KR20220162524A - 인공지능 기반 용접품질 관리방법 - Google Patents
인공지능 기반 용접품질 관리방법 Download PDFInfo
- Publication number
- KR20220162524A KR20220162524A KR1020210071077A KR20210071077A KR20220162524A KR 20220162524 A KR20220162524 A KR 20220162524A KR 1020210071077 A KR1020210071077 A KR 1020210071077A KR 20210071077 A KR20210071077 A KR 20210071077A KR 20220162524 A KR20220162524 A KR 20220162524A
- Authority
- KR
- South Korea
- Prior art keywords
- welding
- data
- defect
- artificial intelligence
- image data
- Prior art date
Links
- 238000003466 welding Methods 0.000 title claims abstract description 105
- 238000007726 management method Methods 0.000 title claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 230000007547 defect Effects 0.000 claims abstract description 99
- 230000002950 deficient Effects 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims description 23
- 238000002601 radiography Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 abstract description 10
- 238000003860 storage Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
- B23K31/125—Weld quality monitoring
-
- 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
- G01N23/18—Investigating the presence of flaws defects or foreign matter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
본 발명은 검사대상 선박에 대한 용접정보데이터를 관리하는 WEB 서버와, 상기 용접정보데이터를 저장하는 DBMS 서버와, 상기 용접부에 대한 이미지데이터를 관리하는 FTP 서버를 포함하는 플랫폼;을 이용한 인공지능 기반 용접품질 관리방법에 있어서, 검사대상 선박의 구조 및 용접부를 분석하여 상기 용접정보데이터를 추출하고, 상기 용접정보데이터를 상기 DBMS 서버에 전송 및 저장하는 용접정보데이터 저장단계; 다수의 상기 용접부 중 용접품질검사가 필요한 상기 용접부를 용접갭이 넓은 순서대로 순차적으로 선택하여 상기 용접부에 해당하는 상기 용접정보데이터를 포함하는 태그를 부여하는 태그 부여단계; 상기 태그가 부여된 상기 용접부를 아날로그 방사선투과검사를 통해 비파괴 촬영하여 촬영이미지를 얻고, 상기 촬영이미지를 디지털화하여 이미지데이터를 얻어 상기 FTP 서버를 통해 전송하여 상기 DBMS 서버에 저장하는 이미지데이터 전송단계; 상기 용접부에 대한 상기 태그 및 상기 이미지데이터를 매칭시켜 통합데이터를 형성하는 통합데이터 형성단계; 상기 통합데이터를 기반으로 상기 DBMS 서버에 저장된 기학습데이터와 비교하여 상기 용접부의 결함을 판독하고, 상기 용접부의 판독 결과에 해당하는 결함의 유형, 결함의 크기 및 결함의 개수에 따라 용접부를 양품 또는 불량품으로 판정하는 불량 판정단계;를 포함하는 것을 기술적 요지로 한다. 이에 의해 아날로그 방사선투과검사 이미지를 디지털 데이터화하여 저장할 수 있으며, 저장된 이미지데이터를 이용하여 인공지능 기반 학습을 통한 용접품질 자동판독과 고기량 기술인력을 대체할 수 있는 효과가 있다.
Description
본 발명은 인공지능 기반 용접품질 관리방법에 관한 것으로, 보다 상세하게는 아날로그 방사선투과검사 이미지를 디지털 데이터화하여 저장할 수 있으며, 저장된 이미지데이터를 이용하여 인공지능 기반 학습을 통한 용접품질 자동판독과 고기량 기술인력을 대체할 수 있는 인공지능 기반 용접품질 관리방법에 관한 것이다.
용접은 동일하거나 다른 금속재료가 서로 결합되도록 열과 압력을 가하여 접합시키는 것을 의미하며, 선박 또는 해양플랜트의 생산 및 건조에 있어 매우 높은 비중을 차지하는 작업 중 하나이다. 이러한 용접이 가해진 구조물의 이음부는 안정성 검증을 위한 검사가 필요하기 때문에, 이를 위해 조선소에서는 용접부에 대한 비파괴검사를 수행하여 용접부에 대한 적합 판정을 받아야 한다. 만약 용접부가 부적합 판정을 받을 경우 용접 재작업 및 용접부 재검사하는 과정을 통해 선주에게 품질을 보증하고 있다.
이러한 비파괴 검사(nondestructive inspection, NDT) 중 용접부 결함 검사에 주로 사용되는 방법은 방사선투과검사(radiography test, RT) 또는 초음파탐상검사(ultrasonography test, UT)가 대표적이다. 그중에서 방사선투과검사는 필름에 나타난 상을 통해 용접부 결함의 종류, 크기 또는 위치에 대한 판독이 상대적으로 용이하다는 장점이 있다. 이뿐만 아니라 방사선투과검사는 검사 결과를 영구적으로 기록할 수 있고, 재료의 종류에 제한되지 않고 다양한 재료에 적용이 가능하다는 장점이 있다.
이와 같이 방사선투과검사 관련 종래기술은 '대한민국특허청 공개실용신안 제20-2014-0006110호 용접 시편의 비파괴검사용 장치'와 같이, 한번의 방사선 촬용으로 복수 개의 용접부를 촬영할 수 있는 기술 등 다양한 방면으로 방사선투과검사 기술을 개발하고 있다.
현재 대부분의 조선소에서는 용접부의 촬영을 통해 얻어진 필름을 인화하여 검사에 활용하는 아날로그 형태의 방사선투과검사를 적용하고 있다. 하지만 아날로그 형태의 방사선투과검사는 방사선 촬영에서부터 결함 유무 판독까지의 소요시간이 길고 과정이 복잡하며, 최종적인 합부 판정은 비파괴검사 관련 분야의 자격을 보유한 고숙련 검사자에 의해 수작업으로 진행되고 있어 검사효율이 좋지 못하고 검사비용이 증가한다는 단점이 있다. 이뿐만 아니라 한 척의 선박을 건조하는 과정에서 용접부 품질 검사를 위해 발생되는 아날로그 방사선투과 필름은 수천에서 수만장에 이른다. 이렇게 생성된 방사선투과 필름은 최소 5년을 보관해야 하는데, 장기간 보관에 대한 공간적인 제약과 더불어 방사선투과 필름의 훼손이나 분실과 같은 사고가 발생할 가능성이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 아날로그 방사선투과검사 이미지를 디지털 데이터화하여 저장할 수 있으며, 저장된 이미지데이터를 이용하여 인공지능 기반 학습을 통한 용접품질 자동판독과 고기량 기술인력을 대체할 수 있는 인공지능 기반 용접품질 관리방법을 제공하는 것이다.
상기한 목적은, 검사대상 선박에 대한 용접정보데이터를 관리하는 WEB 서버와, 상기 용접정보데이터를 저장하는 DBMS 서버와, 상기 용접부에 대한 이미지데이터를 관리하는 FTP 서버를 포함하는 플랫폼;을 이용한 인공지능 기반 용접품질 관리방법에 있어서, 검사대상 선박의 구조 및 용접부를 분석하여 상기 용접정보데이터를 추출하고, 상기 용접정보데이터를 상기 DBMS 서버에 전송 및 저장하는 용접정보데이터 저장단계; 다수의 상기 용접부 중 용접품질검사가 필요한 상기 용접부를 용접갭이 넓은 순서대로 순차적으로 선택하여 상기 용접부에 해당하는 상기 용접정보데이터를 포함하는 태그를 부여하는 태그 부여단계; 상기 태그가 부여된 상기 용접부를 아날로그 방사선투과검사를 통해 비파괴 촬영하여 촬영이미지를 얻고, 상기 촬영이미지를 디지털화하여 이미지데이터를 얻어 상기 FTP 서버를 통해 전송하여 상기 DBMS 서버에 저장하는 이미지데이터 전송단계; 상기 용접부에 대한 상기 태그 및 상기 이미지데이터를 매칭시켜 통합데이터를 형성하는 통합데이터 형성단계; 상기 통합데이터를 기반으로 상기 DBMS 서버에 저장된 기학습데이터와 비교하여 상기 용접부의 결함을 판독하고, 상기 용접부의 판독 결과에 해당하는 결함의 유형, 결함의 크기 및 결함의 개수에 따라 용접부를 양품 또는 불량품으로 판정하는 불량 판정단계;를 포함하는 것을 특징으로 하는 인공지능 기반 용접품질 관리방법에 의해서 달성된다.
여기서, 상기 통합데이터 형성단계 이후에, 상기 DBMS 서버에 저장된 통합데이터를 백업모듈에 백업하는 백업단계;를 더 포함하는 것이 바람직하며, 상기 불량 판정단계는, 상기 통합데이터를 기반으로 상기 DBMS 서버와 연결된 인공지능 머신을 통해 상기 용접부의 결함을 판독하고, 상기 인공지능 머신이 판독한 상기 용접부의 판독 결과에 따라 상기 용접부를 양품 또는 불량품으로 판정하는 것이 바람직하다.
상술한 바와 같이 본 발명에 따르면, 아날로그 방사선투과검사 이미지를 디지털 데이터화하여 저장할 수 있으며, 저장된 이미지데이터를 이용하여 인공지능 기반 학습을 통한 용접품질 자동판독과 고기량 기술인력을 대체할 수 있는 효과가 있다.
도 1은 본 발명에 사용되는 플랫폼의 개략도이고,
도 2는 본 발명의 실시예에 따른 인공지능 기반 용접품질 관리방법의 순서도이고,
도 3은 인공지능 머신을 통해 판독되는 용접부의 결함 유형을 나타내는 표이고,
도 4는 1종 결함의 판정 기준을 나타낸 표이고,
도 5는 1종 결함의 직경에 따른 결함의 점수 표이고,
도 6은 2종 결함의 판정기준을 나타낸 표이고,
도 7은 실시예에 따른 플랫폼 구동을 나타낸 사진이고,
도 8은 실시예를 통해 확인된 결함 종류, 개수 및 퍼센트를 나타낸 표이고,
도 9 및 도 10은 용접품질 검사 결과를 확인할 수 있는 플랫폼을 나타낸 사진이다.
도 2는 본 발명의 실시예에 따른 인공지능 기반 용접품질 관리방법의 순서도이고,
도 3은 인공지능 머신을 통해 판독되는 용접부의 결함 유형을 나타내는 표이고,
도 4는 1종 결함의 판정 기준을 나타낸 표이고,
도 5는 1종 결함의 직경에 따른 결함의 점수 표이고,
도 6은 2종 결함의 판정기준을 나타낸 표이고,
도 7은 실시예에 따른 플랫폼 구동을 나타낸 사진이고,
도 8은 실시예를 통해 확인된 결함 종류, 개수 및 퍼센트를 나타낸 표이고,
도 9 및 도 10은 용접품질 검사 결과를 확인할 수 있는 플랫폼을 나타낸 사진이다.
이하, 본 발명의 기술적 사상을 첨부된 도면을 사용하여 더욱 구체적으로 설명한다. 첨부된 도면은 본 발명의 기술적 사상을 더욱 구체적으로 설명하기 위하여 도시한 일예에 불과하므로 본 발명의 기술적 사상이 첨부된 도면의 형태에 한정되는 것은 아니다.
도 1은 본 발명에 사용되는 플랫폼의 개략도이고, 도 2는 본 발명의 실시예에 따른 인공지능 기반 용접품질 관리방법의 순서도이고, 도 3은 인공지능 머신을 통해 판독되는 용접부의 결함 유형을 나타내는 표이고, 도 4는 1종 결함의 판정 기준을 나타낸 표이고, 도 5는 1종 결함의 직경에 따른 결함의 점수 표이고, 도 6은 2종 결함의 판정기준을 나타낸 표이고, 도 7은 실시예에 따른 플랫폼 구동을 나타낸 사진이고, 도 8은 실시예를 통해 확인된 결함 종류, 개수 및 퍼센트를 나타낸 표이고, 도 9 및 도 10은 용접품질 검사 결과를 확인할 수 있는 플랫폼을 나타낸 사진이다.
본 발명에 사용되는 플랫폼(1)은, 도 1에 도시된 바와 같이 검사대상 선박에 대한 용접정보데이터를 관리하는 WEB 서버(10), 용접정보데이터를 저장하는 DBMS 서버(20), 용접부에 대한 이미지데이터를 관리하는 FTP서버(30), DBMS 서버에 접근가능하도록 WEB 서버(10)와 연결된 단말모듈(40)과, 촬영이미지를 디지털화하는 디지털화모듈(50), 용접부의 결함을 판독하는 판독모듈(60), 통합데이터를 백업하는 백업모듈(70)을 포함한다.
여기서 WEB 서버(10)는 모바일 또는 PC와 같은 단말모듈(40)을 통해 용접정보데이터를 조회, 수정, 코멘트 등록 등의 관리를 수행할 수 있는 서버로, WEB 서버(10)를 통해 변경된 용접정보데이터는 DBMS 서버(20)로 전송되어 저장된다. 상세하게는 WEB 서버(10)를 통해 기초코드 관리, 블록코드 관리, 검사자 관리, 용접품질 관리, 권한그룹 관리, 사용자 관리 등의 관리가 가능하다.
DBMS서버(database management system server, 20)는 용접정보데이터를 저장하는 서버에 해당하며, FTP 서버(file transfer protocol server, 30)는 다양한 형태의 대용량 파일을 네트워크를 통해 주고받을 때 사용하는 서버로 촬영이미지가 고해상도 고용량이기 때문에 본 발명은 FTP 서버(30)를 사용한다.
본 발명에 따른 인공지능 기반 용접품질 관리방법은, 도 2에 도시된 바와 같이 용접정보데이터 저장단계(S100), 태그 부여단계(S200), 이미지데이터 전송단계(S300), 통합데이터 형성단계(S400) 및 불량 판정단계(S500)를 포함한다.
먼저 용접정보데이터 저장단계(S100)는, 검사대상 선박의 구조 및 용접부를 분석하여 용접정보데이터를 추출하고, 용접정보데이터를 DBMS 서버(20)에 전송 및 저장하는 단계를 의미한다.
용접정보데이터 저장단계(S100)는 검사대상 선박의 구조를 분석하여 3차원 CAD 파일을 형성하고, 3차원 CAD 파일을 기반으로 용접품질 관리가 필요한 용접부에 대한 정보를 추출하여 DBMS 서버(20)에 전송 및 저장시키게 된다.
3차원 CAD 파일을 기반으로 용접부에 대한 정보를 추출하는 방법으로는, 3차원 CAD 파일 내에 다수의 부재가 부재 사이에 서로 용접갭을 가지고 배치되어 있는 영역에 대해, 최대 용접갭보다 1,2 내 지 1.5배로 큰 설정값 만큼 각 부재의 면을 외측으로 연장시킨 연장부를 형성한다. 이때 연장부의 형성은 각 부재의 면에서 그 면에 수직인 방향으로 연장하는 것이 바람직하다.
따라서 연장부를 통해 용접부를 확인할 수 있으며, 3차원 CAD 파일을 통해 용접부의 위치, 용접부의 길이 등과 같은 용접부에 대한 정보를 추출하여 DBMS 서버(20)에 전송 및 저장시키게 된다. 이와 같이 3차원 CAD 파일을 이용하여 용접부에 대한 정보를 추출할 경우 작업자가 설계도면을 일일이 확인하면서 용접부를 추출할 필요없이 용접부가 자동으로 확인될 수 있다.
DBMS 서버(20)는 용접정보데이터를 저장하는 서버에 해당하며, DBMS 서버(20)에 저장된 용접정보데이터는 WEB 서버(10)를 통해 접근하여 수정, 처리 등과 같이 용접정보데이터를 다방면으로 활용할 수 있도록 구성된다. 이와 같이 WEB 서버(10)를 통해 변경된 용접정보데이터는 다시 DBMS 서버(20)에 지속적으로 저장된다.
이와 같이 DBMS 서버(20)에 저장된 용접정보데이터는 용접정보관리테이블(21) 내에 구분되어 저장될 수 있으며, 용접정보관리테이블(21)은 크게 프로젝트정보테이블, 용접검사정보테이블, 담당자정보테이블로 나눌 수 있다. 여기서 프로젝트정보테이블은 프로젝트에 속한 블록을 관리하기 위한 테이블로, 블록ID, 시작날짜, 종료날짜가 기재된다. 용접검사정보테이블은 용접부 검사를 위한 정보를 관리하기 위한 테이블로, 태그명, 접합번호, X좌표, Y좌표, Z좌표, 부재명, 두께, 재질, 용접길이(mm), 개선사항이 기재된다. 담당자정보테이블은 용접부 검사 담당자의 정보를 관리하기 위한 테이블로, 담당자 ID, 이름, 부서, 직책, 연락처, 기타정보가 기재된다.
태그 부여단계(S200)는, 다수의 용접부 중 용접품질검사가 필요한 용접부를 용접갭이 넓은 순서대로 순차적으로 선택하여 용접부에 해당하는 용접정보데이터를 포함하는 태그를 부여하는 단계를 의미한다.
다수의 용접부 중 용접품질검사가 필요한 용접부를 용접갭이 넓은 순서대로 순차적으로 선택하는 방법으로는, 용접정보데이터 저장단계(S100)를 통해 3차원 CAD 파일을 기반으로 얻은 용접갭에는 용접부가 형성되기 때문에 용접갭이 넓을수록 용접부의 결함이 많을 가능성이 높다. 따라서 용접갭이 넓은 용접부부터 순차적으로 결함을 확인하기 위하여 해당 순서대로 용접부를 순차적으로 선택하여 용접부에 해당하는 태그를 부여하게 된다.
태그의 부여는 용접정보데이터 저장단계(S100)를 통해 저장된 다수의 용접부에 각각 용접정보데이터를 포함하는 태그를 부여하게 된다. 여기서 태그는 용접부를 식별하기 위한 구성으로 용접정보관리테이블(21)을 포함하는 태그가 바람직하다. 즉, 용접품질 검사를 수행하게 되는 다수의 용접부 각각에 개별적으로 태그를 형성하고, 해당 태그에 태그식별번호를 부여할 수도 있다. 여기서 태그식별번호는 서로 중복되지 않는 숫자 또는 문자로 이루어질 수 있다. 이와 같이 각각의 용접부에 각각의 태그를 부여하게 되면 해당 용접부에 맞는 용접정보데이터를 확인할 수 있다.
이미지데이터 전송단계(S300)는, 태그가 부여된 용접부를 아날로그 방사선투과검사를 통해 비파괴 촬영하여 촬영이미지를 얻고, 촬영이미지를 디지털화하여 이미지데이터를 얻어 FTP 서버(30)를 통해 전송하여 DBMS 서버(20)에 저장하는 단계를 의미한다.
태그가 부여된 용접부를 아날로그 방사선투과검사를 통해 필름 또는 영상으로 이루어진 결과물을 얻을 수 있도록 비파괴 촬영하여 촬영 이미지를 얻는다. 이와 같이 용접부를 촬영한 촬영이미지로부터 인공지능 기반 용접품질 관리를 위해 촬영이미지를 디지털 변환처리하여 이미지데이터를 얻는다. 여기서 촬영이미지의 디지털 변환처리는 촬영이미지를 디지털화하는 디지털화모듈(50) 내에 수 내지 수백 개의 촬영이미지가 적재되고, 이러한 촬영이미지를 디지털화모듈(50)을 통해 자동으로 스캔된다.
그 후 디지털화된 이미지데이터는 FTP 서버(30)를 통해 고화질로 전송되어 DBMS 서버(20)에 저장된다. 여기서 이미지데이터는 고화질로 공급되기 위해 DICOM 또는 DICONDE 형식의 데이터로 전송되며, 고화질 이미지데이터를 전송할 수 있는 FTP 서버(30)를 이용하여 DBMS 서버로 전송 및 저장된다. 경우에 따라서 DICOM 또는 DICONDE 형식의 이미지데이터는 범용적으로 사용되고 있는 BMP, JPG, JPEG, PNG, GIF와 같은 형식의 데이터로 변환될 수도 있다.
이와 같이 디지털화된 이미지데이터는 위변조방지를 위해 이미지데이터에 워터마크(water mark) 또는 핑거프린터(finger print) 기술을 적용할 수도 있으며, 이를 통해 이미지데이터의 불법복제 및 공유를 방지할 수 있다.
통합데이터 형성단계(S400)는, 용접부에 대한 태그 및 이미지데이터를 매칭시켜 통합데이터를 형성하는 단계를 의미한다.
용접부의 촬영을 통해 얻은 이미지데이터와 용접정보관리테이블(21)을 포함하는 태그가 서로 매칭되지 않을 경우 잘못된 정보에 의한 용접부의 결함 판독이 이루어지기 때문에 오류로 인한 신뢰성 저하가 발생하며, 이는 조선소의 비용 발생 및 이미지 손실과 이어지게 된다. 따라서 각각의 용접부에 맞는 태그 및 이미지데이터를 매칭시켜 각각의 용접부에 대한 통합데이터를 형성하게 된다. 여기서 통합데이터는 이미지데이터에 태그를 식별번호 또는 고유코드로 변환하여 새기는 방법을 이용할 수 있으며, 이 이외에도 다양한 방법을 적용 가능하다.
이러한 통합데이터는 고용량의 태그 및 고화질의 이미지데이터를 포함하고 있기 때문에 이를 지속적으로 DBMS 서버(20)에 저장시켜 놓는 것이 부담이 될 수 있다. 따라서 통합데이터 형성단계(S400) 이후에, DBMS 서버(20)에 저장된 통합데이터를 백업모듈(70)에 백업하는 백업단계;를 더 포함할 수 있는데, 이는 통합데이터 중 주요한 데이터만을 남긴 후 나머지 데이터를 별도의 백업모듈(70)에 백업하는 단계를 의미한다. 경우에 따라서 백업모듈은 FTP 서버(30)의 손상 또는 통합데이터 손실 등과 같은 특수한 상황을 대비하기 위해서도 백업을 수행하게 된다.
백업모듈(70)은 도 1에 도시된 바와 같이 주저장부(primary storage, 71) 및 부저장부(secondary storage, 72)로 이루어지는데, 주저장부(71)에는 통합데이터 중 주요한 데이터를 샘플링 또는 압축한 후 통합데이터를 저장 가능하며, 부저장부(72)에는 주저장부(71)에 저장되지 않고 남은 통합데이터가 백업된다.
불량 판정단계(S500)는, 통합데이터를 기반으로 DBMS 서버(20)에 저장된 기학습데이터와 비교하여 용접부의 결함을 판독하고, 용접부의 판독 결과에 해당하는 결함의 유형, 결함의 크기 및 결함의 개수에 따라 용접부를 양품 또는 불량품으로 판정하는 불량 판정단계를 의미한다.
불량 판정단계는 DBMS 서버(20)와 연결된 인공지능 머신(AI machine)을 통해 통합데이터와 DBMS 서버(20)에 저장된 기학습데이터를 비교하여 용접부의 결함을 판독하고, 인공지능 머신이 판독한 용접부의 판독 결과에 따라 용접부를 양품 또는 불량품으로 판정하게 된다. 여기서 기학습데이터는 종래의 선박에서 발생된 결함에 대한 이미지데이터 및 태그를 DBMS 서버(20)에 학습 및 축적해둔 데이터에 해당한다.
인공지능 머신을 통해 판독되는 용접부의 결함 유형은 도 3과 같이 3종류로 분류 가능하며, 해당 결함 및 결함 분류가 인공지능 머신 내에 내장되어 있다. 여기서 1종 결함은 기공 또는 기공과 유사한 결함(porosity(blow hole) and similar defect), 2종 결함은 긴 슬래그 포함, 파이프, 불완전 침투, 불완전 융합 및 유사한 결함(elongated slag inclusion, pipe, incomplete penetration, incomplete fusion, and similar defects), 3종 결함은 균열 및 유사한 결함(crack and similar defects)에 해당한다.
도 4는 1종 결함의 판정 기준을 나타낸 것으로, 용접부를 통해 연결되는 금속판재의 두께(Thickness of base metal) 및 금속판재의 사이즈(Test field of vision)에 따라 사이즈 및 개수에 따른 결함기준이 상이하다. 1종 결함의 크기는 최대결함크기(Maximum size of single defect) 및 결함점수(Total score of defect)로 나타내고, 시험 시야(test field of vision)에는 최대 크기의 결함이 포함되도록 규정한다. 결함의 점수가 최대가 되도록 선택한 결함이 시험 시야의 경계에 있는 경우 시험 시야 밖의 부분도 포함해서 측정하며, 1종 결함의 크기가 명시된 최대 크기를 초과하는 경우에는 결함으로 판정하여 용접부 불량으로 결정된다.
도 5는 1종 결함의 직경에 따른 결함의 점수를 나타낸 것으로, 결함의 직경이 클수록 높은 점수가 매겨진다. 단일 결함의 경우 결함 점수는 결함의 최대 직경에 따라 결함을 점수화하여 사용 및 결정하며, 두 개 이상의 1종 결함의 점수는 시험 시야 내 각각의 결함에 대한 점수의 총합으로 정의한다.
도 6은 2종 결함의 판정기준을 나타낸 것으로, 2종 결함의 크기는 결함의 길이로 나타내고, 결함이 잇달아 존재하거나 상호 결함 사이의 거리가 큰 결함의 길이를 초과하지 않으면 상호 결함 사이의 간격을 포함한 모든 결함의 크기가 결함의 길이로 간주된다. 또한 2종 결함의 길이가 명시된 최대 크기를 초과하는 경우 결함으로 판정하여 허용이 불가하며, 일면 맞대기 용접부에서 루트 용입부족은 허용이 불가하다.
또한, 3종 결함의 경우 3종 결함으로 판정되는 결함을 모두 허용하지 않으며, 1종과 2종 결함이 공존하는 경우에는 각 결함의 크기가 각각 명시된 크기의 절반 이상이면 허용이 불가하다. 즉, 상기한 결함의 경우 용접부를 불량으로 판정하게 된다.
이와 같이 인공지능 머신을 통해 용접부 내의 결함을 1종, 2종 또는 3종으로 분류하고, 분류된 결함 종류에 맞는 결함의 판정 기준을 통해 용접부를 양품 또는 불량품으로 판정하게 된다. 여기서 용접부가 불량품으로 판정될 경우 해당 통합데이터는 기학습데이터로 DBMS 서버(20)에 학습될 수 있다.
이와 같이 용접정보데이터 저장단계(S100), 태그 부여단계(S200), 이미지데이터 전송단계(S300), 통합데이터 형성단계(S400) 및 불량 판정단계(S500)를 통해 불량품으로 판정되는 용접부는 선박의 건조에 제외되고, 불량품으로 판정되지 않더라도 어느 정도 결함을 가지고 있는 용접부는 추후에 선박에 문제가 생길 경우 해당 용접부를 우선적으로 확인하여 문제의 원인을 파악할 수 있게 된다.
이하에서는 본 발명의 실시예를 좀 더 상세하게 설명한다.
<실시예>
본 발명에 사용되는 플랫폼은 도 7에 도시된 바와 같이 WEB 서버 및 DBMS 서버는 인텔 Xeon W-2223 3.6GHz, RAM 32 GB 사양의 MS Windows 10 Pro for Workstations 운영체제로 구성하였으며, MS SQL을 기반으로 용접정보관리테이블을 생성하였다. 또한, FTP 서버의 주/부 저장장치는 각각 32TB 용량을 가지는 NAS 장비 두 대로 구성하였고, 자동 백업 모듈은 1회 설정 완료 후에는 백그라운드에서 동작하면서 설정된 주기에 따라 업로드 등 변경을 감시하여 백업을 수행하도록 개발하였다.
본 발명에서는 용접결함판독 알고리즘의 학습을 위해 대형조선소 2곳과 중형조선소 1곳에서 결함이 있는 방사선투과검사 필름 총 626장을 제공받아 활용하였다. 스캔장비를 활용하여 제공받은 방사선투과검사 필름을 디지털화(6000×1800px)한 후, 이미지데이터 내에 존재하는 용접 결함의 수를 분석한 결과, 도 8과 같이 기공(porosity), 융합 불량(lack of fusion), 용입 불량(incomplete penetration) 등 총 1,034개가 포함되어 있는 것을 확인하였다. 이때, 하나의 방사선투과검사 필름에 여러 개의 결함이 있을 수도 있기 때문에 중복 계수(count)를 허용하였다.
이러한 방사선투과검사 필름 중, 임의로 약 80%를 학습 데이터로, 약 20%를 평가 데이터로 활용하였으며, GPU 기반 CUDA 10.1의 환경의 Ubuntu 18.04.2 운영체제에서 학습을 수행하였다. 이때, Faster R-CNN과 Inception-ResNet v2를 활용하여 모델을 학습 및 고도화하였고, 그 결과 각 결함에 대해서 평균 98.7mAP의 검출 성능을 보이는 것을 확인하였다.
디지털화모듈로부터 스캔된 이미지데이터가 플랫폼 내 FTP 서버의 공용 디렉토리에 업로드되면, 플랫폼은 이를 감시하여 해당 파일을 프로젝트/블록 디렉토리로 이동시킴과 동시에 DBMS 서버에 경로(URL)를 업데이트 한다. 용접 결함 판독 및 시각화 소프트웨어는 이를 주기적으로 감시하다가 업데이트된 방사선투과검사 필름 경로의 이미지 파일을 알고리즘의 학습 모델과 연계해주고, 도 7과 같이 결함 판독 결과 및 각종 정보를 표시하며, 생성된 결과 이미지데이터를 FTP 서버에 업로드 한 후 경로를 업데이트 한다.
도 9의 상단에는 원본 방사선투과검사 필름 이미지데이터의 정보와 이미지데이터를 표시해주고, 중간 부분에는 알고리즘을 통해 결함을 판독한 결과 이미지데이터의 정보와 이미지데이터를 표시하는데, 이 경우에는 우측 이미지데이터의 표시 창을 통해 총 4개의 결함이 탐지된 것을 확인할 수 있다.
또한, 도 10과 같이 이미지데이터 표시 창은 확대 및 축소, 길이 측정 등이 가능하도록 구현하였으며, 실제 확대를 해보면 용접 결함 중 하나인 기공일 확률이 97%로 검출된 것을 확인할 수 있다. 하단에는 판독된 이미지데이터 내 각종 결함 정보(위치 좌표, 결함확률, 결함종류)를 표시해주는 것을 확인할 수 있다. 결함 위치 표시 테두리 두께와 탑지 기준 확률은 설정이 가능하며, 본 발명에서는 50% 이상으로 설정하였다.
아날로그 형태의 방사선투과검사는 방사선 촬영에서부터 결함 유무 판독까지의 소요시간이 길고 과정이 복잡하며, 최종적인 합부 판정은 비파괴검사 관련 분야의 자격을 보유한 고숙련 검사자에 의해 수작업으로 진행되고 있어 검사효율이 좋지 못하고 검사비용이 증가한다는 단점이 있다. 이에 본 발명에 따른 인공지능 기반 용접품질 관리방법을 이용하여 아날로그 방사선투과검사 이미지를 디지털 데이터화하여 저장할 수 있으며, 저장된 이미지데이터를 이용하여 인공지능 기반 학습을 통한 용접품질 자동판독과 고기량 기술인력을 대체할 수 있는 이점이 있다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.
10: WEB 서버
20: DBMS 서버
21: 용접정보관리테이블
30: FTP 서버
40: 단말모듈
50: 디지털화모듈
60: 판독모듈
70: 백업모듈
71: 주저장부
72: 부저장부
S100: 용접정보데이터 저장단계
S200: 태그 부여단계
S300: 이미지데이터 전송단계
S400: 통합데이터 형성단계
S500: 불량 판정단계
20: DBMS 서버
21: 용접정보관리테이블
30: FTP 서버
40: 단말모듈
50: 디지털화모듈
60: 판독모듈
70: 백업모듈
71: 주저장부
72: 부저장부
S100: 용접정보데이터 저장단계
S200: 태그 부여단계
S300: 이미지데이터 전송단계
S400: 통합데이터 형성단계
S500: 불량 판정단계
Claims (3)
- 검사대상 선박에 대한 용접정보데이터를 관리하는 WEB 서버와, 상기 용접정보데이터를 저장하는 DBMS 서버와, 상기 용접부에 대한 이미지데이터를 관리하는 FTP 서버를 포함하는 플랫폼;을 이용한 인공지능 기반 용접품질 관리방법에 있어서,
검사대상 선박의 구조 및 용접부를 분석하여 상기 용접정보데이터를 추출하고, 상기 용접정보데이터를 상기 DBMS 서버에 전송 및 저장하는 용접정보데이터 저장단계;
다수의 상기 용접부 중 용접품질검사가 필요한 상기 용접부를 용접갭이 넓은 순서대로 순차적으로 선택하여 상기 용접부에 해당하는 상기 용접정보데이터를 포함하는 태그를 부여하는 태그 부여단계;
상기 태그가 부여된 상기 용접부를 아날로그 방사선투과검사를 통해 비파괴 촬영하여 촬영이미지를 얻고, 상기 촬영이미지를 디지털화하여 이미지데이터를 얻어 상기 FTP 서버를 통해 전송하여 상기 DBMS 서버에 저장하는 이미지데이터 전송단계;
상기 용접부에 대한 상기 태그 및 상기 이미지데이터를 매칭시켜 통합데이터를 형성하는 통합데이터 형성단계;
상기 통합데이터를 기반으로 상기 DBMS 서버에 저장된 기학습데이터와 비교하여 상기 용접부의 결함을 판독하고, 상기 용접부의 판독 결과에 해당하는 결함의 유형, 결함의 크기 및 결함의 개수에 따라 용접부를 양품 또는 불량품으로 판정하는 불량 판정단계;를 포함하는 것을 특징으로 하는 인공지능 기반 용접품질 관리방법. - 제 1항에 있어서,
상기 통합데이터 형성단계 이후에,
상기 DBMS 서버에 저장된 통합데이터를 백업모듈에 백업하는 백업단계;를 더 포함하는 것을 특징으로 하는 인공지능 기반 용접품질 관리방법. - 제 1항에 있어서,
상기 불량 판정단계는,
상기 통합데이터를 기반으로 상기 DBMS 서버와 연결된 인공지능 머신을 통해 상기 용접부의 결함을 판독하고, 상기 인공지능 머신이 판독한 상기 용접부의 판독 결과에 따라 상기 용접부를 양품 또는 불량품으로 판정하는 것을 특징으로 하는 인공지능 기반 용접품질 관리방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210071077A KR102518016B1 (ko) | 2021-06-01 | 2021-06-01 | 인공지능 기반 용접품질 관리방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210071077A KR102518016B1 (ko) | 2021-06-01 | 2021-06-01 | 인공지능 기반 용접품질 관리방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220162524A true KR20220162524A (ko) | 2022-12-08 |
| KR102518016B1 KR102518016B1 (ko) | 2023-04-04 |
Family
ID=84436820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210071077A KR102518016B1 (ko) | 2021-06-01 | 2021-06-01 | 인공지능 기반 용접품질 관리방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102518016B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572304B1 (ko) * | 2023-03-09 | 2023-08-28 | 박종영 | 인공지능 알고리즘에 기초하여 실시간 용접 검사 및 불량 예방 서비스를 제공하는 방법 및 시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140006110U (ko) | 2013-05-27 | 2014-12-05 | 현대중공업 주식회사 | 용접 시편의 비파괴검사용 장치 |
| KR20180138160A (ko) * | 2017-06-20 | 2018-12-28 | 링컨 글로벌, 인크. | 용접물 분류 및 상관관계에 대한 기계 학습 |
| KR20210059063A (ko) * | 2019-11-13 | 2021-05-25 | 주식회사 파로시스템 | 스폿 용접 시스템의 실시간 용접 품질측정 장치 및 방법 |
-
2021
- 2021-06-01 KR KR1020210071077A patent/KR102518016B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140006110U (ko) | 2013-05-27 | 2014-12-05 | 현대중공업 주식회사 | 용접 시편의 비파괴검사용 장치 |
| KR20180138160A (ko) * | 2017-06-20 | 2018-12-28 | 링컨 글로벌, 인크. | 용접물 분류 및 상관관계에 대한 기계 학습 |
| KR20210059063A (ko) * | 2019-11-13 | 2021-05-25 | 주식회사 파로시스템 | 스폿 용접 시스템의 실시간 용접 품질측정 장치 및 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 김배성 et.al, 조선해양 CAD 기반 용접검사 정보 자동 추출 시스템 개발, 한국정보통신학회논문지 , 한국정보통신학회, Jan. 2020, Vol.24, no.1, pp.28-36* * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572304B1 (ko) * | 2023-03-09 | 2023-08-28 | 박종영 | 인공지능 알고리즘에 기초하여 실시간 용접 검사 및 불량 예방 서비스를 제공하는 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102518016B1 (ko) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Prasanna et al. | Automated crack detection on concrete bridges | |
| RU2665806C2 (ru) | Способ и устройство проверки инспекционной системы для обнаружения поверхностных дефектов | |
| Shafeek et al. | Automatic inspection of gas pipeline welding defects using an expert vision system | |
| US10551351B1 (en) | System and method for efficiently reviewing weld scan data by a weld inspector | |
| US7689003B2 (en) | Combined 2D and 3D nondestructive examination | |
| JP2002236100A (ja) | 非破壊検査方法およびその装置 | |
| KR102518016B1 (ko) | 인공지능 기반 용접품질 관리방법 | |
| US20230112828A1 (en) | Inspection support device, inspection support method, and program | |
| CN105334216A (zh) | 用于自动部件检查的方法与系统 | |
| CN114994097A (zh) | 一种基于人工智能的远程无损检测装置及其使用方法 | |
| JP2004318790A (ja) | 構造物用検査装置及び検査方法、並びに記録媒体 | |
| CN114627121B (zh) | 一种结构构件应力检测方法、装置、设备及介质 | |
| JP2003065959A (ja) | 非破壊検査装置 | |
| KR102387717B1 (ko) | 드론 촬영 및 사진첩 기법을 이용한 시설물 손상 진단 및 점검방법 | |
| US20100039509A1 (en) | System and Method for Determining the Kosher Status of Fish | |
| CA3077548C (en) | System and method for the improved analysis of ultrasonic weld data | |
| CA3077555C (en) | System and method for efficiently reviewing weld scan data by a weld inspector | |
| JP4956077B2 (ja) | 欠陥検査装置及び欠陥検査方法 | |
| MINAMI et al. | Development of automatic concrete cracks detection system using average shifted mesh | |
| JP2004150908A (ja) | 非破壊検査方法およびそのシステム | |
| KR102544533B1 (ko) | 전자 펜 기록정보와 사진 이미지 정보 매칭을 통한 대상물 관리시스템 | |
| JPH0772719B2 (ja) | コンクリ−ト構造物に於ける表面異常の検査方法 | |
| Ferguson et al. | Automated Painting Survey, Degree of Rusting Classification, and Mapping with Machine Learning | |
| JP2011232302A (ja) | 画像検査方法及び画像検査装置 | |
| Yousef et al. | Innovative Inspection Device for Investment Casting Foundries |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |