KR20230053932A - Ct 검사 장치 - Google Patents

Ct 검사 장치 Download PDF

Info

Publication number
KR20230053932A
KR20230053932A KR1020210137320A KR20210137320A KR20230053932A KR 20230053932 A KR20230053932 A KR 20230053932A KR 1020210137320 A KR1020210137320 A KR 1020210137320A KR 20210137320 A KR20210137320 A KR 20210137320A KR 20230053932 A KR20230053932 A KR 20230053932A
Authority
KR
South Korea
Prior art keywords
projection images
learning
image
tomography image
present
Prior art date
Application number
KR1020210137320A
Other languages
English (en)
Other versions
KR102549748B1 (ko
Inventor
유영웅
조철훈
윤정삼
김용하
Original Assignee
(주)펨트론
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)펨트론 filed Critical (주)펨트론
Priority to KR1020210137320A priority Critical patent/KR102549748B1/ko
Priority to JP2024544616A priority patent/JP2024536631A/ja
Priority to PCT/KR2022/011789 priority patent/WO2023063551A1/ko
Priority to EP22881182.4A priority patent/EP4417967A1/en
Publication of KR20230053932A publication Critical patent/KR20230053932A/ko
Application granted granted Critical
Publication of KR102549748B1 publication Critical patent/KR102549748B1/ko

Links

Images

Classifications

    • 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
    • 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
    • G01N23/046—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 using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/18—Investigating the presence of flaws defects or foreign matter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/419—Imaging computed tomograph
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/646—Specific applications or type of materials flaws, defects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

본 발명은 CT 검사 장치에 관한 것으로, 검사 대상에 대해 N 장의 프로젝션 영상을 촬영하는 CT 촬영부와, 상기 CT 촬영부에 의해 촬영된 N장의 상기 프로젝션 영상을 입력받아 상기 검사 대상에 대한 CT 단층 영상을 출력하는 인공지능 기반의 AI 모델을 갖는 CT 영상 생성부를 포함하는 것을 특징으로 한다.
이에 따라, 적은 수의 프로젝션 영상, 예를 들어 4장의 프로젝션 영상의 촬영 만으로 높은 화질과 해상력을 갖는 CT 단층 영상을 생성할 수 있다.
또한, 적은 수의 프로젝션 영상의 촬영으로 인해, 검사 시간이 단축되어 인라인 공정 등에서, 실시간으로 검사 대상의 CT 검사가 가능하게 된다.

Description

CT 검사 장치{CT INSPECTION }
본 발명은 CT 검사 장치에 관한 것으로서, 보다 상세하게는, 적은 수의 프로젝션 영상으로 보다 정확한 CT 영상을 생성할 수 있는 CT 검사 장치에 관한 것이다.
일반적으로, 가전제품이나 컴퓨터 등과 같은 전기전자제품의 주요 부품으로 내장되는 인쇄회로기판(PCB)에는 예컨대, BGA(ball grid array) 또는 CSP(chip scale package) 같은 소형 전자부품이 납땜에 의해 실장된다.
따라서 이러한 인쇄회로기판은 전기전자제품 세트에 내장되는 과정에 있어서 실장된 전자부품의 납땜상태에 대한 양부를 검사하는 과정을 거치게 된다. 이와 같이 인쇄회로기판의 납땜상태를 검사하기 위한 것으로, 최근에는 X선 검사 장치가 주로 이용되고 있다.
이러한 인쇄회로기판의 X선 검사장치는, 차폐를 위한 실내공간이 형성되도록 제작된 캐비닛의 내부에 공급되어 검사위치에 세팅되는 인쇄회로기판에 X선을 조사하여 투영된 영상을 검출기(detector)로 촬영하여 출력되는 영상정보를 통해 인쇄회로기판의 납땜부에 대한 납땜상태의 양부를 판정하도록 되어 있다.
X선을 이용한 종래의 검사장치는, 피검사체를 사이에 두고 X선 발생기와 검출기를 동기 회전시키면서 하나의 영상에 대한 횡단면 층을 얻는 라미노그래피(laminography) 방식의 단층 영상알고리즘을 적용하였다.
하지만, 이러한 종래 X선 검사장치에 적용된 조향 가능한 X선 발생기는 그 구성이 복잡할 뿐만 아니라 제작 비용이 큰 단점이 있고, 대면적의 검출기 또한 고가의 부품으로 X선 검사장치의 단가를 상승시키는 요인이 되었다.
X선을 이용한 또 다른 종래의 검사장치는 X선 발생기를 회전시키면서 다수의 X선 이미지를 수치적으로 결합하여 횡단면 이미지를 얻는 토모신세시스(tomosynthesis) 방식의 단층 영상알고리즘을 적용하였다.
토모신세시스 방식의 X선 발생장치는 X선 발생기가 비조향식으로 조향식인 라미노그래피 방식의 X선 발생장치의 X선 발생기에 비해 저가이나 상대적으로 기능이 적다. 하지만, 이러한 X선 발생기는 빔 조사각이 광각 즉, 최소 100°이상으로 일반적인 X선 발생기에 비해서는 여전히 고가에 해당하는 부품이다.
상기와 같은 문제점을 해소하기 위해, 피검사체를 부분적으로 스캐닝하고 이를 통해 취득한 영상 데이터를 단층 영상으로 재구성하는 저가이면서 3차원 단층영상을 통해 불량판정을 할 수 있는 CT(computer tomography) 검사 장치가 개발되었다.
종래의 CT 검사 장치는 검사 대상인 전자 부품을 다수의 방향에서 촬영한 영상, 즉 프로젝션 영상을 다수 장 촬영하여, 이를 하나의 CT 영상으로 재구성하게 되는데, 최종적으로 생성된 CT 영상의 해상력이나 화질은 프로젝션 영상의 개수에 의해 결정된다.
도 1은 종래의 CT 검사 장치에서 프로젝션 영상의 개수에 따라 생성된 CT 단층 영상의 예들을 나타낸 도면이다. 도 1에 도시된 바와 같이 프로젝션 영상의 개수가 증가할수록 CT 단층 영상의 화질 및 해상력이 높아짐을 확인할 수 있다.
일반적으로, 적어도 8장 이상의 프로젝션 영상을 이용하여 생성된 CT 단층 영상이 부품의 양불을 판단할 수 있는 최소치로 인식되고 있으나, 8장의 프로젝션 영상을 통해 생성된 CT 단층 영상의 경우에도 일부 부품에 대해서는 양불 판정이 불가능한 경우가 종종 발생하는 것으로 알려져 있다.
그런데, 의료 영상과는 달리 전자 부품의 검사를 위한 CT 검사 장치에서 해상력이나 화질을 위해 많은 양의 프로젝션 영상을 전자 부품마다 촬영하는 것은 현실적으로 불가능하다.
즉, 인라인 공정에서 전자 부품의 양불 검사를 위해 많은 시간을 소요하게 되면, 전체 제조 과정의 지연을 초래하여 생산량의 문제뿐만 아니라 제품의 가격 또한 증가시키는 요인으로 작용하게 된다.
따라서, 적은 양의 프로젝션 영상으로도 부품의 양불 판단이 가능할 정도의 화질과 해상력을 갖는 CT 단층 영상을 생성하는 기술은 실제 생산 라인에서 중요한 요소로 인식되고 있다.
또한, CT 검사 장치와 관련하여, 의료용이나 치과용 CT 검사 장치에서도 적은 수의 프로젝션 영상의 촬영을 통해, 고해상도, 고화질의 CT 단층 영상을 생성할 수 있다면, 검사 시간을 절약하여 바람직할 것이다.
한국등록특허공보 제10-1717678호
본 발명은 상기와 같은 점을 감안하여 안출된 것으로서, 본 발명의 목적은 적은 수의 프로젝션 영상으로 보다 정확한 CT 단층 영상을 생성할 수 있는 CT 검사 장치를 제공하는 것이다.
상기 목적은 본 발명에 따라, CT 검사 장치에 있어서, 검사 대상에 대해 N 장의 프로젝션 영상을 촬영하는 CT 촬영부와, 상기 CT 촬영부에 의해 촬영된 N장의 상기 프로젝션 영상을 입력받아 상기 검사 대상에 대한 CT 단층 영상을 출력하는 인공지능 기반의 AI 모델을 갖는 CT 영상 생성부를 포함하는 것을 특징으로 하는 CT 검사 장치에 의해서 달성된다.
여기서, 상기 AI 모델은 N장의 학습용 프로젝션 영상과, N장의 상기 학습용 프로젝션 영상에 의해 생성된 제1 학습용 CT 단층 영상과, M(여기서, M > N)장의 학습용 프로젝션 영상에 의해 생성된 제2 학습용 CT 단층 영상을 학습 데이터로 하여 학습되어 생성되되, 상기 제2 학습용 CT 단층 영상을 출력 데이터로 하여 학습될 수 있다.
그리고, 상기 AI 모델은 N장의 상기 학습용 프로젝션 영상과 상기 제1 학습용 CT 단층 영상을 입력 데이터로 하여 학습되며; 상기 CT 영상 생성부는 N장의 상기 프로젝션 영상을 처리하여 입력용 CT 단층 영상을 생성하여 상기 AI 모델로 입력하는 전처리 모듈을 더 포함할 수 있다.
그리고, N는 4이고, M은 8 이상일 수 있다.
본 발명에 따르면, 적은 수의 프로젝션 영상, 예를 들어 4장의 프로젝션 영상의 촬영 만으로 높은 화질과 해상력을 갖는 CT 단층 영상을 생성할 수 있는 CT 검사 장치가 제공된다.
또한, 적은 수의 프로젝션 영상의 촬영으로 인해, 검사 시간이 단축되어, 인라인 공정 등에서 실시간으로 CT 검사가 가능하게 된다.
도 1은 종래의 CT 검사 장치에서 프로젝션 영상의 개수에 따라 생성된 CT 단층 영상의 예들을 나타낸 도면이고,
도 2는 본 발명의 실시예에 따른 CT 검사 장치의 구성을 나타낸 도면이고,
도 3은 본 발명의 실시예에 따른 CT 검사 장치의 CT 촬영부의 촬영 예를 나타낸 도면이고,
도 4는 본 발명의 실시예에 따른 CT 검사 장치의 AI 모델에 적용되는 학습 데이터의 예를 나타낸 도면이고,
도 5 및 도 6은 본 발명의 실시예에 따른 CT 검사 장치의 CT 단층 영상 생성 결과를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부 도면을 참조하여 본 발명에 대해 상세히 설명한다. 또한, 본 발명의 실시예에서는 CT 검사 장치(100)가 전자 부품의 검사에 적용되는 것을 예로 설명한다.
도 2는 본 발명의 실시예에 따른 CT 검사 장치(100)의 구성을 나타낸 도면이다.
도 2를 참조하여 설명하면, 본 발명의 실시예에 따른 CT 검사 장치(100)는 CT 촬영부(110) 및 CT 영상 생성부(120)를 포함할 수 있다. 또한, 본 발명의 실시예에 따른 CT 검사 장치(100)는 제어부(130)를 더 포함하여 구성될 수 있다.
본 발명의 실시예에 따른 CT 촬영부(110)는 전자 부품에 대해 N 장의 프로젝션 영상을 촬영한다. 본 발명의 실시예에서는 CT 촬영부(110)가 4장의 프로젝션 영상을 촬영하는 것을 예로 하는데, 후술할 AI 모델(121)의 학습에 사용되는 M 장의 학습용 프로젝션 영상과 대비할 때, N은 M보다 작은 자연수가 되며, 이에 대한 상세한 설명은 후술한다.
본 발명의 실시예에서는 CT 촬영부(110)가, 도 3에 도시된 바와 같이, 90° 간격으로 4장의 프로젝션 영상을 촬영하는 것을 예로 하고 있으나, 촬영 방향이 이에 국한되지 않음은 물론이다.
한편, CT 영상 생성부(120)는 CT 촬영부(110)에 의해 촬영된 N장의 프로젝션 영상, 예컨대 전술한 바와 같이, 4장의 프로젝션 영상을 입력받아 전자 부품의 CT 단층 영상을 생성한다.
본 발명의 실시예에서는 CT 영상 생성부(120)가 인공지능 기반의 AI 모델(121)을 포함하는 것을 예로 하며, 인공지능 기반의 AI 모델(121)이 N장의 프로젝션 영상을 입력받아 고화질의 CT 단층 영상을 추론하여 출력하는 것을 예로 한다.
이를 통해, 인공지능 기반의 AI 모델(121)이 기 학습된 학습 모델을 이용하여 4장의 프로젝션 영상 만으로 상대적으로 높은 화질과 해상력을 갖는 CT 단층 영상의 생성이 가능하게 된다.
한편, 본 발명의 실시예에 따른 AI 모델(121)은 N 장의 학습용 프로젝션 영상, N 장의 학습용 프로젝션 영상에 의해 생성된 제1 학습용 CT 단층 영상, 그리고, M 장의 학습용 프로젝션 영상에 의해 생성된 제2 학습용 CT 단층 영상을 학습 데이터로 하여 학습되어 생성되는 것을 예로 한다. 여기서, 제1 학습용 CT 단층 영상과 제2 학습용 CT 단층 영상은 각각 한장으로 학습된다.
여기서, AI 모델(121)은 제2 학습용 CT 단층 영상을 출력 데이터로 하여 학습되며, 상술한 바와 같이, M은 N보다 큰 자연수이다.
도 4는 본 발명의 실시예에 따른 CT 검사 장치(100)의 AI 모델(121)의 학습에 적용되는 학습 데이터의 예를 나타낸 도면이다. 여기서, 학습 데이터는 학습 데이터베이스(140)에 저장될 수 있다.
도 4의 (a)에 도시된 바와 같이, 특정 전자 부품에 대해 촬영된 4 장의 학습용 프로젝션 영상이 한 세트의 학습 데이터로 입력된다. 그리고, 도 4의 (b)에 도시된 제1 학습용 CT 단층 영상은 도 4의 (a)에 도시된 4 장의 학습용 프로젝션 영상을 이용하여 생성된 CT 단층 영상이다.
그리고, 도 4의 (c)에 도시된 제2 학습용 CT 단층 영상은 해당 전자 부품에 대해 촬영된 M 장의 프로젝션 영상을 이용하여 생성된 CT 단층 영상이다. 본 발명의 실시예에서는 학습에 사용되는 제2 학습용 CT 단층 영상을 8장 이상의 프로젝션 영상을 이용하여 생성하는 것을 예로 하며, AI 모델(121)의 학습 성능을 높이기 위해, 360장의 프로젝션 영상을 이용하여 생성된 CT 단층 영상을 제2 학습용 CT 단층 영상으로 적용하는 것을 예로 한다.
상기와 같은 학습 데이터를 이용하여 AI 모델(121)이 학습되는데, 4장의 학습용 프로젝션 영상과 제1 학습용 CT 단층 영상을 입력 데이터로 하고, 제2 학습용 CT 단층 영상을 출력 데이터로 하여 학습이 진행된다.
여기서, 본 발명이 실시예에 따른 CT 영상 생성부(120)는 CT 촬영부(110)에 의해 촬영된 N 장의 프로젝션 영상을 처리하여 한 장의 입력용 CT 단층 영상을 생성하여 AI 모델(121)의 입력 데이터로 입력하는 전처리 모듈(122)을 포함할 수 있다.
즉, 제어부(130)는 CT 촬영부(110)에 의해 촬영된 N 장의 프로젝션 영상을 이용하여 전처리 모듈(122)이 입력용 CT 단층 영상을 생성하도록 제어하고, AI 모델(121)은 CT 촬영부(110)에 의해 촬영된 N 장의 프로젝션 영상과, 전처리 모듈(122)에 의해 생성된 입력용 CT 단층 영상을 입력받아 CT 단층 영상을 추론하여 출력하게 된다.
도 5 및 도 6은 본 발명의 실시예에 따른 CT 검사 장치(100)에 의해 출력되는 CT 단층 영상의 예들을 설명하기 위한 도면이다.
도 5 및 도 6에서 "입력 (4P)"는 CT 촬영부(110)에 의해 촬영된 4장의 프로젝션 영상을 처리하여 생성한 CT 단층 영상을 나타낸 것이고, "AI 결과"는 본 발명의 실시예에 따른 CT 검사 장치(100)의 AI 모델(121)에 의해 추론된 CT 단층 영상의 출력이고, "정답(360P)"는 360장, 즉 1° 간격으로 촬영된 프로젝션 영상을 이용하여 실제로 생성된 CT 단층 영상이다.
도 5 및 도 6에 도시된 바와 같이, 본 발명의 실시예에 따른 AI 모델(121)이 출력한 CT 단층 영상과 실제 360장의 프로젝션 이미지를 이용하여 생성된 CT 단층 영상이 유사함을 확인할 수 있다.
즉, 단지 4장의 프로젝션 영상의 촬영 만으로 높은 화질과 해상력을 갖는 CT 단층 영상의 생성이 가능하게 되어 검사 시간을 단축할 수 있게 된다. 결과적으로, 인라인 공정 안에서 실시간으로 CT 단층 영상을 이용한 전자 부품의 검사가 가능하게 된다.
본 발명의 실시예에서는 AI 모델(121)이 CNN 기반의 GAN(Generative Adversarial Network)을 이용하여 학습되는 것을 예로 한다.
전술한 실시예에서는 본 발명의 실시예에 따른 CT 검사 장치(100)가 전자 부품의 검사에 적용되는 것을 예로 하여 설명하였다. 그러나, 본 발명의 기술적 사상이 전자 부품의 검사에만 국한되지 않으며, 의료용 CT 검사, 치과용 CT 검사를 위한 CT 검사 장치에도 적용될 수 있음은 물론이다.
이를 통해, 치과 등의 의료용 CT 검사에서도 적은 수의 촬영으로 보다 고화질, 고해상력을 제공하는 CT 단층 영상의 생성이 가능하게 되어, 검사 시간을 줄일 수 있는 효과를 기대할 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : CT 검사 장치 110 : CT 촬영부
120 : CT 영상 생성부 121 : AI 모델
122 : 전처리 모듈 130 : 제어부
140 : 학습 DB

Claims (4)

  1. CT 검사 장치에 있어서,
    전자 부품에 대해 N 장의 프로젝션 영상을 촬영하는 CT 촬영부와,
    상기 CT 촬영부에 의해 촬영된 N장의 상기 프로젝션 영상을 입력받아 상기 전자 부품에 대한 CT 단층 영상을 출력하는 인공지능 기반의 AI 모델을 갖는 CT 영상 생성부를 포함하는 것을 특징으로 하는 CT 검사 장치.
  2. 제1항에 있어서,
    상기 AI 모델은
    N장의 학습용 프로젝션 영상과, N장의 상기 학습용 프로젝션 영상에 의해 생성된 제1 학습용 CT 단층 영상과, M(여기서, M > N)장의 학습용 프로젝션 영상에 의해 생성된 제2 학습용 CT 단층 영상을 학습 데이터로 하여 학습되어 생성되되,
    상기 제2 학습용 CT 단층 영상을 출력 데이터로 하여 학습되는 것을 특징으로 하는 CT 검사 장치.
  3. 제2항에 있어서,
    상기 AI 모델은 N장의 상기 학습용 프로젝션 영상과 상기 제1 학습용 CT 단층 영상을 입력 데이터로 하여 학습되며;
    상기 CT 영상 생성부는 N장의 상기 프로젝션 영상을 처리하여 입력용 CT 단층 영상을 생성하여 상기 AI 모델로 입력하는 전처리 모듈을 더 포함하는 것을 특징으로 하는 CT 검사 장치.
  4. 제2항 또는 제3항에 있어서,
    N는 4이고, M은 8 이상인 것을 특징으로 하는 CT 검사 장치.
KR1020210137320A 2021-10-15 2021-10-15 Ct 검사 장치 KR102549748B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210137320A KR102549748B1 (ko) 2021-10-15 2021-10-15 Ct 검사 장치
JP2024544616A JP2024536631A (ja) 2021-10-15 2022-08-08 Ｃｔ検査装置
PCT/KR2022/011789 WO2023063551A1 (ko) 2021-10-15 2022-08-08 Ct 검사 장치
EP22881182.4A EP4417967A1 (en) 2021-10-15 2022-08-08 Ct scan apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210137320A KR102549748B1 (ko) 2021-10-15 2021-10-15 Ct 검사 장치

Publications (2)

Publication Number Publication Date
KR20230053932A true KR20230053932A (ko) 2023-04-24
KR102549748B1 KR102549748B1 (ko) 2023-06-30

Family

ID=85987511

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210137320A KR102549748B1 (ko) 2021-10-15 2021-10-15 Ct 검사 장치

Country Status (4)

Country Link
EP (1) EP4417967A1 (ko)
JP (1) JP2024536631A (ko)
KR (1) KR102549748B1 (ko)
WO (1) WO2023063551A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110088139A (ko) * 2010-01-28 2011-08-03 주식회사 쎄크 인라인 ｃｔ 검사시스템 및 그 검사방법
KR20150138917A (ko) * 2014-05-30 2015-12-11 라온피플 주식회사 전자 제품의 외관 검사 방법 및 장치
KR101941585B1 (ko) * 2017-09-07 2019-01-24 경북대학교 산학협력단 인공지능 기반의 검사를 위한 임베디드 시스템, 제어 방법 및 이를 포함하는 검사 시스템
KR20190133728A (ko) * 2017-04-05 2019-12-03 제너럴 일렉트릭 캄파니 딥러닝에 기초한 단층촬영 재구성

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8507869B2 (en) * 2011-10-27 2013-08-13 General Electric Company Methods and systems for adaptive tomographic imaging

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110088139A (ko) * 2010-01-28 2011-08-03 주식회사 쎄크 인라인 ｃｔ 검사시스템 및 그 검사방법
KR101717678B1 (ko) 2010-01-28 2017-03-20 주식회사 쎄크 인라인 ｃｔ 검사시스템 및 그 검사방법
KR20150138917A (ko) * 2014-05-30 2015-12-11 라온피플 주식회사 전자 제품의 외관 검사 방법 및 장치
KR20190133728A (ko) * 2017-04-05 2019-12-03 제너럴 일렉트릭 캄파니 딥러닝에 기초한 단층촬영 재구성
KR101941585B1 (ko) * 2017-09-07 2019-01-24 경북대학교 산학협력단 인공지능 기반의 검사를 위한 임베디드 시스템, 제어 방법 및 이를 포함하는 검사 시스템

Also Published As

Publication number Publication date
KR102549748B1 (ko) 2023-06-30
EP4417967A1 (en) 2024-08-21
WO2023063551A1 (ko) 2023-04-20
JP2024536631A (ja) 2024-10-04

Similar Documents

Publication Publication Date Title
US9841387B2 (en) Inspection method and device
JP4977201B2 (ja) マルチｘ線発生装置のための制御装置、制御方法、及びコンピュータ可読メモリ
JP5104956B2 (ja) Ｘ線検査装置およびｘ線検査方法
JP2007127668A (ja) 偏心断層合成
JP2007017304A (ja) Ｘ線検査装置およびｘ線検査方法
US11835475B2 (en) Inspection position identification method, three-dimensional image generation method, and inspection device
WO2013069057A1 (ja) Ｘ線検査方法及び装置
JP2010127810A (ja) Ｘ線検査装置およびｘ線検査方法
TWI424178B (zh) 用於降低重建假影的方法及印刷電路板檢查設備
KR102549748B1 (ko) Ct 검사 장치
JP5938860B2 (ja) 放射線撮影装置および断層画像補正方法
JP3989777B2 (ja) Ｘ線透視検査装置
JP2011149738A (ja) 補正用治具を用いた検査装置の補正方法、補正用治具を搭載した検査装置
US11250593B2 (en) System and method for detecting and correcting defective image output from radiation-damaged video cameras
Kang et al. A projection method for reconstructing X-ray images of arbitrary cross-section
JP2022098590A (ja) Ａｉモデルの作成方法及び検査装置
JP2007121082A (ja) Ｘ線画像出力装置、ｘ線画像出力方法およびｘ線画像出力プログラム
Mouri et al. Incorporation of blind source separation in X-ray energy subtraction for extracting solder bumps
JP2013160710A (ja) 放射線撮影装置および投影画像処理方法
JP2011095227A (ja) 被検査体の放射線検査装置
US20240068962A1 (en) X-ray imaging system and learned model production method
Teramoto et al. High speed oblique CT system for solder bump inspection
WO2024117099A1 (ja) 検査装置
Voigt et al. Evaluation of Influences on Accuracy of Radiographic Measurements of Solder Joint Volume
WO2023248583A1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant