KR20220089500A - 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법 - Google Patents
인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR20220089500A KR20220089500A KR1020200180197A KR20200180197A KR20220089500A KR 20220089500 A KR20220089500 A KR 20220089500A KR 1020200180197 A KR1020200180197 A KR 1020200180197A KR 20200180197 A KR20200180197 A KR 20200180197A KR 20220089500 A KR20220089500 A KR 20220089500A
- Authority
- KR
- South Korea
- Prior art keywords
- aggregate
- image
- concrete
- outline
- artificial intelligence
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims description 43
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 239000000463 material Substances 0.000 claims abstract description 42
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 22
- 238000005469 granulation Methods 0.000 claims description 11
- 230000003179 granulation Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 1
- 230000006854 communication Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 6
- 239000004568 cement Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000004576 sand Substances 0.000 description 4
- 239000012615 aggregate Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007873 sieving Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- G01N15/1463—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
인공지능을 이용한 콘크리트용 골재 품질 측정 장치는 콘크리트 자재의 이송 시스템에서 주기적으로 콘크리트 자재 이미지를 촬영하는 촬영부, 상기 콘크리트 자재 이미지를 복수의 영역으로 분할하고, 상기 복수의 영역 각각에 대해 골재가 포함되어 있는지 판별하여 골재 이미지를 수집하는 골재 인식부, 상기 골재 이미지를 일자별, 시간별로 구분하여 복수의 폴더에 저장하는 이미지 저장부, 및 딥러닝 기반으로 상기 골재 이미지에서 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 검출 결과를 산출하는 골재 검출부를 포함한다.
Description
본 발명은 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법에 관한 것으로, 더욱 상세하게는 골재의 품질을 실시간으로 측정 및 관리할 수 있는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법에 관한 것이다.
시멘트 콘크리트는 골재, 모래, 물, 시멘트 등의 기초 자재를 혼합하여 생성된다. 콘크리트의 대부분을 골재가 차지하고 있으며, 그 만큼 골재는 콘크리트의 품질을 좌우하는 주요한 건설 기초 자재이다. 골재의 품질 기준은 절대건조밀도, 수분흡수율, 크기, 입자모양, 마모율 등으로 엄격한 기준으로 관리된다.
이러한 주요 자재임에도 불구하고 골재의 품질 관리가 현실적으로 어려운 점이 있다. 콘크리트 생산 업체에서는 정기적으로 골재의 상태를 확인하기 위해서 이송중인 골재를 퍼서 체가름 방식 등과 같은 다양한 방법을 이용하여 골재에 대한 품질 관리를 진행하고 있다. 이러한 방법은 인력을 이용하여 실제 측정하는 방식이고, 하루 생산량을 위한 골재의 일부를 채취하여 체가름 방식 등으로 조립율, 입도를 측정하므로 전체적인 골재를 평가하기에는 부적합하다.
본 발명이 해결하고자 하는 기술적 과제는 콘크리트 생산에 있어서 골재의 품질을 실시간으로 측정 및 관리할 수 있는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법을 제공함에 있다.
본 발명의 일 실시예에 따른 인공지능을 이용한 콘크리트용 골재 품질 측정 장치는 콘크리트 자재의 이송 시스템에서 주기적으로 콘크리트 자재 이미지를 촬영하는 촬영부, 상기 콘크리트 자재 이미지를 복수의 영역으로 분할하고, 상기 복수의 영역 각각에 대해 골재가 포함되어 있는지 판별하여 골재 이미지를 수집하는 골재 인식부, 상기 골재 이미지를 일자별, 시간별로 구분하여 복수의 폴더에 저장하는 이미지 저장부, 및 딥러닝 기반으로 상기 골재 이미지에서 골재를 검출하고 검출된 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 검출 결과를 산출하는 골재 검출부를 포함한다.
상기 골재 검출부는 상기 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 상기 검출 결과를 상기 골재 이미지가 저장되어 있는 폴더에 저장할 수 있다.
상기 골재 검출부는 상기 골재 이미지를 전처리하여 노이즈를 제거하고, 상기 노이즈가 제거된 골재 이미지로부터 골재의 외곽선을 검출하고, 상기 골재의 외곽선으로부터 골재의 크기, 형상, 분포를 검출하여 상기 검출 결과를 산출할 수 있다.
