동 라인에서 추출된 샘플을 처리할 필요없이 테스트를 위해 1 차 라인에서 샘플을 추출하는 것을 지칭할 수 있다. 앳라인 테스트와 오프라인 테스트의 차이는 샘플이 라인의 산업적 맥락에서 예를 들어, 동일한 시설에서 또는 후자의 경우 전용 시설, 예를 들어, 실험실에서 테스트되는지 여부에 있을 수 있다.
또 다른 양태에서, 본 발명은 투영 이미지의 획득을 제어하는 방사선 이미징 시스템에 그리고 이미징 시스템에 상대적으로 조사 대상 물품을 이동시키기 위한 액추에이터에 작동 가능하게 연결된 프로세서 상에서 실행될 때, 본 발명의 실시형태에 따른 방법을 구현하기 위한 컴퓨터 프로그램 제품에 관한 것이다.
본 발명의 특정하고 바람직한 양태는 첨부된 독립 청구항 및 종속 청구항에 제시되어 있다. 종속 청구항의 특징은 단순히 청구항에 명시적으로 설정된 것이 아니라 적절히 독립 청구항의 특징 및 다른 종속항의 특징과 적절하게 결합될 수 있다.
본 발명의 이들 양태 및 다른 양태는 이하에 설명되는 실시형태(들)로부터 자명해지고 이하에 설명되는 실시형태(들)를 참조하여 설명될 것이다.
도 1은 본 발명의 실시형태에 따른 방법을 도시한다.
도 2는 본 발명의 실시형태에 따른 시스템을 도시한다.
도 3은 본 발명의 실시형태를 예시하는 예에서의 시스템 기하학적 구조를 도시한다.
도 4는 본 발명의 실시형태를 예시하는 예에서의 물품을 이미징하기 위한 타겟 시야 각도를 도시한다.
도 5는 본 발명의 실시형태를 예시하는 예시에서의 타겟 시야 각도 부근에 추가적인 각도 파라미터를 포함하는 확장 라이브러리를 도시한다.
도 6은 본 발명의 실시형태에 따른 예시적인 방법의 흐름도를 도시한다.
도 7은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 각도(δ)의 각도 추정의 절대값 차(오차)를 도시한다.
도 8은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 각도(phi)의 각도 추정의 절대값 차(오차)를 도시한다.
도 9는 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(x)의 추정의 절대값 차(오차)를 도시한다.
도 10은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(y)의 추정의 절대값 차(오차)를 도시한다.
도 11은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(z)의 추정의 절대값 차(오차)를 도시한다.
도 12는 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 각도(γ)의 각도 추정의 절대값 차(오차)를 도시한다.
도 13은 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 각도(δ)의 각도 추정의 절대값 차(오차)를 도시한다.
도 14는 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 각도(phi)의 각도 추정의 절대값 차(오차)를 도시한다.
도 15는 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(x)의 추정의 절대값 차(오차)를 도시한다.
도 16은 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(y)의 추정의 절대값 차(오차)를 도시한다.
도 17은 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(z)의 추정의 절대값 차(오차)를 도시한다.
도 18은 본 발명의 실시형태와 관련된 예에서, 검사를 위한 구성 요소를 포함하는 ROI에서 계산된, 시뮬레이션된 데이터에 대한 투영각에 따른 가중치 부여된 콘트라스트의 변화 플롯을 도시한다.
도 19는 본 발명의 실시형태와 관련된 예에서 30 개의 샘플 그룹에 대해 수행된 선형 판별 분석의 표준 플롯을 도시한다.
도 20은 본 발명의 실시형태와 관련된 예에서 윈도우 정렬 프로세스의 결과를 도시한다.
도면은 도식일 뿐이며 제한이 없다. 도면에서, 일부 요소의 크기는 과장될 수 있으며 설명을 위해 축척으로 그려지지 않을 수 있다.
청구항에서의 참조 기호는 범위를 제한하는 것으로 해석되어서는 안된다.
다른 도면에서, 동일한 참조 부호는 동일하거나 유사한 요소를 지칭한다.
도 2는 본 발명의 실시형태에 따른 시스템을 도시한다.
도 3은 본 발명의 실시형태를 예시하는 예에서의 시스템 기하학적 구조를 도시한다.
도 4는 본 발명의 실시형태를 예시하는 예에서의 물품을 이미징하기 위한 타겟 시야 각도를 도시한다.
도 5는 본 발명의 실시형태를 예시하는 예시에서의 타겟 시야 각도 부근에 추가적인 각도 파라미터를 포함하는 확장 라이브러리를 도시한다.
도 6은 본 발명의 실시형태에 따른 예시적인 방법의 흐름도를 도시한다.
도 7은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 각도(δ)의 각도 추정의 절대값 차(오차)를 도시한다.
도 8은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 각도(phi)의 각도 추정의 절대값 차(오차)를 도시한다.
도 9는 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(x)의 추정의 절대값 차(오차)를 도시한다.
도 10은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(y)의 추정의 절대값 차(오차)를 도시한다.
도 11은 방향 및 위치 파라미터가 무작위로 샘플링되고 각도(γ)가 알려진 것으로 추정되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(z)의 추정의 절대값 차(오차)를 도시한다.
도 12는 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 각도(γ)의 각도 추정의 절대값 차(오차)를 도시한다.
도 13은 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 각도(δ)의 각도 추정의 절대값 차(오차)를 도시한다.
도 14는 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 각도(phi)의 각도 추정의 절대값 차(오차)를 도시한다.
도 15는 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(x)의 추정의 절대값 차(오차)를 도시한다.
도 16은 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(y)의 추정의 절대값 차(오차)를 도시한다.
도 17은 방향 및 위치가 무작위로 샘플링되는 본 발명의 실시형태를 예시하는 예에서의 위치 성분(z)의 추정의 절대값 차(오차)를 도시한다.
도 18은 본 발명의 실시형태와 관련된 예에서, 검사를 위한 구성 요소를 포함하는 ROI에서 계산된, 시뮬레이션된 데이터에 대한 투영각에 따른 가중치 부여된 콘트라스트의 변화 플롯을 도시한다.
도 19는 본 발명의 실시형태와 관련된 예에서 30 개의 샘플 그룹에 대해 수행된 선형 판별 분석의 표준 플롯을 도시한다.
도 20은 본 발명의 실시형태와 관련된 예에서 윈도우 정렬 프로세스의 결과를 도시한다.
도면은 도식일 뿐이며 제한이 없다. 도면에서, 일부 요소의 크기는 과장될 수 있으며 설명을 위해 축척으로 그려지지 않을 수 있다.
청구항에서의 참조 기호는 범위를 제한하는 것으로 해석되어서는 안된다.
다른 도면에서, 동일한 참조 부호는 동일하거나 유사한 요소를 지칭한다.
본 발명은 특정 실시형태에 대해 그리고 특정 도면을 참조하여 설명될 것이지만, 본 발명은 이에 제한되지 않고 청구항에 의해서만 제한된다. 설명된 도면은 도식일 뿐이며 제한이 없다. 도면에서, 일부 요소의 크기는 과장될 수 있으며 설명을 위해 축척으로 그려지지 않을 수 있다. 치수 및 상대적 치수는 본 발명의 실시에 대한 실제 축소에 대응하지 않는다.
청구항에 사용된 "포함하는"이라는 용어는 이후에 열거된 수단으로 제한되는 것으로 해석되어서는 안되며, 다른 요소나 단계를 제외하지 않는다는 것에 유의해야 한다. 따라서 언급된 바와 같이 명시된 특징, 정수, 단계 또는 구성 요소의 존재를 지정하는 것으로 해석되어야 하지만, 하나 이상의 다른 특징, 정수, 단계 또는 구성 요소 또는 그 그룹의 존재 또는 추가를 배제하지 않는다. 따라서, "수단 A와 B를 포함하는 장치"라는 표현의 범위는 구성 요소 A와 B로만 구성된 장치로 제한되지 않아야 한다. 이는 본 발명과 관련하여 장치의 유일한 관련 구성 요소가 A와 B이다는 것을 의미한다.
본 명세서 전체에서 "일 실시형태" 또는 "실시형태"에 대한 언급은 실시형태와 관련하여 설명된 특정 특징, 구조 또는 특성이 본 발명의 적어도 하나의 실시형태에 포함된다는 것을 의미한다. 따라서, 본 명세서 전반에 걸친 다양한 곳에서 "일 실시형태에서" 또는 "실시형태에서"라는 문구의 출현은 반드시 모두 동일한 실시형태를 지칭하는 것은 아니지만, 동일한 실시형태를 지칭할 수도 있다. 더욱이, 특정 특징, 구조 또는 특성은 하나 이상의 실시형태에서 본 개시 내용으로부터 당업자에게 자명한 임의의 적절한 방식으로 조합될 수 있다.
유사하게, 본 발명의 예시적인 실시형태의 설명에서, 본 발명의 다양한 특징은 때때로 개시 내용을 간소화하고 하나 이상의 다양한 발명적 양태의 이해를 돕기 위해 단일 실시형태, 도면 또는 설명으로 함께 그룹화된다는 것을 이해해야 한다. 그러나, 이 개시 내용의 방법은 청구된 발명이 각각의 청구항에 명시적으로 언급된 것보다 더 많은 특징을 필요로 한다는 의도를 반영하는 것으로 해석되어서는 안된다. 오히려, 이하의 청구항이 반영하는 바와 같이, 발명적 양태는 하나의 전술한 개시된 실시형태의 모든 특징보다 적다. 따라서, 상세한 설명 이후의 청구항은 각각의 청구항이 본 발명의 개별 실시형태로서 그 자체로 존재한 상태에서, 이 상세한 설명에 명시적으로 통합된다.
더욱이, 본 명세서에 설명된 일부 실시형태는 다른 실시형태에 포함된 일부 특징을 포함하지만 다른 실시형태에 포함되지 않은 특징을 포함하는 반면, 상이한 실시형태의 특징의 조합은 당업자에 의해 이해되는 바와 같이 본 발명의 범위 내에 있는 것을 의미하고, 상이한 실시형태를 형성한다.
본 명세서에 제공된 설명에서, 다수의 특정 세부 사항이 설명된다. 그러나, 본 발명의 실시형태는 이들 특정 세부 사항 없이도 실시될 수 있다는 것이 이해된다. 다른 경우에, 공지 방법, 구조 및 기술은 이 설명의 이해를 모호하게 하지 않기 위해 자세히 나타내지 않았다.
제 1 양태에서, 본 발명은 물품의 검사를 위한, 예를 들어, 산업 프로세스에서 물품의 인라인 또는 오프라인 검사를 위한 방법에 관한 것이다. 산업 프로세스에서의 물품 검사는 결함, 흠, 치수 변화, 불연속성, 내포물, 변형 등을 검출하는 세부 조사와 관련되어 있다. 본 방법은 컴퓨터 구현 방법일 수 있다.
본 방법은 방사선 이미징 시스템을 사용하여 물품의 투영 이미지를 획득하는 단계를 포함한다. 가시 파장에서의 물품 외부 경계의 카메라 이미징과 같은 방사선에 의한 표면 민감성 조사가 이러한 세부 정보를 제공하기에 충분하지 않은 곳에서 검사 물품의 깊은 내부 체적을 안정적으로 검사할 수 있기 때문에, 물품 검사를 위한 방사선 투영은 일반적으로 검사된 물품이 반투명하게 보이는 방사선 유형을 사용한다. 예를 들어 유리, 투명 폴리머 또는 다른 비 불투명 재료로 구성된 투명 또는 반투명 물품과 같은 검사 물품이 적어도 부분적으로 가시 광선에 반투명한 경우 가시 광선을 사용하는 방사선 투영은 제외되지 않는다.
본 방법은 물품의 수치적 3 차원 모델의 시뮬레이션에 기초하여 물품의 복수의 시뮬레이션된 투영 이미지를 획득하는 단계를 포함하며, 여기서 적어도 하나의 기하학적 파라미터는 복수의 시뮬레이션된 투영 이미지에 걸쳐 변한다. 적어도 하나의 기하학적 파라미터는 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 감지 평면 간의 상대적인 방향에 관한 것이며, 예를 들어, 상대적인 방향을 나타내며, 예를 들어, 상대적인 방향이다. 물품의 수치적 3 차원 모델은 3D 솔리드 모델(가상) 표현, 예를 들어, 물품이 조립되는 하나 이상의 구성 요소를 포함할 수 있는 물품의 컴퓨터에서의 솔리드 모델 표현일 수 있다. 수치적 3D 솔리드 모델은 예를 들어, 물품을 설계 및/또는 제조할 때 사용되는 3 차원 컴퓨터 지원 설계(Computer-Aided Design, CAD) 모델에 대응할 수 있다. CAD 모델은 물품이 만들어지는 구성 요소 어셈블리 또는 물품의 가상 모델 표현이다. 예를 들어 CAD 모델은 기하학적 또는 기계적 상호 관계 및 제약과 함께 어셈블리 부품으로서 물품의 하나 이상의 구성 요소를 포함하는 어셈블리 모델이다. 예를 들어, CAD 모델은 서로에 대한 복수의 구성 요소의 정렬 및/또는 방향의 변화를 고려할 수 있다. CAD 모델은 볼륨 메시로서, 물품의 경계를 나타내는 표면 또는 곡선 모음을 통한 암시적 볼륨 정의를 갖는 다각형 메시로서, 건축적인 솔리드 지오메트리(Constructive Solid Geometry, CSG) 모델링으로서, 물품 및 적용한 경우 물품의 구성 요소를 가상으로 나타낼 수 있다. 상이한 표현은 상호 변환될 수 있다. 물품의 CAD 모델은 예를 들어 스테레오 리소그래피(STereoLithography, STL) 형식의 CAD 모델과 같이 다양한 사용 가능한 형식으로 저장될 수 있다. 3D 수치적 솔리드 모델은 물품 및/또는 그 구성 요소의 형상을 설명하는 통계적 형상 모델을 더 포함할 수 있다. 예를 들어, CAD 모델은 파라미터 곡선 및/또는 표면을 통해 또는 파라미터화된 메시 변형을 통해 물품 형상 경계를 파라미터화하는 파라미터 모델일 수 있다. 또한, 솔리드 모델은 가상으로 표현된 물품의 체적과 관련된 재료 속성 데이터를 일반적으로 포함한다. 재료 속성 데이터는 모델에 첨부된 메타 데이터로서 또는 모델링된 물품의 구성 요소를 인덱싱하는 별도의 데이터 구조로서 예를 들어, 모델에 포함되는, 모델의 구성 재료의 물질-방사선 상호 작용을 나타낼 수 있다. 예를 들어, 특히 간단한 실시형태에서, 실시형태는 이에 제한되지 않고, 모델링된 물품은 균일한 재료 구성 및 균일한 (라디오) 밀도를 가지고 있다고 가정할 수 있으며, 경계 좌표에 의해 직접 설명되거나 경계를 간접적으로 설명하는 파라미터(예를 들어, 구 반경 및 위치)로 설명될 수 있다. 물품의 CAD 모델의 경우, 다른 데이터는 가상 표현, 예를 들어, 치수, 각도 등의 예상되는 또는 통계적으로 추정되는 제조 공차와 연관될 수 있다.
본 방법은 방사선 이미징 시스템에 대한 물품의 상대적인 방향, 선택적으로는 상대적인 위치를 결정하는 단계를 포함하며, 여기서 상대적인 방향을 결정하는 단계는 투영 이미지를 복수의 시뮬레이션된 투영 이미지와 비교하는 단계를 포함한다. 본 방법은 시야 각도 및 상대적인 방향, 선택적으로 상대적인 위치를 고려하여 적어도 하나의 회전 각도, 선택적으로는 하나 이상의 병진 구성 요소를 결정하는 단계 및 적어도 하나의 회전 각도에 따라 물품 및/또는 이미징 시스템을 이동시키는 단계를 포함한다. 본 방법은 추가 투영 이미지가 시야 각도로부터의 물품의 시야에 대응하도록 물품을 이동시키는 단계 후에 물품의 추가 투영 이미지를 획득하는 단계를 포함한다. 이하에서 상세히 논의되는 바와 같이, 본 방법은 미리 결정될 수 있거나, 사용자에 의해 지정되거나 계산될 수 있는 복수의 원하는 시야 각도에 걸쳐 반복될 수 있다.
따라서, 물품의 위치 및/또는 방향이 사전에 알려지지 않은, 예를 들어, 위치 및/또는 방향의 일부 파라미터에 대해서 미리 결정된 정밀도까지만 알려져 있고 및/또는 단지 알려진 반면, 예를 들어 (제한없이) 위치 및/또는 방향의 적어도 하나의 다른 파라미터에 대해 알려지지 않거나 단지 미리 결정된 정밀도까지만 알려진 경우, 미리 결정된 시야 각도로부터 하나 이상의 투영 이미지를 동적으로 획득하는 방법이 개시되며, 여기서, 위치 및/또는 방향의 적어도 하나의 파라미터는 확률적으로 분포될 수 있다. 본 방법을 사용하면 알려지지 않은 물체 방향 및/또는 위치를 동적으로 추정할 수 있다. 예를 들어, CAD 모델, 형상 모델 또는 물체의 윤곽 및/또는 내부 (공칭) 구조를 정의하는 다른 모델을 통한 방사선 전송 시뮬레이션에 의해 획득된 시뮬레이션된 투영 이미지에 기초한 이러한 모델 기반 검사 접근 방식은 고속의, 예를 들어 거의 실시간의 투영 기반 검사를 바람직하게 제공할 수 있다.
도 1을 참조하면, 본 발명의 실시형태에 따른 물품의 검사를 위한 방법(1)이 도시되어 있다.
본 방법은 방사선 이미징 시스템을 사용하여 물품의 투영 이미지를 획득하는 단계(2)를 포함한다. 방사선 이미징 시스템은 이온화 방사선 이미징 시스템, 또는 투영 이미징, 예를 들어, 테라헤르츠 이미징 또는 광학 전송 이미징을 사용하는 다른 이미징 시스템을 포함할 수 있다. 방사선 이미징 시스템은 물품을 통해 방사선을 투영하기 위한 방사선 소스와, 물품을 통해 전송된 방사선이 이미징 검출기에 충돌할 때 2 차원 이미지를 생성하기 위한 이미징 검출기를 포함할 수 있다. 방사선 이미징 시스템은 방사선 소스를 이동시키기 위한, 예를 들어 이미징 검출기를 포함할 수 있다. 이미지화될 물품을 중심으로 소스와 검출기를 회전시키기 위한 액추에이터를 포함할 수 있다. 방사선 이미징 시스템은 예를 들어 물품을 이동시키기 위한 액추에이터, 예를 들어, 회전 가능한 스테이지와 같은 회전 스테이지 및/또는 병진 스테이지를 포함할 수 있다.
본 방법은 CAD 모델과 같은 물품의 수치적 3 차원 모델의 시뮬레이션에 기초하여 물품의 복수의 시뮬레이션된 투영 이미지를 획득하는 단계(3)를 포함한다. 수치 모델은 물품의 내부 구조를 특정하는 물품의 컴퓨터 지원 설계 모델을 획득하는 것을 포함할 수 있다. 수치 모델은 예를 들어 시뮬레이션에 사용하기 위한, 물체의 구성 재료의 물질-방사선 상호 작용을 나타내는 재료 속성 데이터를 포함하거나 재료 속성 데이터와 함께 주석될 수 있다.
적어도 하나의 기하학적 파라미터는 복수의 시뮬레이션된 투영 이미지에 걸쳐 변한다. 적어도 하나의 기하학적 파라미터는 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 사이의 상대적인 방향과 관련된다. 예를 들어, 적어도 하나의 기하학적 파라미터는 물품의 방향을 정의하는 1, 2 또는 3 개의 각도, 예를 들어, 오일러 각도(Euler angle)를 포함할 수 있다. 적어도 하나의 기하학적 파라미터는 물품의 위치를 정의하는 1, 2 또는 3 개의 거리, 예를 들어, 3 차원 공간에서의 병진 벡터를 포함할 수 있다.
바람직하게는, 적어도 하나의 기하학적 파라미터는 복수의 시뮬레이션된 투영 이미지가 시뮬레이션된 투영 이미지 중 단일의 투영 이미지에 의해 획득될 수 없는 물품의 상보적 이미지 정보를 포함하도록, 이미징 평면에 평행하게 방향 설정된 축을 중심으로 하는 물품의 적어도 회전 각도를 포함한다.
복수의 시뮬레이션된 투영 이미지를 획득하는 단계(3)는 복수의 시뮬레이션된 투영 이미지의 라이브러리를 획득하는 단계를 포함할 수 있으며, 여기서 복수의 시뮬레이션된 투영 이미지는 3 차원 수치 모델에 기초하여 미리 계산된다.
복수의 시뮬레이션된 투영 이미지를 획득하는 단계는 물품의 3 차원 수치 모델을 획득하는 단계와, 적어도 하나의 기하학적 파라미터의 복수의 값에 대한 물품의 수치 모델에 기초하여 복수의 투영 이미지를 시뮬레이션하는 단계를 포함할 수 있다. 따라서, 본 방법은 라이브러리를 사전 계산하는 단계를 포함할 수 있거나, 본 방법은 투영 이미지를 복수의 시뮬레이션된 투영 이미지, 예를 들어, 온 더 플라이(on-the-fly) 시뮬레이션과 비교하는 단계에서 적어도 하나의 기하학적 파라미터의 값 또는 몇몇 값에 대해 시뮬레이션된 투영 이미지를 계산하는 단계를 포함할 수 있다. 복수의 시뮬레이션된 투영 이미지를 시뮬레이션하는 단계는 수치 모델을 통해 소스로부터의 이온화 방사선의 다색 광선을 시뮬레이션된 이미지 검출기에 가상으로 캐스팅하는 단계를 포함할 수 있으며, 여기서 방사선 이미징 시스템은 상기 다색 광선을 가상으로 캐스팅하는데 사용되는 기하학적 및 스펙트럼 파라미터에 실질적으로 대응한다. 예를 들어, 시뮬레이션의 기하학적 파라미터는 검출기 크기 및/또는 검출기 요소 간격, 소스-검출기 거리, (적어도 대략적인) 소스-물품 거리 및/또는 방사선 이미징 시스템의 방사선 스펙트럼을 고려할 수 있다.
다색 광선의 스펙트럼 분포는 (예를 들어, 본 방법에서 투영 이미지를 획득하기 위해 사용되는 방사선 이미징 시스템에 대해 획득된 측정에 기초하여) 측정되거나 공지된 기술에 의해 추정될 수 있다. 스펙트럼 분포는 예를 들어, 이하에 추가로 설명되는 반복적 접근 방식에서의 스펙트럼 분포의 파라미터를 포함함으로써 그리고 측정된 데이터와 시뮬레이션된 데이터의 강도 값 사이의 불일치를 최소화함으로써 인라인으로 또한 결정될 수 있다.
마찬가지로, 방사선 이미징 시스템의 기하학적 구성을 설명하는 기하학적 파라미터는 예비 측정 또는 중간 측정에 의해 제약될 수 있다. 예를 들어, 기하학적 파라미터는 3D 모델을 사용하여 결정되거나, 보정 팬텀, 검출기, 팬텀 및 소스의 위치의 CAD 모뎀 데이터를 사용하는 예비 보정 단계에서 결정될 수 있다. 예를 들어, 이러한 파라미터는 언덕 오르기 알고리즘(Hill climbing algorithm)을 사용하여 최적화될 수 있다.
따라서, 본 방법은 방사선 이미징 시스템의 방사선 소스에 의해 방출된 다색 광선의 스펙트럼 분포를 측정하거나 추정하는 단계를 또한 포함할 수 있다. 본 방법은 상기 시뮬레이션에서 사용하기 위한 방사선 이미징 시스템의 기하학적 파라미터를 측정하는 단계를 포함할 수 있다.
본 방법은 방사선 이미징 시스템에 대한 물품의 상대적인 방향을 결정하는 단계(4)를 포함한다.
상대적인 방향(및 가능하게는 상대적인 위치)을 결정하는 단계는 투영 이미지를 복수의 시뮬레이션된 투영 이미지와 비교하는 단계를 포함한다. 실제로 직면하게 되는 물품의 상대적인 방향 및/또는 위치에 대한 사전 정보는 상대적인 방향을 결정할 때 고려될 수 있다.
방사선 이미징 시스템에 대한 물품의 상대적인 방향을 결정하는 단계(4)는 투영 이미지와 복수의 시뮬레이션된 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환을 결정하는 단계를 포함할 수 있다. 예를 들어, 시뮬레이션된 투영 이미지는 적어도 하나의 기하학적 파라미터의 제 1 추측(예를 들어, 디폴트) 또는 근사에 기초하여 선택될 수 있다. 예를 들어, 적어도 하나의 기하학적 파라미터는 이미징 평면에 평행한 축을 중심으로 하는 물품의 회전 각도를 포함할 수 있으며, 이미징될 때의 물품의 사전 알려지지 않은 방향은 이 각도의 디폴트 값 부근이 되도록 가정될 수 있으며, 예를 들어, 이 각도의 중심 값 주위에 무작위로 분포될 수 있다. 또한, 본 방법은 반복적 최적화를 포함할 수 있으며, 여기서 선택 단계를 반복하는데 사용될 수 있는 적어도 하나의 기하학적 파라미터의 보다 정확한 추정이 후속 단계에서 획득된다. 이 프로세스는 하나 이상의 반복에 대해 반복될 수 있다. 대안적으로, 선택은 적어도 하나의 기하학적 파라미터에 대한 투영 이미지와 시뮬레이션된 투영 이미지 간의 이미지 유사성 메트릭의 최적화에 기초할 수 있다.
투영 이미지와 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환은 투영 이미지와 선택된 시뮬레이션된 투영 이미지 간의 상호 정보 또는 다른 정량적 유사성 측정과 같은 이미지 유사성 측정을 수치적으로 최적화함으로써 결정될 수 있으며, 여기서 2 차원 변환의 하나 이상의 파라미터는 투영 이미지 평면에서의 물품의 이동 및/또는 회전을 나타낸다. 예를 들어, 하나 이상의 파라미터는 아핀(affine) 변환 파라미터, 스케일링 파라미터, 2D 변환 파라미터 및/또는 2D 회전 파라미터를 포함할 수 있다.
물품의 상대적인 방향을 결정하는 단계(4)는 선택된 시뮬레이션된 투영 이미지에서와 같이 물품이 실질적으로 위치되고 방향 설정되는 변환된 투영 이미지를 획득하기 위해 2 차원 변환에 의해 투영 이미지를 변환하는 단계를 더 포함할 수 있다.
물품의 상대적인 방향을 결정하는 단계(4)는 2 차원 변환의 하나 이상의 파라미터를 고려하여 3 차원 공간에서의 물품의 위치 및 방향을 결정하는 단계를 포함할 수 있다.
예를 들어, 3D에서의 물품의 위치 및 방향은 3D에서의 소스 위치와 검출기 평면 상에서의 물품의 이미지 위치 및 방향을 나타내는 3D 벡터를 연결하는 연결하는 선(또는 충분히 가까운 선)의 점으로서 결정될 수 있다. 이 선을 따르는 위치는 이미지를 복수의 시뮬레이션된 이미지와 비교함으로써, 예를 들어, 바람직하게는 선을 따르는 상이한 위치 및/또는 픽셀 값의 차이를 고려하여 물품의 상이한 스케일링을 사용함으로써 결정될 수 있다. 본 방법이 복수의 상이한 시야 기하학적 구조, 예를 들어 각도로부터 취해진 복수의 투영 이미지에 대해 반복될 수 있을 때, (각각의 투영 이미지에 대해 획득 가능한) 이러한 선은 3D에서의 위치 및 방향을 결정(또는 이전 추정치를 개선)하도록 수치적으로 교차될 수 있다. 복수의 투영 이미지가 상이한 각도에서 획득되면, 다수의 투영 이미지는 2 ~ 20 범위, 예를 들어, 2 ~ 15 범위, 예를 들어, 2 ~ 10 범위, 예를 들어 2 ~ 8 범위, 예를 들어 2 ~ 6 범위 예를 들어 2 ~ 5 범위, 예를 들어, 3 또는 4에 있을 수 있다. 따라서, 필요한 이미지 획득의 수는 (예를 들어, 이미지의 우수한 상보성이 얻어지도록) 투영 이미지를 획득하기 위한 작은 수의 투영각에 의해 물품의 양호한 가시성을 획득하도록 최적화, 예를 들어 축소될 수 있다.
예를 들어, 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 간의 구조 유사성 지수 측정과 같은 이미지 유사성 측정은 적어도 하나의 기하학적 파라미터를 결정하도록 적어도 하나의 기하학적 파라미터의 함수로서 최적화될 수 있다. 이미지 유사성 측정은 픽셀 기반이고 채우기 변환된 투영 이미지에 기초하여 평가되거나, 변환된 투영 이미지의 부분 정보만을 사용한 다음, 축소된 기준으로 작동할 수 있다. 다른 유사성 측정은 시각 정보 충실도, 평균 제곱 오차, 또는 (피크) 신호 대 잡음비, 반복 재가중치 부여 선형 최소 제곱 또는 Student-t 통계를 포함한다.
적어도 하나의 기하학적 파라미터를 결정하기 위해 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 간의 고속 매칭 절차는 정보 검색 필드에서 일반적으로 사용되는 것과 같은 특징 인덱싱 방법에 더 의존할 수 있다. 예를 들어, 관심 영역의 스케일 공변 검출기는 가우시안 차 필터(Difference-of-Gaussian filter), 스케일 불변 특징 변환(Scale-Invariant Feature Transform, SIFT) 디스크립터 및 로컬 대응 관계를 설정하기 위한 우선 순위 큐(queue)를 갖는 kd-트리 검색에 기초한 고속 정합기에 기초하여 구현될 수 있다.
또한, 본 발명의 특정 실시형태에 따르면, 적어도 하나의 기하학적 파라미터를 결정하기 위한 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 간의 매칭 절차는 (라돈(Radon) 투영 공간에서의) 섭동 이론을 예를 들어, 시뮬레이터 내의 방사선 이미징의 시뮬레이션에 적용하는 단계를 포함할 수 있다. 섭동 이론에 기초하여, 물품 또는 적어도 하나의 물품 구성 요소의 표면이 충분히 평활하다고 가정할 수 있는 실시형태에서 (예를 들어, 비선형 순방향 모델에 의해 계산된) 명목상의 투영 값으로부터의 변화가 선형화될 수 있다. 결과적으로, 변환된 투영 이미지를 복수의 시뮬레이션된 투영 이미지와 비교하는 단계와, 유사성 측정을 최적화하는 방식으로 복수의 시뮬레이션된 투영 이미지로부터 시뮬레이션된 투영 이미지를 선택하는 단계는 획득된 투영 이미지와 섭동된 선형화된 시뮬레이션 투영 이미지 사이에서 보다 효율적으로 수행될 수 있다.
대안적으로, 본 발명의 특정 실시형태에 따르면, 적어도 하나의 기하학적 파라미터를 결정하기 위해 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 간의 반복적이고 강력한 매칭 절차가 구현될 수 있다. 시야 각도를 미세 조정하기 위해 반복적이고 강력한 매칭 절차가 사용될 수 있다. 다중 스케일 변형에서, 시뮬레이션된 투영 이미지는 미리 계산될 수 있으며, 2 차원 변환을 통한 정렬 절차가 반복적인 방식으로 예를 들어, 거친 정렬에서 보다 정확한 정렬로 수행될 수 있도록, 예를 들어 상이한 상세 레벨로 분할될 수 있다. 반복 절차는 상대적으로 적은 수의 투영 이미지만이 예를 들어, 초기 고속 정렬을 위해 시뮬레이션되는 제 1 단계로 구성될 수 있다. 제 2 단계에서, 3D 수치 모델에서 정의되거나, 미리 결정된 변환에 의해 3D 모델의 좌표 공간으로 변환될 수 있는 좌표 공간에서 예를 들어, 3D 모델의 좌표 프레임과 관련하여 정의된 3D 메쉬 구조 또는 입방 체적에서 정의된 3 차원 관심 영역은 품질 제어가 수행되어야 하는 물품의 영역에 대한 절차를 집중하기 위해 고려될 수 있다. 제 3 단계에서, 검사 대상이 되는 하나의 물품 구성 요소만이 고려될 수 있다. 즉, 반복 절차는 검사중인 물품의 대략적인 모델에서 시작하고, 관심있는 물품의 특정 영역에 초점을 맞춘 다음, 마지막으로 물품 또는 물품 구성 요소의 상세 모델을 사용하는 상이한 단계에서의 상이한 3D 모델 또는 하위 모델과 관련될 수 있다. 관심 영역(Region Of Interest, ROI)은 물품 내의 관심있는 구성 요소를 찾을 수 있는 영역 및/또는 가능한 결함이 예상될 수 있는 영역으로서 사전 결정될 수 있으며, 예를 들어, 3D 모델에서의 3D 영역으로서 정의된다. 예를 들어, ROI는 결함이 있는 물품과 결함이 없는 물품을 구별하기 위해 결정될 수 있다. 또한, 그러나, 예를 들어, 비교 및/또는 선택의 전체 방법 단계에 가능성 있게 적용될 수 있는 반복 절차의 일부에만 반드시 제한되지 않는, 예를 들어, 반복 절차의 적어도 하나의 단계에서, 비교 및/또는 선택의 단계를 테스트 중인 구성 요소와 관련된 ROI로 제한함으로써, 속도 이득이 획득될 수 있도록 부분 투영만이 평가될 필요가 있을 수 있다.
3 차원 공간에서의 물품의 위치 및 방향은 적어도 하나의 기하학적 파라미터 및 2 차원 변환의 하나 이상의 파라미터를 고려하여 결정될 수 있다. 예를 들어, 적어도 하나의 기하학적 파라미터는 2D 변환으로부터 직접 획득될 수 없는 물품의 위치 및/또는 방향에 대한 상보적인 3D 정보를 포함할 수 있다. 그러나, 조합을 고려할 때, 물품의 타이 3D 위치와 방향에 대한 완전한 특성을 도출할 수 있다.
또한 복수의 물품이 투영 이미지에서 동시에 이미지화될 수 있으며, 본 발명의 실시형태에 따른 방법이 물체의 각각의 상대적인 방향 및/또는 위치를 개별적으로 결정하기 위해 이들 물품 각각에 적용될 수 있음이 또한 명백할 것이다. 예를 들어, 세분화 알고리즘은 개별 물품을 검출하기 위해 투영 이미지에 적용될 수 있으며, 각각의 물품은 각각의 물품의 3D 위치 및 방향의 완전한 특성을 도출하도록 개별적으로 고려될 수 있다. 또한, 예를 들어, 물품의 하나 이상의 회전 각도를 제한하여 물품 간의 상대 거리를 공지의 거리와 동일하게 하고 및/또는 공지의 거리로 제한함으로써, 서로에 대한 이들 물품의 상대적인 위치 및/또는 방향에 대한 제약이 고려될 수 있다.
위에서 이미 나타낸 바와 같이, 예를 들어, 수렴이 달성되거나 가정될 때까지, 시뮬레이션된 투영 이미지(및 그와 관련된 적어도 하나의 기하학적 파라미터)를 선택하는 단계, 2D 변환을 결정하는 단계, 및 투영 이미지를 변환하는 단계를 반복하면서, 복수의 시뮬레이션된 투영 이미지로부터의 시뮬레이션된 투영 이미지의 선택을 개선하기 위해, 변환된 시뮬레이션 이미지가 반복적으로 사용될 수 있다.
또한, 미리 계산된 시뮬레이션된 투영 이미지 라이브러리 또는 거의 실시간 시뮬레이션 절차는 예를 들어, 제 1 각도를 결정하기 위한 대략적인 추정 단계와, 예를 들어, 시야 내 물품 당 3 개의 상보적인 오일러 각도의 세트를 결정하기 위한 미세 추정 단계에서 사용될 수 있다.
본 방법은 시야 각도 및 상대적인 방향을 고려하여 적어도 하나의 회전 각도를 결정하는 단계(5)를 포함한다. 예를 들어, 이미징 시스템에 대한 물품의 결정된 상대적인 방향 및/또는 위치를 사용하면, 물품 및/또는 이미징 시스템의 적절한 회전 및/또는 병진은 예를 들어, 기본적인 선형 대수 연산을 사용하여 결정되어, 시야 각도에 대응하는 이미징 시스템에 대한 물품의 상대적인 위치 및/또는 방향을 달성할 수 있다.
물품이 검사되어야 하는 시야 각도를 나타내도록 사용자에 의해 정의되는 시야 각도(및/또는 추가 시야 각도)는 예를 들어 미리 결정될 수 있다. 그러나, 본 방법은 상기 물품의 양호한 가시성의 하나 이상의 각도에 대응하거나 그 주위에 군집된 하나 이상의 추가 시야 각도 및/또는 시야 각도를 결정하는 단계(10)를 또한 포함할 수 있다.
이들 시야 각도 또는 가시 각도는 구성 요소가 가장 잘 보이거나 결함이 가장 잘 검출되는 물체의 방향을 나타낼 수 있다. 복수의 가시 각도의 조합은 물품의 결함 또는 관심 특성을 검출하기 위한 최적(또는 충분히 거의 최적에 가까운) 조합에 또한 집합적으로 대응할 수 있다. 또한, 복수의 물품은 예를 들어, 이미지화되는 더 큰 물체의 구성 요소로서 또는 이미징 시스템의 시야에 동시에 배치될 때 복수의 물품을 이미징함으로써 동시에 이미징될 수 있다. 따라서, 복수의 가시 각도는 각각의 물품의 결함 또는 특성을 검출하기 위한 상이한 가시 각도 또는 가시 각도 집합에 대응할 수 있다.
즉, 확인해야 하는 물품의 특성에 기초하여, 다수의 최적의 시야 방향은 결정될 수 있으며, 예를 들어, 사용자에 의해 지정될 수 있으며, 자동으로 계산될 수 있으며, 또는 둘 모두의 조합에 의해 결정될 수 있다. 예를 들어, 본 방법은 뷰포인트 엔트로피의 최적화, 콘트라스트 측정, 또는 예를 들어, 평가할 구성 요소 또는 가능한 결함이 물품 내에 위치하는 관심 영역(ROI) 내의 다른 품질 측정에 의해 적어도 하나 이상의 기하학적 파라미터에 걸쳐서 하나 이상의 시야 각도를 계산하는 단계를 포함할 수 있다. 이러한 최적화에 의해 획득된 적어도 하나의 기하학적 파라미터는 시야 각도를 계산하기 위해 간단한 방식으로 사용될 수 있다. 이 프로세스는 품질 측정의 다수의 로컬 최대 값을 얻기 위해 및/또는 복수의 시야 각도를 공식화하기 위해 다른 관심 영역에 대해 반복될 수 있다. 본 발명의 실시형태는 이러한 접근 방식으로 제한되지 않는다. 예를 들어, 딥 러닝, 기계 학습 또는 인공 지능 방법이 물품의 양호한 특성화 및/또는 물품의 결함 검출을 집합적으로 허용하는 시야 각도 세트를 결정하는데 적용될 수 있다.
본 방법은 적어도 하나의 회전 각도에 따라 물품 및/또는 이미징 시스템을 이동시키는 단계(6)와, 물품을 이동시키는 단계(6) 이후에, 추가 투영 이미지가 시야 각도로부터의 물품의 시야에 대응하도록, 물품의 추가 투영 이미지를 획득하는 단계(7)를 포함한다.
또한, 적어도 하나의 회전 각도를 결정하는 단계(5)는 적어도 하나의 병진 단계를 결정하는 단계를 또한 포함할 수 있고, 물품 및/또는 이미징 시스템을 이동시키는 단계(6)는 적어도 하나의 회전 각도와 적어도 하나의 병진 단계에 따라 물품 및/또는 이미징 시스템을 이동시키는 단계를 또한 포함할 수 있다. 이동시키는 단계는 예를 들어, 물품을 지지하는 병진 테이블을 사용하는 병진을 포함할 수 있다. 이동시키는 단계는 예를 들어, 물품을 지지하는 턴테이블을 사용하는 회전을 포함할 수 있다. 이동시키는 단계는 예를 들어, 회전 갠트리를 사용하는 제 1 각도에 걸쳐 또는 예를 들어, 회전 자유도가 2 또는 3 도인 로봇 팔을 사용하는 다수의 상보적인 각도에 걸쳐 물품 주위로 이미징 시스템을 회전시키는 단계를 포함할 수 있다.
본 발명의 실시형태에 따른 방법에서, 상대적인 방향을 결정하는 단계(4), 적어도 하나의 회전 각도를 결정하는 단계(5), 물품을 이동시키는 단계(6), 추가 투영 이미지를 획득하는 단계(7)는 하나 이상의 추가 시야 각도에 대해 반복(8)될 수 있다. 그 다음, 단계(7)에서 획득된 추가 투영 이미지는 후속의 반복 루프에서 작동하는, 예를 들어, 상대적인 방향과 적어도 하나의 회전 각도를 결정하는 투영 이미지로서 사용된다.
도 2를 참조하면, 제 2 양태에서, 본 발명은 물품 검사를 위한 시스템(20)에 관한 것이다. 본 시스템은 예를 들어, 물품(28)의 투영 이미지를 획득하기 위한 이온화 방사선 소스 및 이온화 방사선 이미징 검출기와 같은 방사선 소스 및 방사선 이미징 검출기를 포함하는 방사선 이미징 시스템(21)을 포함한다. 본 시스템은 물품의 수치적 3 차원 모델의 시뮬레이션에 기초하여 물품의 복수의 시뮬레이션된 투영 이미지를 제공하기 위한 시뮬레이터(22) 또는 미리 계산된 라이브러리(22)를 포함하며, 여기서 적어도 하나의 기하학적 파라미터, 예를 들어 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 간의 상대적인 방향과 관련된 하나 이상의 회전 각도는 복수의 시뮬레이션된 투영 이미지에 걸쳐 변한다.
본 시스템은 예를 들어 프로세서(23), 예를 들어, 컴퓨터, 중앙 처리 장치, 필드 프로그래밍 가능 게이트 어레이 또는 애플리케이션 특정 집적 회로를 포함한다. 프로세서(23)는 방사선 이미징 시스템에 대한 물품의 상대적인 방향을 결정하도록 구성되며, 여기서 상대적인 방향을 결정하는 것은 투영 이미지를 복수의 시뮬레이션된 투영 이미지와 비교하는 것을 포함한다.
프로세서(23)는 투영 이미지와 복수의 시뮬레이션된 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환을 결정하도록 구성될 수 있으며, 여기서 이 변환은 투영 이미지와 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정 값을 수치적으로 최적화하여 결정되며, 여기서 2 차원 변환의 하나 이상의 파라미터는 투영 이미지 평면에서의 물품의 이동 및/또는 회전을 나타낸다.
프로세서는 시뮬레이션된 투영 이미지에서와 같이 물품이 실질적으로 위치되고 방향 설정되는 변환된 투영 이미지를 획득하기 위해 2 차원 변환에 의해 투영 이미지를 변환하도록 구성될 수 있다. 프로세서는 2 차원 변환의 하나 이상의 파라미터를 고려하여 3 차원 공간에서의 물품의 위치 및 방향을 결정하도록 구성될 수 있다.
프로세서는 적어도 하나의 기하학적 파라미터를 결정하기 위해 변환된 투영 이미지와 복수의 시뮬레이션된 투영 이미지 사이의 이미지 유사성 측정을 적어도 하나의 기하학적 파라미터의 함수로서 최적화하도록 구성될 수 있으며, 적어도 하나의 기하학적 파라미터 및 상기 2 차원 변환의 하나 이상의 파라미터를 고려함으로써 3 차원 공간에서의 물품의 위치 및 방향을 결정하도록 구성될 수 있다.
프로세서는 예를 들어 시야 각도, 예를 들어, 미리 결정된 시야 각도 및 결정된 상대적인 방향을 고려하여 적어도 하나의 회전 각도를 결정하도록 구성된다.
본 시스템은 시야 각도로부터의 물품의 시야에 대응하는 물품의 추가 투영 이미지를 획득하기 위해 물품 및/또는 이미징 시스템을 서로에 대해 위치 및/또는 방향 설정하는 것과 같이 결정된 적어도 하나의 회전 각도에 따라 물품 및/또는 이미징 시스템을 이동시키기 위해 상기 프로세서(23)에 의해 제어되는 액추에이터(24)를 포함한다.
프로세서는 상대적인 방향을 반복적으로 결정하도록, 적어도 하나의 회전 각도를 결정하도록, 물품을 이동시키도록, 하나 이상의 추가 시야 각도에 대한 추가 투영 이미지를 획득하도록 구성될 수 있으며, 여기서 마지막으로 획득된 추가 투영 이미지는 후속의 반복 루프에서 작동하는 투영 이미지로서 사용된다.
추가 양태에서, 본 발명은 복수의 물품을 제조 또는 조작하기 위한 제조 또는 취급 환경에서 복수의 물품 중 각각의 물품의 품질 제어, 테스트, 분류, 선택, 계측 및/또는 분류를 위한 본 발명의 실시형태에 따른 방법 또는 시스템의 사용에 관한 것이다.
또 다른 양태에서, 본 발명은 프로세서 상에서 실행될 때, 예를 들어, 방사선 이미징 시스템 및 액추에이터와 인터페이스함으로써, 본 발명의 실시형태에 따른 방법을 구현하기 위한 컴퓨터 프로그램 제품에 관한 것이다.
본 발명의 실시형태에 따른 장치, 사용 및/또는 컴퓨터 프로그램 제품의 다른 특징 또는 전술한 특징의 세부 사항은 본 발명의 실시형태에 따른 방법과 관련하여 위에서 제공된 설명을 고려하여 명확해야 한다.
이하, 본 발명의 실시형태의 양태를 설명하기 위한 예가 제시된다. 이들 실시형태는 당업자가 본 발명을 이해하는 것을 돕고 본 발명을 실시하는데 도움을 주기 위해 제공되지만, 제시된 실시형태의 특정 특징으로 본 발명을 제한하는 것으로 해석되어서는 안된다.
일반성을 잃지 않고, 본 예에서는 전형적인 턴테이블 기반의 마이크로 CT(μCT) 설정이 사용된다. 고정 X-선 소스와 검출기 사이에 위치한 μCT 시스템의 턴테이블 스테이지에 물품이 배치된다. 당업자는 이러한 설정이 물품이 고정된 위치에 배치되는 동안 X-선 소스 및/또는 X-선 검출기의 위치가 변경, 예를 들어, 물품을 중심으로 회전할 수 있는 시스템과 실질적으로 동등한 시스템으로서 간주될 수 있음을 이해해야 한다. 또한, 이러한 동등한 시스템에서, 물품은 고정될 수 있고, 위치에서 일시적으로만 고정될 수 있으며, 심지어는 고정되지 않을 수도 있음을 이해해야 한다. 예를 들어, 물품은 복수의 투영각으로부터 이미지화되는 동안, 경로를 따라 예를 들어, 컨베이어 시스템에서 이동할 수 있다. 물품은 이러한 상이한 투영 시야를 획득하는 동안 일시적으로 고정된 상태로 유지될 수 있거나, 획득된 투영 시야를 분석할 때 물체의 상이한 위치가 보상될 수 있도록 경로를 따라 알려진 속도로 연속적으로 이동할 수 있다. 본 발명의 실시형태는 예를 들어 μCT 시스템으로 제한되지 않는다는 것, 예를 들어, 본 시스템은 일반적으로 단층 재구성을 수행하기에 충분하지 않은 적은 수의 투영을 획득하는 데만 사용된다는 것도 이해해야 한다. 본 발명의 실시형태는 이온화 방사선의 사용으로 제한되지 않고 테라헤르츠 이미징, 감마 방사선 이미징, 투명 또는 반투명 물체의 광학 이미징, 적외선 이미징과 같은 다른 유형의 투영 이미징을 사용할 수도 있음을 이해해야 한다.
본 예의 μCT 시스템으로 돌아가서, 세계 좌표계(S)는 회전 스테이지의 중심(O)을 중심으로 하는 제 1 방사선 사진과 관련하여 정의된 것으로 가정한다. 세계 좌표계(S)는 기본 벡터(x, y, z)가 좌표계(S)의 직교 기본 벡터를 형성하도록 검출기 소스 방향으로 향하는 단위 기본 벡터 x = (1, 0, 0) 및 단위 기본 벡터 y 및 z로 정의된다. 따라서 기본 벡터 y 및 z는 검출기 평면에 평행하게 방향 설정된다. 샘플 물품의 위치와 방향은 S의 원점(O)에 대한 병진(tx, ty 및 tz) 및 주축(δ, γ 및 φ)를 중심으로 한 회전에 의해 정의된다. 도 3은 본 예의 시스템 구조를 도시한다. X-선 소스(31)는 스테이지의 중앙으로부터 소스-물품 거리(SOD)에 위치한다. X-선 검출기(32)는 소스(31)로부터 소스-검출기 거리(SDD)에 위치한다. 물품(33)이 스테이지에 배치될 때, 세계 좌표계에 대한 선험적 미지의 병진뿐만 아니라, 선험적 미지의 회전 각도 편차가 발생할 수 있다. 특히, 샘플의 회전 각도(γ)는 미지인 것으로 가정한다. 예를 들어, 일반적인 애플리케이션에서, 회전 각도(γ 및 δ)는 이미징 평면에 평행한 축을 중심으로 하는 회전일 수 있는 반면, 회전 각도(φ)는 이미징 평면에 수직인 축을 중심으로 하는 회전을 나타낸다. 따라서, 각도(φ)는 이미지의 2D 변환을 최적화하여 직접 결정될 수 있다. 또한, 턴테이블과 접촉하는 물품의 안정적인 접촉면을 가정하면, 각도(δ)의 편차가 작을 수 있으며 물품의 위치가 안정적인 평형 상태로 자연스럽게 이완되어 제한될 수 있다. 따라서, 샘플의 각도(γ)는, 상대적으로 큰 변동이 있을 수 있고 다른 뷰의 정보를 사용하지 않고, 예를 들어, 각도(γ)의 넓은 범위에 걸쳐 시뮬레이션된 뷰 라이브러리를 사용하여 단일 투영 이미지로부터 직접 파생될 수 없는 3D 정보를 나타내기 때문에, 고려해야 하는 가장 중요한 파라미터가 될 수 있다.
가시 각도라고도 하는 시야 각도 세트는 CAD 모델에 대한 사전 지식과 샘플 물품 자체의 재료 속성에 기초하여 미리 결정될 수 있다. 이들 가시성 각도는 구성 요소가 가장 잘 보이거나 결함이 가장 잘 검출되는 물품의 방향을 나타낸다. 즉, 확인해야 하는 물품의 특성에 기초하여, 다수의 최적 시야 방향이 결정될 수 있으며, 예를 들어, 사용자에 의해 지정되거나, 자동으로 계산되거나 둘 모두에 의해 결정될 수 있다. 예를 들어, 가시성 각도 세트는 관심 영역(Region Of Interest, ROI)의 특정 기준 또는 뷰포인트 엔트로피와 같은 정량적 측정 값을 사용하여, 예를 들어, 콘트라스트 측정에 기초하여, 상이한 각도 뷰에서의 시뮬레이션된 투영으로부터 계산될 수 있다. 예를 들어, 도 4에 예시된 가시 각도는 이러한 정량적 측정이 가장 높은 값을 갖는 γVIS, 0, ..., γVIS, N 뷰로서 선택될 수 있다.
본 발명의 실시형태에 따른 이미지 획득 절차 동안, 측정된 데이터, 즉 획득된 투영 이미지(들)와 시뮬레이션된 이미지 사이에 고속 정렬이 수행되어, 결과적으로 수치 모델, 예를 들어, CAD 모델과 물품 간의 3D 정렬이 될 수 있다. 고속 투영 시뮬레이터는 수치 모델, 예를 들어, 물품의 다양한 방향 및 병진에 대한 투영을 시뮬레이션하기 위한 CAD 모델을 투영하는데 사용될 수 있으며, 예를 들어, CAD 모델을 회전 및 이동하면서 투영이 시뮬레이션될 수 있다. 획득된 투영 이미지와 가장 잘 일치하는 시뮬레이션된 투영의 방향 및 병진 파라미터를 찾아서, 하나의 투영만을 이용하여 3D 정렬을 달성할 수 있다. CAD 투영기라고도 하는 이러한 투영 시뮬레이터는 거의 또는 충분히 실시간에 가까운 시뮬레이션 투영을 달성하기 위해 효율적으로 구현될 수 있으며, 예를 들어, (범용) 그래픽 처리 장치(Graphics Processing Unit, GPU) 상에서 구현될 수 있다. 그러나, 실시간으로 또는 적어도 충분히 고속으로 합성 투영을 생성할 수 없을 때, 데이터를 미리 계산하는 접근 방식이 사용될 수 있다. 본 예에서, 절차는 2 개의 주요 부분으로 구분되며, 제 1 부분은 미리 계산할 수 있는 데이터를 설명하고, 제 2 부분은 미지의 물품 방향으로부터 시작하여 회전 스테이지의 필요한 회전 각도를 계산함으로써 가시성 각도를 동적으로 획득하는 방법을 설명한다.
이하에서는, CAD 투영기가 다색 방사선 전송 시뮬레이션을 사용하여 CAD 모델의 투영 이미지에 대한 사실적인 시뮬레이션을 수행할 수 있도록 시스템 파라미터가 보정되고 소스 스펙트럼이 추정되었다고 가정한다. 결정된 시스템 파라미터 및 스펙트럼에 기초하여 이러한 CAD 투영기를 구성하기 위한 적절한 CAD 투영기 및 절차의 예는 8 차 산업용 컴퓨터 단층 촬영 컨퍼런스(2018)에서의 Marinovszki 외 다수에 의한 "An efficient cad projector for x-ray projection based 3D inspection with the ASTRA toolbox"에서 찾을 수 있다.
위에서 언급된 절차의 제 1 부분에서, 시뮬레이션된 투영 데이터의 라이브러리는 이산화된 투영각 및/또는 병진 단계에 대해, 예를 들어, 적어도 각도(γ)의, 예를 들어 등간격 각도 단계에 대해 미리 계산될 수 있다. 라이브러리 내의 투영 데이터는 (검출기 중앙에 투영된 물품과 함께) 각도(γ)를 변경하면서, 보정된 시스템 파라미터와 추정된 스펙트럼을 고려하는 시뮬레이션에 의해 생성된다. 라이브러리의 메모리 요구 사항을 줄이기 위해, 시뮬레이션된 투영의 관심 영역(Region Of Interest, ROI)만이 저장 및 사용될 수 있다. 예를 들어, ROI는 정렬 알고리즘이 적절히 작동할 수 있을 만큼 충분히 크게 정의될 수 있다. ROI의 크기는 이산화된 각도 단계의 범위에 걸쳐 품질 측정, 예를 들어, 콘트라스트 및/또는 엔트로피와 같은 이미지 속성의 충분한 변화에 기초하여 계산될 수 있거나, 시행 착오 루틴에 의해 결정될 수 있다. 라이브러리는 도 5에 도시된 바와 같이, φ 및 δ의 편차를 무시함으로써 도입된 근사치를 설명하기 위해 가시 각도 근처에서 확장될 수 있다. 본 예에서는 회전 스테이지가 이러한 편차를 보상할 수 없기 때문에, 이러한 확장을 통해 가시성 각도에서 물품 샘플의 φ 및 δ의 가능한 편차를 고려할 수 있다. 그러나, 샘플 및/또는 소스와 검출기가 로봇 팔에 의해 제어되는 완전 3D 시스템에서는, 최적의 시야 각도를 3D에서 획득할 수 있다.
획득 시스템, 즉 방사선 이미징 시스템을 조정하여 가시성 각도 또는 그 근처에서 방사선 사진을 획득하기 위해, 스테이지에서의 물품의 위치와 방향을 추정한다. 아래에 설명된 동적 각도 선택 방법이 도 6에 개략적으로 도시되어 있다. S0, D0, u0 = (0, 0, 1) 및 v0 = (0, 1, 0) 각각은 좌표계(S)에 대한 소스 위치, 검출기의 중심점, 및 검출기 평면을 정의하는 벡터의 초기화 값을 나타낸다. γ0 rot = 0 아크도(arc degree)는 초기 투영각이다. 예시적인 절차는 예를 들어, 각각의 가시 각도에 대해, N 단계에 대한 반복을 포함하며, 여기서 k는 반복 카운터 k = 1… N을 나타낸다. 엔트리 포인트(60)는 반복 k = 1에 대한 절차의 엔트리 포인트를 나타낸다.
각각의 반복 단계에서, 예를 들어, 본 예에서는 μCT 스캐닝 시스템을 사용하여, 투영 이미지가 획득된다(61). 제 1 반복에서, 물품은 선험적 미지의 위치 및 방향으로 위치되고 방향 설정된다. 각각의 반복에서, 물품이 각각의 가시성 각도의 방향으로의 이미징을 위해 방향 설정되도록, 물품의 방향은 다음 투영 이미지 획득 전에 조작된다.
이미지 획득 후, 2D에서 병진 및 회전을 추정하기 위해 강성 변환이 결정된다(62). 투영된 물품의 2D 포즈를 복원하기 위해, 측정된 투영에 유사성 변환이 적용; 예를 들어, 수치 모델, 예를 들어, CAD 모델의 디폴트 위치에 대해 시뮬레이션된 투영과 정렬되도록 회전, 병진 및 크기 조정된다. 예를 들어, 제 1 반복의 경우, 물품의 방향의 최상의 추측, 예를 들어, 중심성의 통계적 측정에 대응하는 디폴트 시뮬레이션된 투영이 선택된다. 다음 반복에서, 디폴트 시뮬레이션된 투영은 각각의 시야 각도에 각각 대응할 수 있다. 상호 정보를 유사성의 정량적 척도로서 사용하는 변환은 검출기 평면에서의 병진(ty,det 및 tz,det) 및 회전(ρ)에 대한 정보를 포함한다. 예를 들어, 변환된 투영 이미지와 시뮬레이션된 투영 이미지 간의 상호 정보 또는 유사한 측정은 검출기 평면에서의 병진(ty,det 및 tz,det) 및 회전(ρ)을 명시적 또는 암시적으로 포함하는 변환 파라미터의 함수로서 최적화 절차에서 최대화될 수 있다.
그 다음, 방향 각도의 3D 추정(
k, 
k 및 
k)과 병진 추정(
x, 
y 및 
z)이 수행(63)될 수 있다.
제 1 반복(k = 1)에서, 수직 축을 중심으로 하는 샘플 물품 회전(
k)은 구조 유사성 지수 측정(Structure Similarity Index Measure, SSIM)에 기초한 라이브러리 조사를 통해 추정된다. 따라서, 라이브러리에서 색인된 샘플 회전은 변환된 투영 이미지와 라이브러리 이미지 간의 SSIM이 최대 값에 도달하는 것으로 확인된다.
다음 반복의 경우, 물품 샘플 회전(
k)이 이전 반복 루프의 마지막 단계에서 γVIS,k로 이미 업데이트되었다.
그 다음, Sk, Dk, uk 및 vk는 γk rot에 걸쳐 S0, D0, u0 및 v0을 회전시켜 계산된다. 검출기 평면에서의 물품의 방향은 jk,det = Dk + cos(ρk uk) + sin (ρk vk)로 표시된다. 검출기 평면에서의 병진은 Dk,det = Dk + tz,det uk + ty,det vk로 정의된다.
다음 반복 k> 1의 경우, 선 S1 + λ1(j1,det-S1),…, Sk + λk(jk,det-Sk) 간의 3D 교차점(Pint), 즉, 3D 소스 위치(Sk)와 검출기 평면에서의 물품의 방향을 나타내는 3D 포인트(jk,det)를 각각의 반복에 대해 각각 연결하는 선 세트의 교차점이 결정된다. S1,…, Sk 및 j1,det,…, jk,det이 계산된다. 이 교차점은 잔여 오류의 최소화, 예를 들어, 측정 오류를 보상하는 최소 제곱 피트(least-squares fit)에 의해 근사화될 수 있다.
물품의 방향은 단일 벡터 j'= Pint/IIPintII로 정의된다. 이 벡터는 j'에 회전을 적용하여 획득된다.
단일 벡터는 방향에 대한 완전한 정보를 포함하지 않기 때문에, 이 수학식은 γ에 의존하지 않는다. 따라서, δ와 φ의 값은 γ 회전을 고려하지 않는 경우에만 추정될 수 있다. 이러한 이유로, 후자의 수학식을 적용하여 
k 및 
k를 복원하기 전에, 벡터 j'가 -
k에 걸쳐 회전된다.
그 다음, 위에서 논의한 S1,…, Sk 및 j1,…, jk를 연결하는 선의 교차점(또는 가장 근사치)을 결정하는 것과 유사하게, S1,…, Sk 및 D1,…, Dk를 연결하는 선 사이의 교차점인 Oint가 계산된다. 그 좌표는 
x, 
y 및 
z의 병진 추정치이다.
그 다음 
k, 
k 및 
의 추정치는 예를 들어, SSIM과 같은 유사성 메트릭을 사용하는 최적화를 다시 사용하여, 현재 값 근처의 확장 라이브러리 조사에 의해 세분화될 수 있다.
k <N (조건 66: k = N 참조)이면, 반복 카운터가 증분되고(65), k = k + 1, 및 시스템, 예를 들어, 턴테이블은 γk,rot = γVIS,k-
k-1을 중심으로 회전된다(64). 
k는 γVIS,k로 설정되고 다음 반복 루프가 수행된다.
그렇지 않고 (k = N)이면, 절차가 종료된다(67).
이 방법의 정밀도를 확인하기 위해 
아크도, 
아크도, 및 
mm를 무작위로 선택하면서 30 개의 실험이 수행되었다. 이 시점에, γ 파라미터는 알고 있어야 하며 다른 파라미터는 추정되었다. 결과는 도 7 ~ 도 11에 도시되어 있다. 또한 
아크도, 
아크도, 
mm를 무작위로 선택하면서 19 개의 실험이 수행되었다. 이 시점에, 모든 파라미터가 추정되었으며, 여기서 γ 파라미터는 라이브러리 조사에 의해 결정되었다. 결과는 도 12 ~ 도 17에 도시되어 있다.
예
본 예에서, 견고하고 효율적인 전방 투영기는 산업용 CAD 모델, 예를 들어, 인라인 검사 프로세스에서 사용할 수 있는 것과 같은, 제한된 시간 동안 관련된 재료의 방사선 특성으로 강화된 형상 모델에 있어서의 투영 이미지를 시뮬레이션하는데 사용되었다. 투영기는 일반적인 GPU 기반 처리 플랫폼을 사용하는 소프트웨어로 구현되었다. 이 예시적인 구현에서는 NVIDIA Optix 라이브러리가 사용되었다. 사용된 구현의 장점은 당업계에 공지된 기술을 사용하여 기하학적 구조의 작은 변화에 대한 견고성이 달성될 수 있다는 것이다. X-선 방사선 사진은 X-선 스펙트럼, 모델 구성 요소 재료의 감쇠 계수 및 물리 모델의 효율적인 1 차 근사치를 고려하여 정확하게 시뮬레이션되었다. 다색 X-선은 소스로부터 가상으로 캐스팅되고, CAD 모델을 관통하고, 가상 검출기에 도달한다. 트라이앵글 메쉬로 X-선 빔의 충돌 지점을 검출한 후, 광선이 모델 내부를 이동하는 선 길이가 계산된다. 시뮬레이션된 투영 이미지를 획득된 투영 이미지와 비교하기 위해, 방사선 이미징 시스템의 기하학적 및 스펙트럼 파라미터, 예를 들어, 소스의 위치, 검출기, 물품의 질량의 중심에 있는 기준 시스템에 대한 회전 축, 및 검출기 및 픽셀 치수가 결정된다.
물품 샘플을 교차할 때 빔의 동작을 적절하게 시뮬레이션하기 위해, 모든 구성 요소의 재료가 미리 정의된다. 오스트리아 웰에서 개최된 제 8 차 산업 컴퓨터 단층 촬영 컨퍼런스에서의 Marinovszki 외 다수에 의한 "An efficient CAD projector for X-ray projection based 3D inspection with the ASTRA Toolbox"에 설명된 스펙트럼 추정이 사용되었다. 이 추정은 측정된 데이터와 시뮬레이션된 데이터의 세기 값 간의 불일치를 최소화하여 수행되었다. 이 접근 방식은 회전 축, 검출기, 팬텀 및 소스의 위치 및 방향과 관련하여 보정 팬텀의 CAD 데이터를 사용하여 기하학적 보정을 허용하도록 확장되었다. 이들 파라미터는 언덕 오르기 알고리즘을 사용하여 최적화된다.
정확한 결과를 얻는 인라인 정렬 절차 중에 긴 실행 시간을 피하기 위해, 3 개의 상이한 라이브러리가 사용되었으며, 이들 모두는 사전 계산된 시뮬레이션된 투영 이미지를 제공한다. 제 1 라이브러리는 초기 고속 정렬을 위한 검사 중에 사용되는 시뮬레이션된 이미지의 윈도우만을 포함하고, 제 2 라이브러리는 보다 세부적인 정렬을 위해, 품질 관리를 수행해야 하는 특정 관심 영역의 데이터(만)를 포함하고, 마지막 라이브러리는 즉, 최종 미세 정렬을 위해 및/또는 획득된 방사선 사진과 시뮬레이션된 방사선 사진 간의 차분 이미지 및/또는 유사성 측정을 계산하는데 사용하기 위해, 검사 대상 구성 요소만 포함한다. 결함이 있는 샘플과 결함이 없는 샘플을 가장 잘 구별하기 위해 ROI를 최적화할 수 있다.
인라인 검사 중에, 원래 투영이 윈도우에 정렬된 후, 소위 가시성 각도, 즉 검사할 부품이 가장 잘 보이는 투영각이 식별된다. 주변 배경과 비교하여 구성 요소의 최대 콘트라스트를 찾는 기준이 사용된다. 부품이 다른 구성 요소에 의해 숨겨지는 가시성 각도를 선택할 가능성을 배제하기 위해, 이 접근 방식은 전체 투영의 전체 콘트라스트로 이 부품만을 투영할 때 계산된 콘트라스트에 가중치를 부여한다. 각각의 투영각에 대한 가중치 부여된 콘트라스트의 값은 미리 계산되어 행렬로 저장될 수 있으며, 검사 단계에서, 가시성 각도는 정렬 단계 중에 선택한 투영각에 대응하는 값 중 최대 값으로서 선택된다. 마지막으로, 피크의 신호 대 잡음비와 평균 제곱 오차는 이미지 간의 차이를 정량화하는 측정 값으로서 사용되며 판별 분석이 수행된다.
또한 위에서 논의된 도 18은 검사된 구성 요소를 포함하는 ROI에서, 시뮬레이션된 데이터에 대한 투영각의 함수에 따른 가중치 부여된 콘트라스트의 변화의 플롯을 도시하며, 구성 요소가 가장 잘 보일 때의 피크를 명확하게 도시한다. 이 접근 방식은 의료 기기의 측정된 인라인 스캔으로 검증되었다. 각각의 인라인 스캔의 경우, 21 개의 투영각이 획득되었다. 윈도우 정렬 프로세스의 결과는 도 20에 도시되어 있으며 검사중인 구성 요소는 사각형으로 표시된다. 측정된 투영의 절단, 즉 획득된 투영 이미지가 상단 이미지에 표시되고, 시뮬레이션된 투영 방사선 사진 윈도우는 중앙 행에 표시되고, 정렬 후의 차분 이미지는 하단 이미지에 표시된다.
도 19에는, 평균 제곱 오차(Mean Squared Error, MSE)와 신호 대 잡음비(Signal to Noise Ratio, SNR)가 샘플을 비 결함 및 결함 사례로 분류하는데 사용되는, 30 개 샘플 그룹에 대해 수행된 선형 판별 분석(Linear Discriminant Analysis, LDA)의 표준 플롯이 도시되어 있다. LDA는 결함이 있는 샘플(p = 0.027)로부터 결함이 없는 샘플('ok'로 표시됨)을 구분하는 제안된 방법의 수행을 보여준다.
Claims (24)
- 물품의 검사를 위한 비파괴 방법(1)으로서,
- 방사선 이미징 시스템을 사용하여 상기 물품의 투영 이미지를 획득하는 단계(2);
- 상기 물품 또는 적어도 하나의 물품 구성 요소의 수치적 3 차원 모델 시뮬레이션에 기초하여 상기 물품 또는 상기 물품의 적어도 하나의 구성 요소의 복수의 시뮬레이션된 투영 이미지를 획득하는 단계(3)로서, 여기서 시뮬레이션된 물품, 시뮬레이션된 방사선 소스 및 시뮬레이션된 검출 평면 간의 상대적인 방향에 관한 적어도 하나의 기하학적 파라미터는 상기 복수의 시뮬레이션된 투영 이미지에 걸쳐 변하는, 단계(3);
- 상기 방사선 이미징 시스템에 대한 상기 물품의 상대적인 방향을 결정하는 단계(4)로서, 상기 상대적인 방향을 결정하는 단계는 획득된 투영 이미지를 상기 복수의 시뮬레이션된 투영 이미지와 비교하는 단계(9)를 포함하는, 단계(4);
- 시야 각도 및 상대적인 방향을 고려하여 적어도 하나의 회전 각도를 결정하는 단계(5);
- 상기 적어도 하나의 회전 각도에 따라 상기 물품 및/또는 상기 방사선 이미징 시스템을 이동시키는 단계(6); 및
- 추가 투영 이미지가 시야 각도로부터의 상기 물품의 뷰에 대응하도록, 상기 물품을 이동시키는 단계 후에, 상기 물품의 추가 투영 이미지를 획득하는 단계(7)
를 포함하는,
비파괴 방법. - 제 1 항에 있어서,
상기 상대적인 방향을 결정하는 단계(4), 상기 적어도 하나의 회전 각도를 결정하는 단계(5), 상기 물품을 이동시키는 단계(6), 상기 추가 투영 이미지를 획득하는 단계(7)가 바람직하게는 2 내지 20 개의 추가 시야 각도를 포함하는 하나 이상의 추가 시야 각도에 대한 루프에서 반복되며(8), 여기서 마지막 단계(7)에서 획득된 추가 투영 또는 지금까지 획득된 추가 투영의 조합은 상기 방사선 이미징 시스템에 대한 상기 물품의 상대적인 방향을 결정하는 단계(4)가 후속 루프에서 수행되는 것에 기초하는 투영으로서 사용되는,
방법. - 제 1 항 또는 제 2 항에 있어서,
상기 복수의 시뮬레이션된 투영 이미지를 획득하는 단계(3)는 상기 복수의 시뮬레이션된 투영 이미지의 라이브러리를 획득하는 단계를 포함하고, 여기서 상기 복수의 시뮬레이션된 투영 이미지는 상기 3 차원 수치 모델에 기초하여 미리 계산되는,
방법. - 제 1 항 또는 제 2 항에 있어서,
상기 복수의 시뮬레이션된 투영 이미지를 획득하는 단계는 상기 물품 또는 상기 물품의 적어도 하나의 구성 요소의 상기 3 차원 수치 모델을 획득하는 단계와, 적어도 하나의 기하학적 파라미터의 복수의 값에 대해 상기 물품 또는 상기 물품의 적어도 하나의 구성 요소의 상기 수치 모델에 기초하여 상기 복수의 투영 이미지를 시뮬레이션하는 단계를 포함하는,
방법. - 제 4 항에 있어서,
상기 복수의 시뮬레이션된 투영 이미지를 시뮬레이션하는 상기 단계는 상기 수치 모델을 통해 방사선 소스로부터의 이온화 방사선의 다색 광선을 시뮬레이션된 이미지 검출기에 가상으로 캐스팅하는 단계를 포함하고, 여기서 상기 방사선 이미징 시스템은 상기 다색 광선을 가상으로 캐스팅하는데 사용되는 기하학적 및 스펙트럼 파라미터에 실질적으로 대응하는,
방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 물품의 양호한 가시성의 하나 이상의 각도에 대응하거나 그 주위에 군집된 하나 이상의 추가 시야 각도 및/또는 시야 각도를 결정하는 단계(10)를 더 포함하는,
방법. - 제 6 항에 있어서,
상기 시야 각도 및/또는 하나 이상의 추가 시야 각도를 결정하는 단계(10)는 상기 적어도 하나의 기하학적 파라미터에 걸친 복수의 시뮬레이션된 투영 이미지 내의 관심있는 2 차원 영역에서의 품질 측정 및/또는 상기 적어도 하나의 기하학적 파라미터에 걸친 복수의 시뮬레이션된 투영 이미지 내의 대응하는 2 차원 영역에 재투영되는 수치 모델 내의 관심있는 3 차원 영역에서의 품질 측정의 최적화에 의해 상기 하나 이상의 시야 각도를 계산하는 단계를 포함하는,
방법. - 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
상기 방사선 이미징 시스템에 대한 상기 물품의 상대적인 방향을 결정하는 단계(4)는 상기 투영 이미지와 상기 복수의 시뮬레이션된 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환을 결정하는 단계를 포함하며, 상기 변환은 상기 투영 이미지와 상기 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정 값을 수치적으로 최적화함으로써 또는 상기 투영 이미지를 상기 복수의 시뮬레이션된 투영 이미지에 대해 훈련된 기계 학습 알고리즘에 입력으로서 인가함으로써 결정되며, 여기서 상기 2 차원 변환의 하나 이상의 파라미터는 투영 이미지 평면에서의 물품의 병진 및/또는 회전을 나타내는,
방법. - 제 8 항에 있어서,
상기 물품의 상대적인 방향을 결정하는 단계(4)는 상기 선택된 시뮬레이션된 투영 이미지에서와 같이 상기 물품이 실질적으로 위치되고 방향 설정되는 변환된 투영 이미지를 획득하도록 상기 2 차원 변환에 의해 상기 투영 이미지를 변환하는 단계를 포함하는,
방법. - 제 8 항 또는 제 9 항에 있어서,
상기 물품의 상대적인 방향을 결정하는 단계(4)는 상기 2 차원 변환의 하나 이상의 파라미터를 고려하여 3 차원 공간에서의 상기 물품의 위치 및 방향을 결정하는 단계를 포함하는,
방법. - 제 9 항 또는 제 10 항에 있어서,
상기 변환된 투영 이미지와 상기 복수의 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정은 적어도 하나의 기하학적 파라미터를 결정하도록 적어도 하나의 기하학적 파라미터의 함수로서 최적화되고, 또는 상기 적어도 하나의 기하학적 파라미터는 입력으로서 상기 투영 이미지와 함께 제공될 때 상기 기계 학습 알고리즘의 예측에 의해 결정되고, 상기 기계 학습 알고리즘은 상기 복수의 시뮬레이션된 투영 이미지 및 관련 기하학적 파라미터에 대해 훈련되는,
방법. - 제 11 항에 있어서,
3 차원 공간에서의 물품의 위치 및 방향은 상기 적어도 하나의 기하학적 파라미터 및 상기 2 차원 변환의 하나 이상의 파라미터를 고려함으로써 결정되는,
방법. - 제 1 항 내지 제 12 항 중 어느 한 항에 있어서,
상기 적어도 하나의 회전 각도를 결정하는 단계(5)는 적어도 하나의 병진 구성 요소를 결정하는 단계를 또한 포함하고, 상기 물품 및/또는 방사선 이미징 시스템을 이동시키는 단계(6)는 상기 적어도 하나의 회전 각도 및 상기 적어도 하나의 병진 구성 요소에 따라 상기 물품 및/또는 상기 방사선 이미징 시스템을 이동시키는 단계를 포함하는,
방법. - 제 1 항 내지 제 13 항 중 어느 한 항에 있어서,
상기 시뮬레이션된 물품, 시뮬레이션된 방사선 소스, 및 상기 복수의 시뮬레이션된 투영 이미지에 걸쳐 변하는 시뮬레이션된 검출 평면 간의 상대적인 방향에 관한 적어도 하나의 기하학적 파라미터는 상기 물품 및/또는 상기 방사선 이미징 시스템을 이동(6)시키기 위한 회전 및/또는 병진 자유도에 대응하는 적어도 제 1 기하학적 파라미터를 포함하는,
방법. - 제 14 항에 있어서,
상기 적어도 하나의 기하학적 파라미터는 상기 이동시키는 단계(6)에 의해 제어되지 않는 상기 방사선 이미징 시스템에 대한 상기 물품의 회전 및/또는 병진 자유도에 대응하는 적어도 제 2 기하학적 파라미터를 포함하는,
방법. - 제 1 항 내지 제 15 항 중 어느 한 항에 있어서,
상기 획득된 투영 이미지를 상기 복수의 시뮬레이션된 투영 이미지와 비교하는 단계(9)는 상기 획득된 투영 이미지를 상기 복수의 시뮬레이션된 투영 이미지와 다수의 스케일로 반복적으로 비교하는 단계를 포함하고, 상기 복수의 시뮬레이션된 투영 이미지의 상이한 서브 세트는 각각의 스케일에서 상기 물품의 수치 모델 내의 상이한 레벨의 시뮬레이션된 세부 사항과 연관되고, 적어도 하나의 서브 세트는 상기 물품의 수치 모델과 연관되고, 적어도 하나의 추가 서브 세트는 상기 물품의 상기 적어도 하나의 구성 요소의 수치 모델과 연관되는,
방법. - 제 1 항 내지 제 16 항 중 어느 한 항에 있어서,
상기 물품 또는 적어도 물품의 구성 요소를 미리 결정된 결함 클래스 세트로 분류하는 추가 단계를 포함하고, 분류 단계는 상기 추가 투영 이미지와 상기 추가 투영 이미지의 뷰에 대응하는 시뮬레이션된 투영 이미지 간의 적어도 이미지 유사성 측정을 분류기에 인가하는 단계를 포함하고, 상기 분류기는 상기 추가 투영 이미지와 복수의 이러한 물품의 추가 투영 이미지의 뷰에 대응하는 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정을 훈련 데이터로서 수신하는,
방법. - 물품 검사를 위한 시스템(20)으로서,
- 물품의 투영 이미지를 획득하기 위한 방사선 이미징 시스템(21);
- 상기 물품 또는 상기 물품의 적어도 하나의 구성 요소의 수치적 3 차원 모델의 시뮬레이션에 기초하여, 상기 물품 또는 상기 물품의 적어도 하나의 구성 요소의 복수의 시뮬레이션된 투영 이미지를 제공하기 위한 시뮬레이터 또는 미리 계산된 라이브러리(22)로서, 시뮬레이션된 물품, 시뮬레이션된 방사선 소스, 및 시뮬레이션된 검출 평면 간의 상대적인 방향에 관련된 적어도 하나의 기하학적 파라미터는 상기 복수의 시뮬레이션된 투영 이미지에 걸쳐 변하는, 시뮬레이터 또는 미리 계산된 라이브러리(22);
- 상기 방사선 이미징 시스템에 대한 상기 물품의 상대적인 방향을 결정하기 위한 그래픽 처리 장치와 같은 프로세서(23)로서, 상대적인 방향을 결정하는 것은 투영 이미지를 상기 복수의 시뮬레이션된 투영 이미지와 비교하는 것을 포함하고, 상기 프로세서는 시야 각도 및 결정된 상대적인 방향을 고려하여 적어도 하나의 회전 각도를 결정하도록 또한 구성되는, 프로세서(23); 및
- 상기 프로세서에 의해 제어되며, 시야 각도로부터 상기 물품의 뷰에 대응하는 상기 물품의 추가 투영 이미지를 획득하기 위해 상기 물품 및/또는 상기 방사선 이미징 시스템을 서로에 대해 위치 및/또는 방향 설정하는 것과 같이 상기 결정된 적어도 하나의 회전 각도에 따라 상기 물품 및/또는 상기 방사선 이미징 시스템을 이동시키기 위한 액추에이터(24)
를 포함하는,
시스템. - 제 18 항에 있어서,
상기 프로세서는 상기 상대적인 방향을 반복적으로 결정하도록, 상기 적어도 하나의 회전 각도를 결정하도록, 상기 물품을 이동시키도록, 하나 이상의 추가 시야 각도에 대한 추가 투영 이미지를 획득하도록 구성되고, 마지막으로 획득된 추가 투영 이미지는 후속의 반복 루프에서 작동할 투영 이미지로서 사용되는,
시스템. - 제 18 항 또는 제 19 항에 있어서,
상기 프로세서는 상기 투영 이미지와 상기 복수의 시뮬레이션된 투영 이미지로부터 선택된 시뮬레이션된 투영 이미지 간의 2 차원 변환을 결정하도록 구성되고, 상기 변환은 상기 투영 이미지와 상기 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정을 수치적으로 최적화함으로써 결정되고, 상기 2 차원 변환의 하나 이상의 파라미터는 투영 이미지 평면에서의 물품의 병진 및/또는 회전을 나타내는,
시스템. - 제 20 항에 있어서,
상기 프로세서는 선택된 시뮬레이션된 투영 이미지에서와 같이 상기 물품이 실질적으로 위치되고 방향 설정되는 변환된 투영 이미지를 획득하기 위해 상기 2 차원 변환에 의해 상기 투영 이미지를 변환하도록, 그리고 상기 2 차원 변환의 하나 이상의 파라미터를 고려하여 3 차원 공간에서의 물품의 위치 및 방향을 결정하도록 구성되는,
시스템. - 제 21 항에 있어서,
상기 프로세서는 상기 적어도 하나의 기하학적 파라미터를 결정하기 위해 상기 적어도 하나의 기하학적 파라미터의 함수로서 상기 변환된 투영 이미지와 상기 복수의 시뮬레이션된 투영 이미지 간의 이미지 유사성 측정을 최적화하도록, 그리고 상기 적어도 하나의 기하학적 파라미터 및 상기 2 차원 변환의 하나 이상의 파라미터를 고려함으로써 3 차원 공간에서의 상기 물품의 위치 및 방향을 결정하도록 구성되는,
시스템. - 복수의 물품을 제조 또는 조작하기 위한 제조 또는 취급 환경에서 복수의 물품 중 각각의 물품의 품질 제어, 테스트, 분류, 선택, 계측 및/또는 소팅을 위한 제 1 항 내지 제 22 항 중 어느 한 항에 따른 방법 또는 시스템의 용도.
- 프로세서 상에서 실행될 때, 제 1 항 내지 제 17 항 중 어느 한 항에 따른 방법을 구현하기 위한 컴퓨터 프로그램 제품으로서,
상기 프로세서는 상기 물품의 투영 이미지를 획득하기 위한 방사선 이미징 시스템 및 상기 방사선 이미징 시스템에 상대적으로 상기 물품을 이동시키기 위한 액추에이터와 인터페이스하는,
컴퓨터 프로그램 제품.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18180893.2 | 2018-06-29 | ||
| EP18180893 | 2018-06-29 | ||
| EP19166687 | 2019-04-02 | ||
| EP19166687.4 | 2019-04-02 | ||
| PCT/EP2019/067584 WO2020002704A1 (en) | 2018-06-29 | 2019-07-01 | Item inspection by dynamic selection of projection angle |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210049086A true KR20210049086A (ko) | 2021-05-04 |
Family
ID=67060421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217001754A KR20210049086A (ko) | 2018-06-29 | 2019-07-01 | 투영각의 동적 선택에 의한 물품 검사 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11953451B2 (ko) |
| EP (1) | EP3814758A1 (ko) |
| JP (1) | JP7422689B2 (ko) |
| KR (1) | KR20210049086A (ko) |
| CN (1) | CN112567231A (ko) |
| WO (1) | WO2020002704A1 (ko) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8108168B2 (en) * | 2009-03-12 | 2012-01-31 | Etegent Technologies, Ltd. | Managing non-destructive evaluation data |
| EP3814759B1 (en) | 2018-06-29 | 2023-09-06 | Universiteit Antwerpen | Item inspection by radiation imaging using an iterative projection-matching approach |
| WO2020245889A1 (ja) * | 2019-06-03 | 2020-12-10 | 日本電気株式会社 | 点検装置、制御方法、及びプログラム |
| IT201900019454A1 (it) * | 2019-10-21 | 2021-04-21 | Microtec Srl | Metodo e apparecchiatura per l'esecuzione di un esame tomografico di un oggetto |
| JP7451306B2 (ja) | 2020-05-29 | 2024-03-18 | 株式会社東芝 | 非破壊構造解析装置、非破壊構造検査装置および非破壊構造解析方法 |
| JP7435303B2 (ja) * | 2020-06-23 | 2024-02-21 | オムロン株式会社 | 検査装置、ユニット選択装置、検査方法、及び検査プログラム |
| US20220086404A1 (en) * | 2020-09-17 | 2022-03-17 | Iview Displays (Shenzhen) Company Ltd. | Dynamic projection method for target tracking and a dynamic projection equipment |
| US20230410364A1 (en) * | 2020-09-29 | 2023-12-21 | Kitov Systems Ltd | Semantic segmentation of inspection targets |
| DE102020129792B4 (de) * | 2020-11-11 | 2023-03-09 | Volume Graphics Gmbh | Computerimplementiertes Verfahren zum Ermitteln eines Werts eines geometrischen Parameters |
| US11900667B2 (en) * | 2021-04-28 | 2024-02-13 | International Business Machines Corporation | Parametric curves based detector network |
| CN114460093A (zh) * | 2022-01-29 | 2022-05-10 | 新拓三维技术(深圳)有限公司 | 一种航空发动机缺陷检测方法及系统 |
| JP2023127798A (ja) * | 2022-03-02 | 2023-09-14 | オムロン株式会社 | ワークの傷検出のシミュレーションを実行する装置、当該シミュレーションを実行する方法、および、当該シミュレーションを実現するプログラム |
| CN117916581A (zh) * | 2022-03-28 | 2024-04-19 | 三菱重工业株式会社 | 检查支援系统、检查支援方法及检查支援程序 |
| WO2023232891A1 (en) | 2022-05-31 | 2023-12-07 | Deltaray Bv | Radiation imaging system for inspection of items having an uncertain pose and method therefor |
| CN115620030B (zh) * | 2022-12-06 | 2023-04-18 | 浙江正泰智维能源服务有限公司 | 一种图像匹配方法、装置、设备、介质 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7907765B2 (en) * | 2001-03-28 | 2011-03-15 | University Of Washington | Focal plane tracking for optical microtomography |
| US8660328B2 (en) | 2008-06-27 | 2014-02-25 | Wolfram R. JARISCH | High efficiency computer tomography |
| CN102648406A (zh) | 2009-09-30 | 2012-08-22 | 分光扫描公司 | 射频综合样品检查方法 |
| DE102010040634A1 (de) * | 2010-09-13 | 2012-03-15 | Siemens Aktiengesellschaft | Verfahren zur 2D/3D-Registrierung |
| GB201112359D0 (en) * | 2011-07-19 | 2011-08-31 | Univ Antwerpen | Filter for tomographic reconstruction |
| DE102012217610A1 (de) * | 2012-09-27 | 2014-04-17 | Siemens Aktiengesellschaft | Verfahren zur Auswertung n-dimensionaler Projektionsbilder und Röntgeneinrichtung |
| CN105682559B (zh) * | 2013-09-25 | 2019-07-09 | 瓦里安医疗系统公司 | 用于估计散射的方法和系统 |
| US10274438B2 (en) * | 2013-11-15 | 2019-04-30 | Sumitomo Rubber Industries, Ltd. | Method for observing deformation of elastic material and apparatus for capturing projection image of elastic material |
| TWI518583B (zh) | 2014-04-18 | 2016-01-21 | 三緯國際立體列印科技股份有限公司 | 立體列印裝置及其列印異常偵測方法 |
| GB201504360D0 (en) * | 2015-03-16 | 2015-04-29 | Univ Leuven Kath | Automated quality control and selection system |
| US20180150929A1 (en) | 2015-05-11 | 2018-05-31 | Siemens Aktiengesellschaft | Method and system for registration of 2d/2.5d laparoscopic and endoscopic image data to 3d volumetric image data |
| KR101717768B1 (ko) | 2015-06-17 | 2017-03-27 | 주식회사 쓰리디산업영상 | 부품 결함 검사 방법 및 그 장치 |
| WO2017013573A1 (en) | 2015-07-20 | 2017-01-26 | Sabic Global Technologies B.V. | Fertilizer composition and methods of making and using same |
| FI20155856A (fi) * | 2015-11-18 | 2017-05-19 | Teknologian Tutkimuskeskus Vtt Oy | Menetelmiä ja laitteita läpitunkevaa kuvantamista varten |
| JP6846003B2 (ja) | 2016-09-13 | 2021-03-24 | 大日本印刷株式会社 | 造形物検査装置、造形物検査制御装置および造形物検査方法 |
| FR3070084B1 (fr) | 2017-08-10 | 2019-08-30 | Safran | Procede de controle automatique non destructif de pieces mecaniques |
| EP3814759B1 (en) | 2018-06-29 | 2023-09-06 | Universiteit Antwerpen | Item inspection by radiation imaging using an iterative projection-matching approach |
-
2019
- 2019-07-01 EP EP19733527.6A patent/EP3814758A1/en active Pending
- 2019-07-01 US US17/251,996 patent/US11953451B2/en active Active
- 2019-07-01 KR KR1020217001754A patent/KR20210049086A/ko not_active Application Discontinuation
- 2019-07-01 CN CN201980041954.8A patent/CN112567231A/zh active Pending
- 2019-07-01 WO PCT/EP2019/067584 patent/WO2020002704A1/en active Application Filing
- 2019-07-01 JP JP2020573202A patent/JP7422689B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112567231A (zh) | 2021-03-26 |
| EP3814758A1 (en) | 2021-05-05 |
| JP7422689B2 (ja) | 2024-01-26 |
| US11953451B2 (en) | 2024-04-09 |
| JP2021530051A (ja) | 2021-11-04 |
| WO2020002704A1 (en) | 2020-01-02 |
| US20210270755A1 (en) | 2021-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11953451B2 (en) | Item inspection by dynamic selection of projection angle | |
| US10825165B2 (en) | Inspection method for a manufactured article and system for performing same | |
| US10520452B2 (en) | Automated quality control and selection | |
| JP7323517B2 (ja) | 複数の製造物体のインライン寸法制御のための方法及び設備 | |
| EP3814759B1 (en) | Item inspection by radiation imaging using an iterative projection-matching approach | |
| US20220244194A1 (en) | Automated inspection method for a manufactured article and system for performing same | |
| Gamdha et al. | Automated defect recognition on X-ray radiographs of solid propellant using deep learning based on convolutional neural networks | |
| US11954848B2 (en) | Method and installation for the in-line dimensional control of manufactured objects | |
| WO2016195058A1 (ja) | 画像取得装置及び画像取得方法並びに画像補正プログラム | |
| Fleßner et al. | Assessment of the single point uncertainty of dimensional CT measurements | |
| JP2023166550A (ja) | コンピュータ断層撮影撮像のための散乱補正 | |
| JP2020094893A (ja) | データ処理方法、データ処理装置、およびデータ処理プログラム | |
| Presenti et al. | CAD-based defect inspection with optimal view angle selection based on polychromatic X-ray projection images | |
| Hilpert et al. | Simulation-aided computed tomography (CT) for dimensional measurements | |
| JP2022071850A (ja) | 測定データの評価に必要な少なくとも１つの幾何学的パラメータを決定するためのコンピュータ実装方法 | |
| US11719651B2 (en) | Part inspection method using computed tomography | |
| EP4160537A2 (en) | System and method for accelerated convergence of iterative tomographic reconstruction | |
| RU2802404C2 (ru) | Способ и установка для линейного размерного контроля изготовленных объектов | |
| Koenig et al. | Object pose estimation using a set of local radiographs of a part and its CAD model | |
| CN116034267A (zh) | 用于优化物体测量数据确定的计算机实现方法 | |
| Barbuzza et al. | Quality assurance of manufactures by means of intelligent tomographic processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal |