KR20220161133A - Method and system for detecting surface damage on conveyor belts - Google Patents

Method and system for detecting surface damage on conveyor belts Download PDF

Info

Publication number
KR20220161133A
KR20220161133A KR1020210130832A KR20210130832A KR20220161133A KR 20220161133 A KR20220161133 A KR 20220161133A KR 1020210130832 A KR1020210130832 A KR 1020210130832A KR 20210130832 A KR20210130832 A KR 20210130832A KR 20220161133 A KR20220161133 A KR 20220161133A
Authority
KR
South Korea
Prior art keywords
conveyor belt
marker
photographing
damage
machine learning
Prior art date
Application number
KR1020210130832A
Other languages
Korean (ko)
Inventor
김병호
Original Assignee
(주)스포터
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)스포터 filed Critical (주)스포터
Publication of KR20220161133A publication Critical patent/KR20220161133A/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
    • 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
    • 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
    • G06N3/08—Learning methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0266—Control or detection relating to the load carrier(s)
    • B65G2203/0275—Damage on the load carrier
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/041—Camera

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Control Of Conveyors (AREA)

Abstract

A method and system for detecting surface damage on a conveyor belt are disclosed. According to an embodiment disclosed herein, a system for detecting surface damage on a conveyor belt comprises: a photographing device provided to photograph the surface of the conveyor belt; and a damage determining device for receiving the photographed image taken by the photographing device and determining whether or not the surface of the conveyor belt is damaged based on the photographed image.

Description

컨베이어 벨트의 표면 손상 감지 방법 및 시스템{METHOD AND SYSTEM FOR DETECTING SURFACE DAMAGE ON CONVEYOR BELTS}Conveyor belt surface damage detection method and system {METHOD AND SYSTEM FOR DETECTING SURFACE DAMAGE ON CONVEYOR BELTS}

본 발명의 실시예는 컨베이어 벨트의 표면 손상 감지 기술과 관련된다.Embodiments of the present invention relate to surface damage detection techniques on conveyor belts.

일반적으로, 컨베이어 벨트는 공장이나 물류 창고 등에서 원자재 또는 제품을 특정 장소로 이송하는 역할을 한다. 컨베이어 벨트를 장시간 사용하면 물품의 이송 과정에서 컨베이어 벨트에 구멍이 뚫리거나 컨베이어 벨트가 일부 찢어지는 등 손상이 발생할 수 있다. 이러한 컨베이어 벨트의 손상을 제때에 보수하지 않으면, 컨베이어 벨트가 절단되어 공정 상 큰 피해가 발생할 수 있으므로, 컨베이어 벨트의 손상을 감지할 수 있는 방안이 요구된다.In general, a conveyor belt serves to transport raw materials or products to a specific location in a factory or distribution warehouse. If the conveyor belt is used for a long time, damage such as a hole in the conveyor belt or a part of the conveyor belt being torn may occur during the transport of goods. If such damage to the conveyor belt is not repaired in time, the conveyor belt may be cut and cause great damage in the process. Therefore, a method for detecting damage to the conveyor belt is required.

한편, 컨베이어 벨트에는 원료에 의한 오염 또는 눌린 자국 등과 같이 컨베이어 벨트의 실제 손상과 구별이 어려운 흔적들이 있기 때문에, 기존에는 관리인이 육안으로 컨베이어 벨트의 손상을 확인하는 방법을 사용하였다. 이 경우, 컨베이어 벨트의 운행 속도를 현저히 낮추거나 컨베이어 벨트의 운행을 정지하여야 하므로, 전체 공정의 생산 효율이 줄어드는 문제가 있다. On the other hand, since the conveyor belt has traces that are difficult to distinguish from actual damage of the conveyor belt, such as contamination by raw materials or pressed marks, conventionally, a manager has used a method of visually confirming damage to the conveyor belt. In this case, since the operating speed of the conveyor belt must be significantly lowered or the conveyor belt must stop operating, there is a problem in that the production efficiency of the entire process is reduced.

한국등록특허공보 제10-1669137호(2016.10.25)Korean Patent Registration No. 10-1669137 (2016.10.25)

본 발명의 실시예는 컨베이어 벨트의 운행 속도를 낮추거나 정지시키지 않고도 그 손상을 감지할 수 있는 컨베이어 벨트의 표면 손상 감지 방법 및 시스템을 제공하기 위한 것이다.An embodiment of the present invention is to provide a method and system for detecting surface damage on a conveyor belt that can detect damage without slowing down or stopping the conveyor belt.

개시되는 일 실시예에 따른 컨베이어 벨트의 표면 손상 감지 시스템은, 컨베이어 벨트의 표면을 촬영하도록 마련되는 촬영 장치; 및 상기 촬영 장치가 촬영한 촬영 영상을 수신하고, 상기 촬영 영상에 기반하여 상기 컨베이어 벨트의 표면 손상 여부를 판단하는 손상 판단 장치를 포함한다.A surface damage detection system of a conveyor belt according to an embodiment disclosed herein includes a photographing device provided to photograph a surface of a conveyor belt; and a damage determination device for receiving a captured image captured by the photographing device and determining whether or not a surface of the conveyor belt is damaged based on the captured image.

상기 컨베이어 벨트의 표면에는 일정 간격으로 마커가 표시되고, 상기 마커는, 상기 마커가 표시되는 부분이 상기 컨베이어 벨트에서 어느 부분에 위치하는지를 나타내는 마커 식별 정보를 포함할 수 있다.Markers may be displayed on the surface of the conveyor belt at regular intervals, and the markers may include marker identification information indicating which part of the conveyor belt the part on which the marker is displayed is located.

상기 촬영 장치는, 상기 컨베이어 벨트가 운행되는 동안 상기 마커를 인식하여 마커 인식 신호를 생성하는 마커 인식 모듈; 및 상기 마커 인식 신호에 따라 상기 컨베이어 벨트의 표면을 촬영하도록 마련되는 촬영 모듈을 포함할 수 있다.The photographing device may include: a marker recognition module recognizing the marker while the conveyor belt is running and generating a marker recognition signal; and a photographing module provided to photograph the surface of the conveyor belt according to the marker recognition signal.

상기 마커는 상기 촬영 모듈의 촬영 범위에 따라 상기 컨베이어 벨트의 표면에 기 설정된 간격으로 마련될 수 있다.The markers may be provided at predetermined intervals on the surface of the conveyor belt according to the photographing range of the photographing module.

상기 촬영 모듈은, 상기 마커 인식 모듈로부터 상기 마커 인식 신호가 수신되는 경우, 대기 모드에서 촬영 모드로 전환하여 상기 컨베이어 벨트의 표면을 촬영한 후 다시 대기 모드로 전환할 수 있다.When the marker recognition signal is received from the marker recognition module, the photographing module may switch from a standby mode to a photographing mode, photograph the surface of the conveyor belt, and then switch to the standby mode again.

상기 손상 판단 장치는, 머신 러닝 모델(Machine Learning Model)을 포함하고, 상기 촬영 영상을 상기 머신 러닝 모델로 입력하여 상기 촬영 영상으로부터 상기 컨베이어 벨트의 표면 손상 여부를 분류하는 인공 신경망 모듈을 포함할 수 있다.The damage determination device includes a machine learning model, and inputs the captured image to the machine learning model to classify whether or not the surface of the conveyor belt is damaged from the captured image. It may include an artificial neural network module. have.

상기 인공 신경망 모듈은, 정상적인 컨베이어 벨트의 표면을 촬영한 제1 학습용 영상을 정상으로 라벨링 한 후, 상기 머신 러닝 모델에 입력하여 상기 머신 러닝 모델을 학습하고, 표면 상에 손상인 것처럼 보이는 흔적이 있으나 실제적으로는 손상이 없는 컨베이어 벨트의 표면을 촬영한 제2 학습용 영상을 정상으로 라벨링 한 후, 상기 머신 러닝 모델에 입력하여 상기 머신 러닝 모델을 학습하며, 표면에 손상이 있는 컨베이어 벨트의 표면을 촬영한 제3 학습용 영상을 손상으로 라벨링 한 후, 상기 머신 러닝 모델에 입력하여 상기 머신 러닝 모델을 학습할 수 있다.The artificial neural network module, after labeling the first training image photographed on the surface of a normal conveyor belt as normal, inputs it to the machine learning model to learn the machine learning model, and there are traces that appear to be damaged on the surface, but After labeling the second learning image, which was actually taken on the surface of the conveyor belt without damage, as normal, input it to the machine learning model to learn the machine learning model, and photograph the surface of the conveyor belt with damage on the surface After labeling one third training image as damaged, the machine learning model may be learned by inputting the image to the machine learning model.

상기 손상 판단 장치는, 상기 인공 신경망 모듈의 분류 결과에 따라 알람을 발생시키는 알람 모듈을 더 포함할 수 있다.The damage determination apparatus may further include an alarm module generating an alarm according to a classification result of the artificial neural network module.

개시되는 일 실시예에 따른 컨베이어 벨트의 표면 손상 감지 방법은, 촬영 장치에서, 컨베이어 벨트의 표면을 촬영하는 단계; 및 손상 판단 장치에서, 상기 촬영 장치가 촬영한 촬영 영상을 수신하고, 상기 촬영 영상에 기반하여 상기 컨베이어 벨트의 표면 손상 여부를 판단하는 단계를 포함한다.A method for detecting damage to a surface of a conveyor belt according to an embodiment disclosed herein includes, in a photographing device, photographing a surface of a conveyor belt; and receiving, in a damage determining device, a captured image taken by the photographing device, and determining whether or not the surface of the conveyor belt is damaged based on the captured image.

상기 컨베이어 벨트의 표면에는 일정 간격으로 마커가 표시되고, 상기 마커는, 상기 마커가 표시되는 부분이 상기 컨베이어 벨트에서 어느 부분에 위치하는지를 나타내는 마커 식별 정보를 포함하며, 상기 촬영하는 단계는, 상기 촬영 장치에서, 상기 컨베이어 벨트가 운행되는 동안 상기 마커를 인식하는 단계; 및 상기 촬영 장치에서, 상기 마커가 인식된 경우 대기 모드에서 촬영 모드로 전환하여 상기 컨베이어 벨트의 표면을 촬영한 후 다시 대기 모드로 전환하는 단계를 포함하고, 상기 표면 손상 여부를 판단하는 단계는, 상기 손상 판단 장치에서, 상기 촬영 영상을 머신 러닝 모델로 입력하여 상기 촬영 영상으로부터 상기 컨베이어 벨트의 표면 손상 여부를 분류하는 단계를 포함할 수 있다.Markers are displayed on the surface of the conveyor belt at regular intervals, the markers include marker identification information indicating in which part of the conveyor belt the part on which the markers are displayed is located, and the photographing step comprises: recognizing the marker while the conveyor belt is running; And in the photographing device, when the marker is recognized, switching from a standby mode to a photographing mode, photographing the surface of the conveyor belt, and then switching to the standby mode again, wherein the step of determining whether the surface is damaged, In the damage determination device, inputting the captured image to a machine learning model may include classifying whether or not the surface of the conveyor belt is damaged from the captured image.

개시되는 실시예에 의하면, 컨베이어 벨트의 표면을 촬영한 영상을 머신 러닝 모델에 입력하여 그 손상 여부를 분류하도록 함으로써, 컨베이어 벨트의 운행 속도를 늦추거나 정지시키지 않아도 컨베이어 벨트의 손상을 자동으로 확인할 수 있으며, 그로 인해 컨베이어 벨트의 절단으로 인한 사고를 미연에 방지할 수 있게 된다.According to the disclosed embodiment, by inputting an image of the surface of the conveyor belt into a machine learning model to classify whether or not the conveyor belt is damaged, damage to the conveyor belt can be automatically checked without slowing down or stopping the conveyor belt. As a result, accidents due to cutting of the conveyor belt can be prevented in advance.

도 1은 본 발명의 일 실시예에 따른 컨베이어 벨트의 표면 손상 감지 시스템을 개략적으로 나타낸 도면
도 2는 본 발명의 일 실시예에 따른 촬영 장치의 구성을 나타낸 블록도
도 3은 본 발명의 일 실시예에 따른 손상 판단 장치의 구성을 나타낸 블록도
도 4는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도1 is a schematic diagram of a system for detecting surface damage on a conveyor belt according to an embodiment of the present invention.
2 is a block diagram showing the configuration of a photographing device according to an embodiment of the present invention.
3 is a block diagram showing the configuration of a damage determination device according to an embodiment of the present invention
4 is a block diagram illustrating and describing a computing environment including a computing device suitable for use in example embodiments;

이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.Hereinafter, specific embodiments of the present invention will be described with reference to the drawings. The detailed descriptions that follow are provided to provide a comprehensive understanding of the methods, devices and/or systems described herein. However, this is only an example and the present invention is not limited thereto.

본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.In describing the embodiments of the present invention, if it is determined that the detailed description of the known technology related to the present invention may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted. In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of a user or operator. Therefore, the definition should be made based on the contents throughout this specification. Terminology used in the detailed description is only for describing the embodiments of the present invention and should in no way be limiting. Unless expressly used otherwise, singular forms of expression include plural forms. In this description, expressions such as "comprising" or "comprising" are intended to indicate any characteristic, number, step, operation, element, portion or combination thereof, one or more other than those described. It should not be construed to exclude the existence or possibility of any other feature, number, step, operation, element, part or combination thereof.

이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다. In the following description, terms such as "transmission", "communication", "transmission", "reception" and other similar meanings of signals or information refer not only to direct transmission of signals or information from one component to another, but also to It also includes passing through other components. In particular, "transmitting" or "transmitting" a signal or information as a component indicates the final destination of the signal or information, and does not mean a direct destination. The same is true for "reception" of signals or information. Also, in this specification, two or more data or information being “related” means that when one data (or information) is obtained, at least a portion of other data (or information) can be obtained based thereon.

도 1은 본 발명의 일 실시예에 따른 컨베이어 벨트의 표면 손상 감지 시스템을 개략적으로 나타낸 도면이다. 1 is a diagram schematically showing a surface damage detection system of a conveyor belt according to an embodiment of the present invention.

도 1을 참조하면, 컨베이어 벨트의 표면 손상 감지 시스템(100)은 촬영 장치(102) 및 손상 판단 장치(104)를 포함한다. 촬영 장치(102)는 손상 판단 장치(104)와 통신 네트워크(미도시)를 통해 통신 가능하게 연결된다. Referring to FIG. 1 , a surface damage detection system 100 of a conveyor belt includes a photographing device 102 and a damage determination device 104 . The photographing device 102 is communicatively connected to the damage determining device 104 through a communication network (not shown).

몇몇 실시예들에서, 통신 네트워크는 인터넷, 하나 이상의 로컬 영역 네트워크(local area networks), 광역 네트워크(wide area networks), 셀룰러 네트워크, 모바일 네트워크, 그 밖에 다른 종류의 네트워크들, 또는 이러한 네트워크들의 조합을 포함할 수 있다.In some embodiments, a communication network may include the Internet, one or more local area networks, wide area networks, a cellular network, a mobile network, other types of networks, or a combination of such networks. can include

촬영 장치(102)는 컨베이어 벨트(50)의 상부에 설치될 수 있다. 촬영 장치(102)는 컨베이어 벨트(50)의 표면을 촬영하도록 마련될 수 있다. 컨베이어 벨트(50)의 표면에는 주기적으로 마커(Marker)(51)가 표시될 있다. 마커(51)는 마커(51)가 표시된 부분이 전체 컨베이어 벨트(50)에서 어느 부분에 위치하는지를 나타내는 정보(예를 들어, 마커 식별 정보)를 포함할 수 있다. The photographing device 102 may be installed above the conveyor belt 50 . The photographing device 102 may be provided to photograph the surface of the conveyor belt 50 . A marker 51 may be periodically displayed on the surface of the conveyor belt 50 . The marker 51 may include information (eg, marker identification information) indicating which part of the entire conveyor belt 50 is located at a part marked with the marker 51 .

도 2는 본 발명의 일 실시예에 따른 촬영 장치(102)의 구성을 나타낸 블록도이다. 도 2를 참조하면, 촬영 장치(102)는 마커 인식 모듈(111) 및 촬영 모듈(113)을 포함할 수 있다. 2 is a block diagram showing the configuration of a photographing device 102 according to an embodiment of the present invention. Referring to FIG. 2 , the photographing device 102 may include a marker recognition module 111 and a photographing module 113 .

마커 인식 모듈(111)은 컨베이어 벨트(50)의 표면에 표시된 마커(51)를 인식하도록 마련될 수 있다. 마커 인식 모듈(111)은 컨베이어 벨트(50)가 일정 방향으로 운행될 때, 컨베이어 벨트(50)의 표면에 일정 간격으로 표시되는 각 마커(51)를 인식하도록 마련될 수 있다. 마커 인식 모듈(111)은 마커(51)가 인식된 경우, 마커 인식 신호를 촬영 모듈(113)로 전달할 수 있다. The marker recognition module 111 may be provided to recognize the marker 51 displayed on the surface of the conveyor belt 50 . The marker recognition module 111 may be provided to recognize each marker 51 displayed on the surface of the conveyor belt 50 at regular intervals when the conveyor belt 50 runs in a certain direction. When the marker 51 is recognized, the marker recognition module 111 may transmit a marker recognition signal to the photographing module 113 .

예시적인 실시예에서, 마커(51)는 RFID 태그로 이루어지고, 마커 인식 모듈(111)은 RFID 리더로 이루어질 수 있다. 또한, 마커(51)는 자기 마커로 이루어지고, 마커 인식 모듈(111)은 자기 센서로 이루어질 수 있다. 또한, 마커(51)는 적외선 마커로 이루어지고, 마커 인식 모듈(111)은 적외선 센서로 이루어질 수 있으나, 이에 한정되는 것은 아니며 그 이외의 다양한 방식으로 마커 인식 모듈(111)이 마커(51)를 인식하도록 마련될 수 있다. In an exemplary embodiment, the marker 51 may be made of an RFID tag, and the marker recognition module 111 may be made of an RFID reader. Also, the marker 51 may be made of a magnetic marker, and the marker recognition module 111 may be made of a magnetic sensor. In addition, the marker 51 may be made of an infrared marker, and the marker recognition module 111 may be made of an infrared sensor, but is not limited thereto, and the marker recognition module 111 uses the marker 51 in various ways other than that. can be made aware of.

한편, 마커(51)는 촬영 모듈(113)의 촬영 범위에 따라 컨베이어 벨트(50)의 표면에 기 설정된 간격으로 마련될 수 있다. 예시적인 실시예에서, 마커(51)는 컨베이어 벨트(50)의 표면에서 촬영 모듈(113)이 한 컷으로 촬영할 수 있는 촬영 범위 간격으로 마련될 수 있다. Meanwhile, the markers 51 may be provided at predetermined intervals on the surface of the conveyor belt 50 according to the photographing range of the photographing module 113 . In an exemplary embodiment, the markers 51 may be provided on the surface of the conveyor belt 50 at intervals within a photographing range in which the photographing module 113 may photograph in one cut.

촬영 모듈(113)은 컨베이어 벨트(50)의 표면을 촬영하도록 마련될 수 있다. 촬영 모듈(113)은 마커 인식 모듈(111)의 마커 인식 신호에 따라 컨베이어 벨트(50)의 표면을 촬영할 수 있다. The photographing module 113 may be provided to photograph the surface of the conveyor belt 50 . The photographing module 113 may photograph the surface of the conveyor belt 50 according to the marker recognition signal of the marker recognition module 111 .

예시적인 실시예에서, 촬영 모듈(113)은 대기 모드(전력을 최소화 하는 동작 모드)로 있다가 마커 인식 모듈(111)로부터 마커 인식 신호가 수신되는 경우에만 촬영 모드로 전환하여 컨베이어 벨트(50)의 표면을 촬영한 후 다시 대기 모드로 전환될 수 있다. In an exemplary embodiment, the photographing module 113 is in a standby mode (an operation mode that minimizes power) and switches to the photographing mode only when a marker recognition signal is received from the marker recognition module 111 to convey the conveyor belt 50 After taking pictures of the surface, it can be switched back to standby mode.

마커 인식 신호는 컨베이어 벨트(50)의 표면에서 마커(51)가 표시되는 간격에 따라 주기적으로 발생하게 되므로, 촬영 모듈(113)은 대기 모드로 있다가 주기적으로 촬영 모드로 전환되어 컨베이어 벨트(50)의 표면을 촬영할 수 있다. 촬영 모듈(113)은 컨베이어 벨트(50)의 표면을 주기적으로 촬영하여 컨베이어 벨트(50)의 전체 표면을 촬영하도록 마련될 수 있다. 이 경우, 촬영 모듈(113)의 전력 소모를 최소화 하면서 컨베이어 벨트(50) 전체를 촬영할 수 있게 된다. 촬영 모듈(113)은 컨베이어 벨트(50)의 표면을 촬영한 촬영 영상을 손상 판단 장치(104)로 전송할 수 있다. Since the marker recognition signal is periodically generated according to the interval at which the markers 51 are displayed on the surface of the conveyor belt 50, the photographing module 113 is in a standby mode and is periodically switched to the photographing mode so that the conveyor belt 50 ) can be photographed. The photographing module 113 may be provided to photograph the entire surface of the conveyor belt 50 by periodically photographing the surface of the conveyor belt 50 . In this case, it is possible to photograph the entire conveyor belt 50 while minimizing power consumption of the photographing module 113 . The photographing module 113 may transmit a photographed image of the surface of the conveyor belt 50 to the damage determination device 104 .

손상 판단 장치(104)는 컨베이어 벨트(50)의 표면을 촬영한 촬영 영상에 기반하여 컨베이어 벨트(50)의 표면에 손상이 발생하였는지 여부를 판단할 수 있다. 도 3은 본 발명의 일 실시예에 따른 손상 판단 장치(104)의 구성을 나타낸 블록도이다. 도 3을 참조하면, 손상 판단 장치(104)는 전처리 모듈(121), 인공 신경망 모듈(123), 및 알람 모듈(125)을 포함할 수 있다. The damage determination device 104 may determine whether or not damage has occurred to the surface of the conveyor belt 50 based on a photographed image of the surface of the conveyor belt 50 . 3 is a block diagram showing the configuration of the damage determination device 104 according to an embodiment of the present invention. Referring to FIG. 3 , the damage determination device 104 may include a preprocessing module 121 , an artificial neural network module 123 , and an alarm module 125 .

전처리 모듈(121)은 촬영 장치(102)로부터 수신한 촬영 영상에 대해 전처리를 수행할 수 있다. 예를 들어, 전처리 모듈(121)은 촬영 영상의 크기를 기 설정된 크기로 리사이징 할 수 있다. 즉, 전처리 모듈(121)은 촬영 영상의 크기를 인공 신경망 모듈(123)에서 학습된 영상들과 동일한 크기로 리사이징 할 수 있다. The pre-processing module 121 may perform pre-processing on the photographed image received from the photographing device 102 . For example, the preprocessing module 121 may resize a captured image to a preset size. That is, the pre-processing module 121 may resize the captured images to the same size as the images learned by the artificial neural network module 123 .

또한, 전처리 모듈(121)은 촬영 영상에 포함된 노이즈를 제거하는 작업을 수행할 수 있다. 즉, 촬영 장치(102)가 컨베이어 벨트(50)를 촬영할 때, 촬영 장치(102)의 렌즈 표면에 먼지 등과 같은 이물질이 껴있을 수 있으므로, 전처리 모듈(121)을 통해 촬영 영상에 포함된 노이즈를 제거할 수 있다. Also, the pre-processing module 121 may perform an operation of removing noise included in a captured image. That is, when the photographing device 102 photographs the conveyor belt 50, foreign substances such as dust may be present on the surface of the lens of the photographing apparatus 102, so noise included in the captured image is removed through the preprocessing module 121. can be removed

인공 신경망 모듈(123)은 머신 러닝 모델(123a)을 포함할 수 있다. 머신 러닝 모델(123a)은 합성곱 신경망(Convolutional Neural Network : CNN) 기반의 머신 러닝 모델일 수 있으나, 이에 한정되는 것은 아니며 그 이외의 다양한 머신 러닝 모델이 적용될 수 있다. 머신 러닝 모델(123a)은 촬영 영상으로부터 컨베이어 벨트(50) 표면의 손상 여부를 분류하도록 학습된 신경망 기반의 기계 학습 모델일 수 있다. The artificial neural network module 123 may include a machine learning model 123a. The machine learning model 123a may be a machine learning model based on a convolutional neural network (CNN), but is not limited thereto, and various other machine learning models may be applied. The machine learning model 123a may be a neural network-based machine learning model trained to classify whether or not the surface of the conveyor belt 50 is damaged from a photographed image.

인공 신경망 모듈(123)은 학습용 영상(즉, 컨베이어 벨트(50)를 촬영한 영상)을 머신 러닝 모델(123a)로 입력하고, 학습용 영상에서 컨베이어 벨트(50) 표면의 손상 여부를 분류하도록 머신 러닝 모델(123a)을 학습시킬 수 있다. 즉, 인공 신경망 모듈(123)은 머신 러닝 모델(123a)의 출력 값과 정답 값을 비교하여 머신 러닝 모델(123a)의 출력 값과 정답 값 간의 차이가 최소화 되도록 머신 러닝 모델(123a)의 가중치(또는 파라미터)를 최적화 하는 과정을 수행할 수 있다. The artificial neural network module 123 inputs a training image (ie, an image of the conveyor belt 50) as a machine learning model 123a, and machine learning to classify whether or not the surface of the conveyor belt 50 is damaged in the training image The model 123a can be trained. That is, the artificial neural network module 123 compares the output value of the machine learning model 123a with the correct answer value, and calculates the weight of the machine learning model 123a so that the difference between the output value of the machine learning model 123a and the correct answer value is minimized ( or parameter) may be performed.

이때, 학습용 영상으로는 표면이 손상되지 않은(즉, 정상적인) 컨베이어 벨트(50)의 표면을 촬영한 영상(제1 학습용 영상)이 사용될 수 있다. 제1 학습용 영상은 "정상"으로 라벨링 되어 머신 러닝 모델(123a)에 입력될 수 있다. At this time, as the learning image, an image (first learning image) obtained by photographing the surface of the conveyor belt 50 with an undamaged (that is, normal) surface may be used. The first training image may be labeled as “normal” and input to the machine learning model 123a.

또한, 학습용 영상으로는 표면에 원료 등으로 인해 얼룩이 지거나 눌린 자국(표면 손상으로는 볼 수 없는 자국)이 컨베이어 벨트(50)의 표면을 촬영한 영상(제2 학습용 영상)이 사용될 수 있다. 즉, 제2 학습용 영상은 표면 상에 손상인 것처럼 보이는 흔적이 있으나 실제적으로는 손상이 없는 컨베이어 벨트(50)의 표면을 촬영한 영상일 수 있다. 제2 학습용 영상은 "정상" 또는 "확인 필요" 등으로 라벨링 되어 머신 러닝 모델(123a)에 입력될 수 있다. In addition, as an image for learning, an image (second learning image) obtained by photographing the surface of the conveyor belt 50 with stains or pressed marks (marks that cannot be seen due to surface damage) due to raw materials, etc. may be used. That is, the second learning image may be an image obtained by photographing the surface of the conveyor belt 50 which has traces that appear to be damaged on the surface but is actually undamaged. The second training image may be labeled as "normal" or "needs confirmation" and input to the machine learning model 123a.

또한, 학습용 영상으로는 표면에 구멍 뚫림 또는 찢김 등과 같은 손상이 있는 컨베이어 벨트(50)의 표면을 촬영한 영상(제3 학습용 영상)이 사용될 수 있다. 제3 학습용 영상은 "손상"으로 라벨링 되어 머신 러닝 모델(123a)에 입력될 수 있다. In addition, as an image for learning, an image (third learning image) obtained by photographing the surface of the conveyor belt 50 with damage such as holes or tears on the surface may be used. The third training image may be labeled as “damaged” and input to the machine learning model 123a.

머신 러닝 모델(123a)의 학습이 완료된 경우, 촬영 장치(102)로부터 수신한 촬영 영상이 입력되면, 머신 러닝 모델(123a)은 입력된 촬영 영상에 대해 "정상" 또는 "손상"으로 분류하거나, "정상" 또는 "확인 필요" 또는 "손상"으로 분류할 수 있다. When the learning of the machine learning model 123a is completed and the captured image received from the photographing device 102 is input, the machine learning model 123a classifies the input captured image as "normal" or "damaged", It can be classified as "Normal" or "Needs verification" or "Damaged".

알람 모듈(125)은 인공 신경망 모듈(123)의 판단 결과에 따라 알람을 발생시킬 수 있다. 예시적인 실시예에서, 인공 신경망 모듈(123)에서 컨베이어 벨트(50) 표면에 손상이 발생한 것으로 판단된 경우, 알람 모듈(125)은 기 설정된 장치(예를 들어, 관리자의 단말 등)로 컨베이어 벨트(50)의 표면에 손상이 발생하였음을 알리는 알람을 발생시킬 수 있다. 이때, 알람에는 해당 컨베이어 벨트(50) 부분의 마커 식별 정보가 포함될 수 있다. 또한, 알람은 메일 또는 SMS 등 다양한 형태로 발생시킬 수 있다. The alarm module 125 may generate an alarm according to the determination result of the artificial neural network module 123 . In an exemplary embodiment, when it is determined that the surface of the conveyor belt 50 is damaged in the artificial neural network module 123, the alarm module 125 sends the conveyor belt to a preset device (eg, a manager's terminal). An alarm notifying that damage has occurred to the surface of (50) can be generated. At this time, the alarm may include marker identification information of the corresponding conveyor belt 50 part. In addition, the alarm can be generated in various forms such as e-mail or SMS.

또한, 인공 신경망 모듈(123)에서 컨베이어 벨트(50) 표면에 대해 확인 필요로 판단한 경우, 알람 모듈(125)은 기 설정된 장치로 컨베이어 벨트(50)의 확인을 요청하는 알람을 발생시킬 수 있다. 이때, 알람에는 해당 컨베이어 벨트(50) 부분의 마커 식별 정보가 포함될 수 있다. In addition, when the artificial neural network module 123 determines that the surface of the conveyor belt 50 needs to be confirmed, the alarm module 125 may generate an alarm requesting confirmation of the conveyor belt 50 to a preset device. At this time, the alarm may include marker identification information of the corresponding conveyor belt 50 part.

본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 "모듈"은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아니다.In this specification, a module may mean a functional and structural combination of hardware for implementing the technical idea of the present invention and software for driving the hardware. For example, the "module" may mean a logical unit of predetermined codes and hardware resources for executing the predetermined codes, and does not necessarily mean physically connected codes or one type of hardware.

개시되는 실시예에 의하면, 컨베이어 벨트(50)의 표면을 촬영한 영상을 머신 러닝 모델(123a)에 입력하여 그 손상 여부를 분류하도록 함으로써, 컨베이어 벨트(50)의 운행 속도를 늦추거나 정지시키지 않아도 컨베이어 벨트(50)의 손상을 자동으로 확인할 수 있으며, 그로 인해 컨베이어 벨트(50)의 절단으로 인한 사고를 미연에 방지할 수 있게 된다.According to the disclosed embodiment, by inputting an image of the surface of the conveyor belt 50 to the machine learning model 123a to classify whether or not the conveyor belt 50 is damaged, even if the speed of the conveyor belt 50 is not slowed down or stopped, Damage to the conveyor belt 50 can be automatically checked, thereby preventing accidents due to cutting of the conveyor belt 50 in advance.

도 4는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.4 is a block diagram illustrating and describing a computing environment 10 including a computing device suitable for use in example embodiments. In the illustrated embodiment, each component may have different functions and capabilities other than those described below, and may include additional components other than those described below.

도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 촬영 장치(102)일 수 있다. 또한, 컴퓨팅 장치(12)는 손상 판단 장치(104)일 수 있다.The illustrated computing environment 10 includes a computing device 12 . In one embodiment, computing device 12 may be imaging device 102 . Additionally, computing device 12 may be damage determination device 104 .

컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.Computing device 12 includes at least one processor 14 , a computer readable storage medium 16 and a communication bus 18 . Processor 14 may cause computing device 12 to operate according to the above-mentioned example embodiments. For example, processor 14 may execute one or more programs stored on computer readable storage medium 16 . The one or more programs may include one or more computer-executable instructions, which when executed by processor 14 are configured to cause computing device 12 to perform operations in accordance with an illustrative embodiment. It can be.

컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.Computer-readable storage medium 16 is configured to store computer-executable instructions or program code, program data, and/or other suitable form of information. Program 20 stored on computer readable storage medium 16 includes a set of instructions executable by processor 14 . In one embodiment, computer readable storage medium 16 includes memory (volatile memory such as random access memory, non-volatile memory, or a suitable combination thereof), one or more magnetic disk storage devices, optical disk storage devices, flash memory devices, other forms of storage media that can be accessed by computing device 12 and store desired information, or any suitable combination thereof.

통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.Communications bus 18 interconnects various other components of computing device 12, including processor 14 and computer-readable storage medium 16.

컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.Computing device 12 may also include one or more input/output interfaces 22 and one or more network communication interfaces 26 that provide interfaces for one or more input/output devices 24 . An input/output interface 22 and a network communication interface 26 are connected to the communication bus 18 . Input/output device 24 may be coupled to other components of computing device 12 via input/output interface 22 . Exemplary input/output devices 24 include a pointing device (such as a mouse or trackpad), a keyboard, a touch input device (such as a touchpad or touchscreen), a voice or sound input device, various types of sensor devices, and/or a photographing device. input devices, and/or output devices such as display devices, printers, speakers, and/or network cards. The exemplary input/output device 24 may be included inside the computing device 12 as a component constituting the computing device 12, or may be connected to the computing device 12 as a separate device distinct from the computing device 12. may be

이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.Although representative embodiments of the present invention have been described in detail above, those skilled in the art will understand that various modifications are possible to the above-described embodiments without departing from the scope of the present invention. . Therefore, the scope of the present invention should not be limited to the described embodiments and should not be defined, and should be defined by not only the claims to be described later, but also those equivalent to these claims.

50 : 컨베이어 벨트
51 : 마커
100 : 컨베이어 벨트의 표면 손상 감지 시스템
102 : 촬영 장치
104 : 손상 판단 장치
111 : 마커 인식 모듈
113 : 촬영 모듈
121 : 전처리 모듈
123 : 인공 신경망 모듈
123a : 머신 러닝 모델
125 : 알람 모듈50: conveyor belt
51 : Marker
100: Conveyor belt surface damage detection system
102: shooting device
104: damage determination device
111: marker recognition module
113: shooting module
121: preprocessing module
123: artificial neural network module
123a: machine learning model
125: alarm module

Claims (10)

컨베이어 벨트의 표면을 촬영하도록 마련되는 촬영 장치; 및
상기 촬영 장치가 촬영한 촬영 영상을 수신하고, 상기 촬영 영상에 기반하여 상기 컨베이어 벨트의 표면 손상 여부를 판단하는 손상 판단 장치를 포함하는, 컨베이어 벨트의 표면 손상 감지 시스템.
a photographing device provided to photograph the surface of the conveyor belt; and
A surface damage detection system of a conveyor belt comprising a damage determination device for receiving a photographed image taken by the photographing device and determining whether or not the surface of the conveyor belt is damaged based on the photographed image.
 청구항 1에 있어서,
상기 컨베이어 벨트의 표면에는 일정 간격으로 마커가 표시되고,
상기 마커는, 상기 마커가 표시되는 부분이 상기 컨베이어 벨트에서 어느 부분에 위치하는지를 나타내는 마커 식별 정보를 포함하는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 1,
Markers are displayed on the surface of the conveyor belt at regular intervals,
The marker, the surface damage detection system of the conveyor belt, including marker identification information indicating which part on the conveyor belt the part where the marker is displayed is located.
 청구항 2에 있어서,
상기 촬영 장치는,
상기 컨베이어 벨트가 운행되는 동안 상기 마커를 인식하여 마커 인식 신호를 생성하는 마커 인식 모듈; 및
상기 마커 인식 신호에 따라 상기 컨베이어 벨트의 표면을 촬영하도록 마련되는 촬영 모듈을 포함하는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 2,
The photographing device,
a marker recognition module recognizing the marker while the conveyor belt is running and generating a marker recognition signal; and
A surface damage detection system of a conveyor belt comprising a photographing module provided to photograph the surface of the conveyor belt according to the marker recognition signal.
 청구항 3에 있어서,
상기 마커는 상기 촬영 모듈의 촬영 범위에 따라 상기 컨베이어 벨트의 표면에 기 설정된 간격으로 마련되는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 3,
The markers are provided on the surface of the conveyor belt at predetermined intervals according to the shooting range of the shooting module, the surface damage detection system of the conveyor belt.
 청구항 3에 있어서,
상기 촬영 모듈은,
상기 마커 인식 모듈로부터 상기 마커 인식 신호가 수신되는 경우, 대기 모드에서 촬영 모드로 전환하여 상기 컨베이어 벨트의 표면을 촬영한 후 다시 대기 모드로 전환하는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 3,
The photographing module,
When the marker recognition signal is received from the marker recognition module, the surface damage detection system of the conveyor belt that switches from standby mode to shooting mode to photograph the surface of the conveyor belt and then switches back to standby mode.
 청구항 1에 있어서,
상기 손상 판단 장치는,
머신 러닝 모델(Machine Learning Model)을 포함하고, 상기 촬영 영상을 상기 머신 러닝 모델로 입력하여 상기 촬영 영상으로부터 상기 컨베이어 벨트의 표면 손상 여부를 분류하는 인공 신경망 모듈을 포함하는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 1,
The damage determination device,
Conveyor belt surface damage detection including an artificial neural network module that includes a machine learning model and inputs the captured image to the machine learning model to classify whether or not the surface of the conveyor belt is damaged from the captured image system.
 청구항 6에 있어서,
상기 인공 신경망 모듈은,
정상적인 컨베이어 벨트의 표면을 촬영한 제1 학습용 영상을 정상으로 라벨링 한 후, 상기 머신 러닝 모델에 입력하여 상기 머신 러닝 모델을 학습하고,
표면 상에 손상인 것처럼 보이는 흔적이 있으나 실제적으로는 손상이 없는 컨베이어 벨트의 표면을 촬영한 제2 학습용 영상을 정상으로 라벨링 한 후, 상기 머신 러닝 모델에 입력하여 상기 머신 러닝 모델을 학습하며,
표면에 손상이 있는 컨베이어 벨트의 표면을 촬영한 제3 학습용 영상을 손상으로 라벨링 한 후, 상기 머신 러닝 모델에 입력하여 상기 머신 러닝 모델을 학습하는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 6,
The artificial neural network module,
After labeling the first learning image of the normal surface of the conveyor belt as normal, inputting it to the machine learning model to learn the machine learning model,
After labeling the second learning image of the surface of the conveyor belt that appears to be damaged but actually undamaged as normal, it is input to the machine learning model to learn the machine learning model,
A system for detecting surface damage on a conveyor belt, which labels a third learning image of a surface of a conveyor belt with damage on the surface as damage, and then inputs the image to the machine learning model to learn the machine learning model.
 청구항 6에 있어서,
상기 손상 판단 장치는,
상기 인공 신경망 모듈의 분류 결과에 따라 알람을 발생시키는 알람 모듈을 더 포함하는, 컨베이어 벨트의 표면 손상 감지 시스템.
The method of claim 6,
The damage determination device,
The surface damage detection system of the conveyor belt further comprising an alarm module generating an alarm according to the classification result of the artificial neural network module.
 촬영 장치에서, 컨베이어 벨트의 표면을 촬영하는 단계; 및
손상 판단 장치에서, 상기 촬영 장치가 촬영한 촬영 영상을 수신하고, 상기 촬영 영상에 기반하여 상기 컨베이어 벨트의 표면 손상 여부를 판단하는 단계를 포함하는, 컨베이어 벨트의 표면 손상 감지 방법.
photographing the surface of the conveyor belt in the photographing device; and
A surface damage detection method of a conveyor belt comprising the step of receiving, in a damage determining device, a photographed image taken by the photographing device, and determining whether or not the surface of the conveyor belt is damaged based on the photographed image.
 청구항 9에 있어서,
상기 컨베이어 벨트의 표면에는 일정 간격으로 마커가 표시되고,
상기 마커는, 상기 마커가 표시되는 부분이 상기 컨베이어 벨트에서 어느 부분에 위치하는지를 나타내는 마커 식별 정보를 포함하며,
상기 촬영하는 단계는,
상기 촬영 장치에서, 상기 컨베이어 벨트가 운행되는 동안 상기 마커를 인식하는 단계; 및
상기 촬영 장치에서, 상기 마커가 인식된 경우 대기 모드에서 촬영 모드로 전환하여 상기 컨베이어 벨트의 표면을 촬영한 후 다시 대기 모드로 전환하는 단계를 포함하고,
상기 표면 손상 여부를 판단하는 단계는,
상기 손상 판단 장치에서, 상기 촬영 영상을 머신 러닝 모델로 입력하여 상기 촬영 영상으로부터 상기 컨베이어 벨트의 표면 손상 여부를 분류하는 단계를 포함하는, 컨베이어 벨트의 표면 손상 감지 방법.The method of claim 9,
Markers are displayed on the surface of the conveyor belt at regular intervals,
The marker includes marker identification information indicating which part on the conveyor belt the part where the marker is displayed is located,
The photographing step is
recognizing the marker while the conveyor belt is running, in the photographing device; and
In the photographing device, when the marker is recognized, switching from a standby mode to a photographing mode to photograph the surface of the conveyor belt and then switching to the standby mode again;
The step of determining whether the surface is damaged,
In the damage determination device, inputting the captured image into a machine learning model and classifying whether or not the surface of the conveyor belt is damaged from the captured image, the surface damage detection method of the conveyor belt.
KR1020210130832A 2021-05-28 2021-10-01 Method and system for detecting surface damage on conveyor belts KR20220161133A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210069492 2021-05-28
KR20210069492 2021-05-28

Publications (1)

Publication Number Publication Date
KR20220161133A true KR20220161133A (en) 2022-12-06

Family

ID=84407046

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210130832A KR20220161133A (en) 2021-05-28 2021-10-01 Method and system for detecting surface damage on conveyor belts

Country Status (1)

Country Link
KR (1) KR20220161133A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102601513B1 (en) 2022-11-28 2023-11-13 주식회사 엠큐닉 Hdmap update system and method with its road map for autonomous driving

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101669137B1 (en) 2014-12-24 2016-10-25 주식회사 우진 Sensing Apparatus for Damage of Conveyor Belt

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101669137B1 (en) 2014-12-24 2016-10-25 주식회사 우진 Sensing Apparatus for Damage of Conveyor Belt

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102601513B1 (en) 2022-11-28 2023-11-13 주식회사 엠큐닉 Hdmap update system and method with its road map for autonomous driving

Similar Documents

Publication Publication Date Title
US11188789B2 (en) Detecting poisoning attacks on neural networks by activation clustering
KR102117543B1 (en) Computing device and artificial intelligence based image processing service system using the same
US10817751B2 (en) Learning data creation method, learning method, risk prediction method, learning data creation device, learning device, risk prediction device, and recording medium
US7620214B2 (en) Human eye detection method, apparatus, system and storage medium
JP2023534261A (en) Barcode scanning based on gesture detection and analysis
CN110855976A (en) Camera abnormity detection method and device and terminal equipment
US20220383128A1 (en) Image-based anomaly detection based on a machine learning analysis of an object
US20200218897A1 (en) Target identification method and apparatus, and intelligent terminal
US11600088B2 (en) Utilizing machine learning and image filtering techniques to detect and analyze handwritten text
KR20220161133A (en) Method and system for detecting surface damage on conveyor belts
CN111178357A (en) License plate recognition method, system, device and storage medium
JP2020513627A (en) Intelligent guidance method and device
US20210312227A1 (en) System and method for detecting annotation errors
CN113971795A (en) Violation inspection system and method based on self-driving visual sensing
US11405761B2 (en) On-board machine vision device for activating vehicular messages from traffic signs
CN210836142U (en) RFID (radio frequency identification) tag identification and comparison system for logistics production line
CN116595314A (en) Data labeling method and system
US20240046647A1 (en) Method and device for detecting obstacles, and computer storage medium
WO2021095519A1 (en) Information processing device
Gireesha et al. Fusion of face recognition and number plate detection for automatic gate opening system
CN115240132A (en) Method and device for monitoring running state of conveyor belt and storage medium
CN113269106A (en) Method and device for detecting state of conveyor belt of conveying tool
KR102571269B1 (en) Method, system and non-transitory computer-readable recording medium for object detection
CN113963322B (en) Detection model training method and device and electronic equipment
WO2022257112A1 (en) Improved object detection on reflective surfaces

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application