상기 골재 검출부는 상기 노이즈가 제거된 골재 이미지를 확대 및 축소하면서 상기 골재의 외곽선을 검출하여 뭉쳐진 골재의 외곽선을 하나의 골재에 대한 외곽선으로 분리하여 검출할 수 있다.
상기 골재 인식부는 템플릿 매칭 기법으로 천연골재의 형태와 순환골재의 형태에 대응하는 도형들을 상기 콘크리트 자재 이미지에서 추출하여 골재가 포함되어 있는지 판별할 수 있다.
본 발명의 다른 실시예에 따른 인공지능을 이용한 콘크리트용 골재 품질 측정 방법은 주기적으로 콘크리트 자재 이미지를 촬영하는 단계, 상기 콘크리트 자재 이미지를 복수의 영역으로 분할하고, 상기 복수의 영역 각각에 대해 골재가 포함되어 있는지 판별하여 골재 이미지를 수집하는 단계, 및 딥러닝 기반으로 상기 골재 이미지에서 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 검출 결과를 산출하는 단계를 포함한다.
상기 골재 이미지를 수집하는 단계는, 템플릿 매칭 기법으로 천연골재의 형태와 순환골재의 형태에 대응하는 도형들을 상기 콘크리트 자재 이미지에서 추출하여 골재가 포함되어 있는지 판별하는 단계를 포함할 수 있다.
상기 인공지능을 이용한 콘크리트용 골재 품질 측정 방법은 상기 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 상기 검출 결과를 상기 골재 이미지가 저장되어 있는 폴더에 저장하는 단계를 더 포함할 수 있다.
상기 검출 결과를 산출하는 단계는, 상기 골재 이미지를 전처리하여 노이즈를 제거하는 단계, 상기 노이즈가 제거된 골재 이미지로부터 골재의 외곽선을 검출하는 단계, 및 상기 골재의 외곽선으로부터 골재의 크기, 형상, 분포를 검출하여 상기 검출 결과를 산출하는 단계를 포함할 수 있다.
상기 노이즈가 제거된 골재 이미지로부터 골재의 외곽선을 검출하는 단계는, 상기 노이즈가 제거된 골재 이미지를 확대 및 축소하면서 상기 골재의 외곽선을 검출하여 뭉쳐진 골재의 외곽선을 하나의 골재에 대한 외곽선으로 분리하여 검출하는 단계를 포함할 수 있다.
콘크리트 생산에 있어서 골재의 품질을 실시간으로 측정 및 관리하여 콘크리트의 품질을 향상시킬 수 있다.
그리고 골재의 품질 검사를 자동화하여 실시간으로 골재의 상태를 분석 및 파악하여 콘크리트 생산의 균일성을 확보할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 콘크리트용 골재 품질 측정 장치를 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 골재 이미지를 수집하는 과정을 나타내는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 이미지 전송을 위한 통신 과정을 나타내는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 골재 검출 및 저장 과정을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 골재 검출 알고리즘을 나타내는 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 골재 이미지를 수집하는 과정을 나타내는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 이미지 전송을 위한 통신 과정을 나타내는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 골재 검출 및 저장 과정을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 골재 검출 알고리즘을 나타내는 흐름도이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 따른 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 콘크리트용 골재 품질 측정 장치를 나타내는 블록도이다.
도 1을 참조하면, 인공지능을 이용한 콘크리트용 골재 품질 측정 장치(100)는 촬영부(110), 골재 인식부(120), 골재 검출부(130) 및 이미지 저장부(140)를 포함한다.
촬영부(110)는 콘크리트 자재의 이송 시스템(예를 들어, 컨베이어 밸트)(200)에서 주기적으로 콘크리트 자재 이미지를 촬영하는 카메라를 포함한다. 콘크리트 자재는 골재, 모래, 시멘트 등을 포함할 수 있다. 골재는 천연골재, 순환골재를 포함할 수 있다. 순환골재는 콘크리트를 잘게 부수고 분리해서 골재만 모아 재사용되는 골재이다. 촬영부(110)는 이송 시스템(200)에 의해 일정한 속도로 이송되는 콘크리트 자재를 주기적으로 촬영하여 콘크리트 자재 이미지를 획득할 수 있다. 촬영부(110)는 콘크리트 자재를 1초 주기로 촬영할 수 있다. 촬영부(110)는 USB(Universal Serial Bus), GigE(Gigabit Ethernet), CL(Camera Link), CXP(CoaXPress), 무선 통신(WiFi, CDMA 등) 중 적어도 하나를 이용하여 골재 인식부(120)와 연결될 수 있다. 촬영부(110)는 1초 주기로 획득된 콘크리트 자재 이미지를 골재 인식부(120)에 전달할 수 있다.
골재 인식부(120)는 촬영부(110)로부터 주기적으로 입력되는 콘크리트 자재 이미지에서 골재가 있는지를 판별한다. 골재 인식부(120)는 콘크리트 자재 이미지를 복수의 영역(예를 들어, 52×52 영역)으로 분할하고, 복수의 영역 각각에 대해 템플릿 매칭 기법과 같은 영상 처리 방식으로 골재가 포함되어 있는지를 판별할 수 있다. 템플릿 매칭 기법은 골재의 형태에 대응하는 도형을 이미지에서 추출하는 기법이다. 예를 들어, 천연골재는 부드러운 곡면을 갖는 원형 형태를 가질 수 있고, 순환골재는 원형 형태에서 표면에 볼록한 부분 또는 오목한 부분이 형성되어 있는 형태를 가질 수 있다. 즉, 골재 인식부(120)는 천연골재의 형태와 순환골재의 형태에 대응하는 도형들을 콘크리트 자재 이미지에서 추출하여 골재가 포함되어 있는지를 판별할 수 있다.
골재 인식부(120)는 콘크리트 자재 이미지에서 골재가 인식되면 특정 시간 단위로 일정 시간 동안 골재 이미지를 수집한다. 골재 이미지는 골재가 포함되어 있는 콘크리트 자재 이미지를 의미한다. 예를 들어, 골재 인식부(120)는 콘크리트 자재 이미지에서 골재가 인식된 이후부터 500ms 단위로 5초 동안 10개 골재 이미지를 수집할 수 있다. 이때, 촬영부(110)는 골재 인식부(120)의 요청에 따라 콘크리트 자재 이미지를 500ms 주기로 촬영할 수 있다. 골재 인식부(120)는 수집된 골재 이미지를 골재 검출부(130)에 전달한다. 그리고 골재 인식부(120)는 다시 1초 단위로 입력되는 콘크리트 자재 이미지에서 골재가 있는지를 판별하는 과정을 반복하여 수행할 수 있다.
도 2를 참조하여 골재 인식부(120)가 골재 이미지를 수집하는 과정에 대해 더욱 상세하게 설명한다. 도 2는 본 발명의 일 실시예에 따른 골재 이미지를 수집하는 과정을 나타내는 흐름도이다.
도 2를 참조하면, 콘크리트 자재의 이송 시스템(200)에 골재가 투입된다(S111). 도 1에서 상술한 바와 같이, 촬영부(110)는 콘크리트 자재 이미지를 촬영하여 골재 인식부(120)에 제공하고, 골재 인식부(120)는 콘크리트 자재 이미지에서 골재가 있는지를 판별한다.
골재 인식부(120)는 콘크리트 자재 이미지에서 골재가 인식되면 골재 이미지(ImA)를 수집한다(S112).
골재 인식부(120)는 버퍼에 저장된 골재 이미지(ImA)가 10개보다 작은지 판단한다(S113).
버퍼에 저장된 골재 이미지(ImA)가 10개보다 작은 경우, 골재 인식부(120)는 수집된 골재 이미지(ImA)를 버퍼에 추가 저장한다(S114). 버퍼에 저장된 골재 이미지(ImA)가 10개인 경우, 골재 인식부(120)는 수집된 골재 이미지(ImA)를 더 이상 저장하지 않는다.
골재 인식부(120)는 골재 투입이 종료되는지 여부를 판단한다(S115). 골재 인식부(120)는 콘크리트 자재 이미지에서 골재를 판별하는 과정을 수행하여 콘크리트 자재 이미지에 골재가 포함되지 않는지를 확인하여 골재 투입의 종료를 판단할 수 있다. 골재 투입이 종료되지 않는 경우, 골재 인식부(120)는 골재 이미지 수집(S112)부터 골재 이미지 저장(S114) 과정을 반복적으로 수행할 수 있다.
골재 투입이 종료되면, 골재 인식부(120)는 버퍼에 저장된 골재 이미지(ImA)가 10개보다 작은지 판단한다(S116).
버퍼에 저장된 골재 이미지(ImA)가 10개인 경우, 골재 인식부(120)는 골재 검출부(130)와의 통신 연결 상태를 확인하고(S117), 통신 연결되어 있는 경우 골재 검출부(130)에 버퍼에 저장된 골재 이미지(ImA)를 전송하고(S118), 골재 이미지(ImA)의 수집을 종료한다(S119).
버퍼에 저장된 골재 이미지(ImA)가 10개보다 작거나 골재 검출부(130)와의 통신 연결되어 있지 않은 경우, 골재 인식부(120)는 골재 이미지(ImA)의 전송 없이 골재 이미지의 수집을 종료할 수 있다.
이러한 과정을 통해, 골재 인식부(120)는 연속적으로 투입되는 골재에 대한 골재 이미지(ImA)를 10개 단위로 수집하여 골재 검출부(130)에 제공할 수 있다.
다시 도 1을 참조하면, 골재 검출부(130)는 소켓을 이용하여 골재 인식부(120)와 연결되어 있을 수 있다. 또는 골재 검출부(130)는 통신 서버를 통하여 골재 인식부(120)와 연결될 수 있다. 골재 검출부(130)는 평상시에는 대기 상태에 있다가 골재 인식부(120)로부터 이미지 전송 요청 메시지를 수신하면 골재 검출 과정을 시작한다. 골재 검출부(130)는 골재 인식부(120)로부터 수신된 골재 이미지를 이미지 저장부(140)에 저장하고, 골재 이미지에서 골재의 입도, 조립율, 입형율 등을 검출할 수 있다.
이미지 저장부(140)는 골재 이미지를 일자별(년월일), 시간별(시분초)로 구분하여 복수의 폴더를 생성하고, 각 폴더에 10개 단위로 수집된 골재 이미지를 저장할 수 있다.
도 3을 참조하여 골재 인식부(120)와 골재 검출부(130) 간의 통신 과정에 대하여 더욱 상세하게 설명한다. 도 3은 본 발명의 일 실시예에 따른 이미지 전송을 위한 통신 과정을 나타내는 흐름도이다.
도 3을 참조하면, 골재 검출부(130)는 통신 서버와의 통신을 시작한다(S121). 골재 검출부(130)는 TCP(Transmission Control Protocol) 통신으로 통신 서버와의 연결 과정을 수행할 수 있다(S122). 골재 검출부(130)는 통신 서버와의 연결이 성공되었는지 확인하고(S123), 통신 연결이 성공할 때까지 통신 서버와의 연결 과정을 반복할 수 있다.
통신 서버와의 연결이 성공하면, 골재 검출부(130)는 골재 인식부(120)로부터 이미지 전송 요청 메시지가 수신되는지 여부를 확인한다(S124).
골재 검출부(130)는 이미지 전송 요청 메시지가 수신된 후 골재 인식부(120)로부터 골재 이미지를 전송받는다(S125). 골재 이미지는 500ms 간격으로 5초 동안 촬영된 10개의 이미지를 포함할 수 있다.
도 4를 참조하여 골재 검출부(130)가 골재 이미지에서 골재를 검출하고, 그 결과를 이미지 저장부(140)에 저장하는 과정에 대하여 설명한다. 도 4는 본 발명의 일 실시예에 따른 골재 검출 및 저장 과정을 나타내는 흐름도이다.
도 4를 참조하면, 골재 검출부(130)는 지속적으로 골재 이미지에서 골재를 검출하는 과정을 수행하지 않고 하루 중 특정 시각에 골재 이미지에서 골재를 검출하는 과정을 수행할 수 있다. 이를 위해, 골재 검출부(130)는 현재 시각을 확인한다(S131). 골재 검출부(130)는 현재 시각이 골재 검출 수행 시각이 되면 이미지 저장부(140)에 저장된 골재 이미지 또는 실시간으로 수신되는 골재 이미지에서 골재를 검출하는 과정을 수행할 수 있다.
골재 검출부(130)는 이미지 저장부(140)에 저장된 날짜 폴더를 확인하여 오늘 날짜에 해당하는 폴더를 찾는다(S132).
골재 검출부(130)는 오늘 날짜 폴더에서 복수의 시간별 폴더 각각에 골재 이미지(ImA)가 10개씩 저장되어 있는지 확인한다(S133). 골재 검출부(130)는 복수의 시간별 폴더 중에서 골재 이미지(ImA)가 10개씩 저장되어 있는 폴더를 선별할 수 있다.
골재 검출부(130)는 골재 이미지(ImA)가 10개씩 저장되어 있는 폴더에 저장된 골재 이미지(ImA)에 대해 검출 알고리즘을 수행한다(S134). 검출 알고리즘에 의해 골재의 입도(grading), 조립율(fineness modulus), 입형율(grain shape) 등이 산출될 수 있다.
골재 검출부(130)는 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 검출 결과를 이미지 저장부(140)에 저장한다(S135). 검출 결과는 CSV(comma separated values) 파일 등으로 형성되어 대응하는 골재 이미지(ImA)가 저장되어 있는 폴더에 함께 저장될 수 있다.
이하, 도 5를 참조하여 골재 검출 알고리즘에 대하여 더욱 상세하게 설명한다. 도 5는 본 발명의 일 실시예에 따른 골재 검출 알고리즘을 나타내는 흐름도이다.
도 5를 참조하면, 골재 검출부(130)는 복잡한 작업 환경에서 수집된 골재 이미지에 대한 노이즈를 제거하는 이미지 전처리를 수행한다(S1341). 골재 이미지에는 골재뿐만 아니라 모래, 시멘트, 이물질 등이 포함될 수 있으므로, 이미지 전처리를 통해 골재 이미지에서 모래, 시멘트, 이물질 등의 노이즈가 제거될 수 있다.
골재 검출부(130)는 딥러닝(deep learning) 기반으로 노이즈가 제거된 골재 이미지로부터 골재를 검출한다(S1342). 골재 검출부(130)는 딥러닝을 위한 네트워크에 연결되어 있을 수 있으며, 딥러닝 네트워크를 이용하여 골재 이미지로부터 골재의 외곽선을 검출할 수 있다. 골재에 포함된 수분으로 인하여 다수의 골재가 뭉치는 현상이 발생할 수 있고, 이러한 현상에 의한 오류를 제거하기 위하여 골재 이미지를 확대 및 축소하면서 골재의 외곽선을 검출하는 작업을 수행함으로써 뭉쳐진 골재의 외곽선을 하나의 골재에 대한 외곽선으로 분리하여 검출할 수 있다.
골재 검출부(130)는 외곽선이 검출된 골재 이미지에 대해 외곽선을 기준으로 골재의 크기별로 검출된 골재에 대해 레이블링(labeling) 작업을 수행한다(S1343).
골재 검출부(130)는 레이블링된 각각의 골재에 대한 분석을 수행한다(S1344). 골재 검출부(130)는 레이블링된 골재의 외곽선으로부터 골재의 크기, 형상, 분포를 검출할 수 있고, 이로부터 골재의 입도, 조립율, 입형율 등을 산출할 수 있다.
상술한 바와 같이, 본 발명의 일 실시예에 따른 인공지능을 이용한 콘크리트용 골재 품질 측정 장치(100)는 콘크리트의 생산 과정에서 골재의 품질 검사를 자동화하여 실시간으로 수행할 수 있다.
지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: 인공지능을 이용한 콘크리트용 골재 품질 측정 장치
110: 촬영부
120: 골재 인식부
130: 골개 검출부
140: 이미지 저장부
200: 이송 시스템
110: 촬영부
120: 골재 인식부
130: 골개 검출부
140: 이미지 저장부
200: 이송 시스템
Claims (10)
- 콘크리트 자재의 이송 시스템에서 주기적으로 콘크리트 자재 이미지를 촬영하는 촬영부;
상기 콘크리트 자재 이미지를 복수의 영역으로 분할하고, 상기 복수의 영역 각각에 대해 골재가 포함되어 있는지 판별하여 골재 이미지를 수집하는 골재 인식부;
상기 골재 이미지를 일자별, 시간별로 구분하여 복수의 폴더에 저장하는 이미지 저장부; 및
딥러닝 기반으로 상기 골재 이미지에서 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 검출 결과를 산출하는 골재 검출부를 포함하는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치. - 제1 항에 있어서,
상기 골재 검출부는 상기 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 상기 검출 결과를 상기 골재 이미지가 저장되어 있는 폴더에 저장하는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치. - 제1 항에 있어서,
상기 골재 검출부는 상기 골재 이미지를 전처리하여 노이즈를 제거하고, 상기 노이즈가 제거된 골재 이미지로부터 골재의 외곽선을 검출하고, 상기 골재의 외곽선으로부터 골재의 크기, 형상, 분포를 검출하여 상기 검출 결과를 산출하는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치. - 제3 항에 있어서,
상기 골재 검출부는 상기 노이즈가 제거된 골재 이미지를 확대 및 축소하면서 상기 골재의 외곽선을 검출하여 뭉쳐진 골재의 외곽선을 하나의 골재에 대한 외곽선으로 분리하여 검출하는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치. - 제1 항에 있어서,
상기 골재 인식부는 템플릿 매칭 기법으로 천연골재의 형태와 순환골재의 형태에 대응하는 도형들을 상기 콘크리트 자재 이미지에서 추출하여 골재가 포함되어 있는지 판별하는 인공지능을 이용한 콘크리트용 골재 품질 측정 장치. - 주기적으로 콘크리트 자재 이미지를 촬영하는 단계;
상기 콘크리트 자재 이미지를 복수의 영역으로 분할하고, 상기 복수의 영역 각각에 대해 골재가 포함되어 있는지 판별하여 골재 이미지를 수집하는 단계; 및
딥러닝 기반으로 상기 골재 이미지에서 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 검출 결과를 산출하는 단계를 포함하는 인공지능을 이용한 콘크리트용 골재 품질 측정 방법. - 제6 항에 있어서,
상기 골재 이미지를 수집하는 단계는,
템플릿 매칭 기법으로 천연골재의 형태와 순환골재의 형태에 대응하는 도형들을 상기 콘크리트 자재 이미지에서 추출하여 골재가 포함되어 있는지 판별하는 단계를 포함하는 인공지능을 이용한 콘크리트용 골재 품질 측정 방법. - 제6 항에 있어서,
상기 골재의 입도, 조립율, 입형율 중 적어도 하나를 포함하는 상기 검출 결과를 상기 골재 이미지가 저장되어 있는 폴더에 저장하는 단계를 더 포함하는 인공지능을 이용한 콘크리트용 골재 품질 측정 방법. - 제6 항에 있어서,
상기 검출 결과를 산출하는 단계는,
상기 골재 이미지를 전처리하여 노이즈를 제거하는 단계;
상기 노이즈가 제거된 골재 이미지로부터 골재의 외곽선을 검출하는 단계; 및
상기 골재의 외곽선으로부터 골재의 크기, 형상, 분포를 검출하여 상기 검출 결과를 산출하는 단계를 포함하는 인공지능을 이용한 콘크리트용 골재 품질 측정 방법. - 제9 항에 있어서,
상기 노이즈가 제거된 골재 이미지로부터 골재의 외곽선을 검출하는 단계는,
상기 노이즈가 제거된 골재 이미지를 확대 및 축소하면서 상기 골재의 외곽선을 검출하여 뭉쳐진 골재의 외곽선을 하나의 골재에 대한 외곽선으로 분리하여 검출하는 단계를 포함하는 인공지능을 이용한 콘크리트용 골재 품질 측정 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200180197A KR102466538B1 (ko) | 2020-12-21 | 2020-12-21 | 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200180197A KR102466538B1 (ko) | 2020-12-21 | 2020-12-21 | 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220089500A true KR20220089500A (ko) | 2022-06-28 |
| KR102466538B1 KR102466538B1 (ko) | 2022-11-11 |
Family
ID=82268377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200180197A KR102466538B1 (ko) | 2020-12-21 | 2020-12-21 | 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102466538B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2024079337A (ja) * | 2022-11-30 | 2024-06-11 | Ｕｂｅ三菱セメント株式会社 | 骨材の品質予測方法、生コンクリートの製造方法、及び、生コンクリートの製造システム |
| JP2024079338A (ja) * | 2022-11-30 | 2024-06-11 | Ｕｂｅ三菱セメント株式会社 | 骨材の品質予測方法、生コンクリートの製造方法、及び、生コンクリートの製造システム |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003307496A (ja) * | 2002-04-16 | 2003-10-31 | Ishikawajima Constr Mach Co | コンクリート用骨材判別装置 |
| KR101228200B1 (ko) * | 2011-02-09 | 2013-01-30 | 한국도로공사 | 화상분석을 이용한 골재 편장석 분류 장치 및 분류 방법 |
| KR101337328B1 (ko) * | 2012-07-13 | 2013-12-06 | 홍익대학교 산학협력단 | 형태필터를 이용한 영상처리 방식의 콘크리트 혼합물의 골재 선별 시스템 및 그 방법 |
| KR101936218B1 (ko) * | 2018-07-11 | 2019-01-08 | 주식회사 삼표 | 인공지능 학습기반 레디믹스트 콘크리트 생산 시스템 |
| JP6764982B1 (ja) * | 2019-07-29 | 2020-10-07 | 清水建設株式会社 | 分布推定システム、分布推定方法、および、分布推定プログラム |
-
2020
- 2020-12-21 KR KR1020200180197A patent/KR102466538B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003307496A (ja) * | 2002-04-16 | 2003-10-31 | Ishikawajima Constr Mach Co | コンクリート用骨材判別装置 |
| KR101228200B1 (ko) * | 2011-02-09 | 2013-01-30 | 한국도로공사 | 화상분석을 이용한 골재 편장석 분류 장치 및 분류 방법 |
| KR101337328B1 (ko) * | 2012-07-13 | 2013-12-06 | 홍익대학교 산학협력단 | 형태필터를 이용한 영상처리 방식의 콘크리트 혼합물의 골재 선별 시스템 및 그 방법 |
| KR101936218B1 (ko) * | 2018-07-11 | 2019-01-08 | 주식회사 삼표 | 인공지능 학습기반 레디믹스트 콘크리트 생산 시스템 |
| JP6764982B1 (ja) * | 2019-07-29 | 2020-10-07 | 清水建設株式会社 | 分布推定システム、分布推定方法、および、分布推定プログラム |
| JP2021022198A (ja) * | 2019-07-29 | 2021-02-18 | 清水建設株式会社 | 分布推定システム、分布推定方法、および、分布推定プログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2024079337A (ja) * | 2022-11-30 | 2024-06-11 | Ｕｂｅ三菱セメント株式会社 | 骨材の品質予測方法、生コンクリートの製造方法、及び、生コンクリートの製造システム |
| JP2024079338A (ja) * | 2022-11-30 | 2024-06-11 | Ｕｂｅ三菱セメント株式会社 | 骨材の品質予測方法、生コンクリートの製造方法、及び、生コンクリートの製造システム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102466538B1 (ko) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102466538B1 (ko) | 인공지능을 이용한 콘크리트용 골재 품질 측정 장치 및 방법 | |
| CA2833488C (en) | Shrimp processing system and methods | |
| CN103913468B (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
| US9622492B2 (en) | Shrimp processing system and methods | |
| JP2020062633A (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
| WO2011115666A2 (en) | Computer vision and machine learning software for grading and sorting plants | |
| CN114266989A (zh) | 一种混凝土拌合物和易性测定方法和装置 | |
| CN108445011A (zh) | 一种基于深度学习的瑕疵检测系统及方法 | |
| CN105009731B (zh) | 玉米考种方法及其系统 | |
| CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| KR102069835B1 (ko) | 불완전하게 건조된 원료의 검출, 제거, 이송 및 회수 시스템 | |
| CN112819796A (zh) | 烟丝异物识别方法及设备 | |
| CN111940339A (zh) | 一种基于人工智能的红枣分拣系统 | |
| JP7299570B2 (ja) | 土中異物除去装置及び土中異物除去方法 | |
| Koh et al. | Improving particle size measurement using multi-flash imaging | |
| US20230010394A1 (en) | Rock processing machine including image acquisition and image processing by a neural network | |
| CN115311589B (zh) | 一种用于采光建筑的隐患处理方法及设备 | |
| CN112396576A (zh) | 确定岩石样本的岩石块度分布的计算机实现的方法、服务器和终端设备 | |
| CN108692709A (zh) | 一种农田灾情检测方法、系统、无人机和云端服务器 | |
| Christie et al. | Fast inspection for size-based analysis in aggregate processing | |
| CN104198491B (zh) | 基于计算机视觉的烟丝中膨胀叶丝比例测定方法 | |
| JP2023515389A (ja) | 根菜類を収穫するかつ／または分離する機械を動作させるための方法、関連する機械、および関連するコンピュータプログラム製品 | |
| KR102621770B1 (ko) | 마늘 선별시스템 | |
| CN117289626B (zh) | 一种用于工业化的虚拟仿真方法及系统 | |
| JP2514724B2 (ja) | 画像処理方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |