KR20240047550A - Atomic content ratio analysis method and device using vision camera - Google Patents
Atomic content ratio analysis method and device using vision camera Download PDFInfo
- Publication number
- KR20240047550A KR20240047550A KR1020220126721A KR20220126721A KR20240047550A KR 20240047550 A KR20240047550 A KR 20240047550A KR 1020220126721 A KR1020220126721 A KR 1020220126721A KR 20220126721 A KR20220126721 A KR 20220126721A KR 20240047550 A KR20240047550 A KR 20240047550A
- Authority
- KR
- South Korea
- Prior art keywords
- atomic content
- analyzed
- atomic
- vision camera
- weight
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 82
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims abstract description 31
- 230000005251 gamma ray Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 17
- 238000012546 transfer Methods 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 82
- 229910052742 iron Inorganic materials 0.000 description 40
- 239000002245 particle Substances 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000011800 void material Substances 0.000 description 4
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 229910052796 boron Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000011358 absorbing material Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001956 neutron scattering Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 239000002920 hazardous waste Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003947 neutron activation analysis Methods 0.000 description 1
- 150000004291 polyenes Chemical class 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004846 x-ray emission Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/3103—Atomic absorption analysis
-
- 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
-
- 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
- G01N23/05—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 neutrons
-
- 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
- G01N23/09—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being neutrons
-
- 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
- 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
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/10—Scanning
- G01N2201/104—Mechano-optical scan, i.e. object and beam moving
- G01N2201/1042—X, Y scan, i.e. object moving in X, beam in Y
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
-
- 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
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1013—Different kinds of radiation or particles electromagnetic radiation gamma
-
- 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
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/106—Different kinds of radiation or particles neutrons
Abstract
본 발명은 컨베이어 유닛을 통해 이동하는 원자함량 분석 대상물체를 광자 입력센서를 통해 촬영하고 이미지 정보를 획득하는 단계, 제어부가 사전 학습된 인공지능을 통해 상기 이미지 정보를 이용하여 상기 원자함량 분석 대상물체의 무게보정계수를 산정하는 단계, 제어부가 제 1 계산식을 이용하여 상기 원자함량 분석 대상물체의 예측무게를 계산하고, 중성자 발생장치에 의해 상기 원자함량 분석 대상물체에 중성자를 조사하여 감마선 디텍터에 의해 상기 원자함량 분석 대상물체가 방출하는 감마선을 검출하는 단계 및 제어부가 제 2 계산식을 이용하여 상기 원자함량 분석 대상물체의 원자함량 비율을 계산하는 단계를 포함하는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다.The present invention includes the steps of photographing an object to be analyzed for atomic content moving through a conveyor unit through a photon input sensor and obtaining image information, and a control unit using the image information through pre-trained artificial intelligence to determine the object to be analyzed for atomic content. In the step of calculating the weight correction coefficient, the control unit calculates the predicted weight of the object to be analyzed for atomic content using a first calculation formula, radiates neutrons to the object to be analyzed for atomic content by a neutron generator, and uses a gamma-ray detector. Atomic content ratio analysis method using a vision camera, comprising the step of detecting gamma rays emitted by the object to be analyzed for atomic content and calculating the atomic content ratio of the object to be analyzed by the control unit using a second calculation formula. provides.
Description
본 발명은 비전 카메라를 활용한 원자함량 비율 분석방법 및 그 장치에 관한 것으로, 더 바람직하게, 비전 카메라를 통해 습득한 이미지 정보를 이용하여 무게보정을 수행하고 분석 대상물체의 원자함량 비율을 분석하는 비전 카메라를 활용한 원자함량 비율 분석방법 및 그 장치에 관한 것이다.The present invention relates to an atomic content ratio analysis method and device using a vision camera, and more preferably, to perform weight correction using image information acquired through a vision camera and analyze the atomic content ratio of the object to be analyzed. This relates to the atomic content ratio analysis method and device using a vision camera.
물질 또는 재료의 분석은 많은 산업 분야에서, 특히 이의 원소 조성과 관련하여, 특히 위험물 또는 폐기물 또는 재활용 재료 또는 원료와 관련하여, 또는 반제품 또는 공산품의 품질 관리에 있어서, 매우 중요하다. 이전에 수행된 분석 방법 중 하나는 시료의 정확한 조성을 사전에 인지할 필요 없이 시료의 개별 원소가 결정되는 소위 다원소 분석이다.The analysis of substances or materials is of great importance in many industrial sectors, especially with regard to their elemental composition, especially with regard to hazardous substances or waste or recycled materials or raw materials, or in the quality control of semi-finished products or industrial products. One of the previously performed analytical methods is the so-called multi-element analysis, in which the individual elements of a sample are determined without the need to know the exact composition of the sample in advance.
다원소 분석은 중성자 활성화에 의해 구현될 수 있거나, 그렇지 않으면 예를 들어, X-선 형광 분석법 또는 질량분석법에 의해 구현될 수 있다. 이전에는, 중성자 활성화에 의한 다원소 분석은 특정 시간 사양(specification)에 따른 조사를 통해 구현되었다. 펄스형 중성자 조사의 경우, 특정 시간대(time window) 이후에, 즉발 감마선(prompt gamma radiation)이 펄스형 조사의 방식에 따라 평가되는 경우, 의미 있는 측정 결과가 보장될 수 있는 것으로 밝혀졌다. 감마선의 검출을 위한 시간대는 각각의 중성자 펄스의 종료 이후의 대기 시간 후에 시작되어 다음 중성자 펄스가 방출되기 전에 종료된다.Multi-element analysis may be implemented by neutron activation or alternatively by, for example, X-ray fluorescence spectrometry or mass spectrometry. Previously, multi-element analysis by neutron activation was implemented through irradiation according to specific time specifications. In the case of pulsed neutron irradiation, it has been shown that meaningful measurement results can be guaranteed if, after a certain time window, prompt gamma radiation is evaluated according to the method of pulsed irradiation. The time window for detection of gamma rays begins after the waiting time after the end of each neutron pulse and ends before the next neutron pulse is emitted.
중성자 발생장치의 D-D 핵반응에 의한 고속중성자(~2.5MeV)를 열중성자로 변환하여 여러 가지 형태의 중성자 핵반응 기법을 이용한 핵반응 화학물질 검출기술로서, 이른바 즉발 감마선 중성자 방사법(Prompt Gamma-ray Neutron Activation Analysis, 이하 PGNAA)이 널리 알려져 있다. 또한, 폭발물 및 마약과 같은 밀수품에 대한 수하물의 성분분석기로 펄스형 고속열중성자 즉발감마선 측정법 (Pulsed Fast Thermal Neutron Analysis, 이하 PFTNA)이 있다.It is a nuclear reaction chemical detection technology that uses various types of neutron nuclear reaction techniques by converting fast neutrons (~2.5 MeV) from the D-D nuclear reaction of a neutron generator into thermal neutrons, the so-called Prompt Gamma-ray Neutron Activation Analysis. , hereinafter PGNAA) is widely known. In addition, Pulsed Fast Thermal Neutron Analysis (PFTNA) is a component analyzer of baggage for contraband such as explosives and drugs.
PGNAA 또는 PFTNA를 이용한 성분분석기는 현재 광산, 보안(폭발물, 마약)에 사용되고 있는데, 원소별 함량 비율 분석의 정확도를 높이기 위해서는 실시간으로 분석기를 통과하는 물체의 중량을 알아야 하고, 총 중량에 각각의 원소의 감마선이 몇 개 측정되는지를 디텍팅해야 유의미한 정확도를 얻을 수 있다. 현재 중량측정은 컨베이어 속도를 통한 평균적인 물체 이송량 추정법과 저울결합 컨베이어를 이용한 측정법 등을 사용하고 있다. Component analyzers using PGNAA or PFTNA are currently used in mining and security (explosives, drugs). In order to increase the accuracy of analysis of the content ratio of each element, the weight of the object passing through the analyzer must be known in real time, and the total weight of each element must be calculated. Significant accuracy can be achieved only by detecting how many gamma rays are measured. Currently, weight measurement uses methods such as estimating the average amount of object transfer through conveyor speed and measurement using a scale-combined conveyor.
종래의 PGNAA 또는 PFTNA를 이용한 성분분석 방법은 성분비 측정 오차율이 5~10% 수준으로 발생되는 바, 이로 인해 높은 정확도를 요구하는 산업분야에 적용되지 못하는 문제점이 있었다. Conventional component analysis methods using PGNAA or PFTNA have a component ratio measurement error rate of 5 to 10%, which has the problem of not being applicable to industrial fields that require high accuracy.
한편, 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule)기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙(Rule) 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.Meanwhile, an artificial intelligence (AI) system is a computer system that implements human-level intelligence, and unlike existing rule-based smart systems, it is a system in which machines learn and make decisions on their own. As artificial intelligence systems are used, their recognition rates improve and they can more accurately understand user preferences, and existing rule-based smart systems are gradually being replaced by deep learning-based artificial intelligence systems.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다. 기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Artificial intelligence technology consists of machine learning (deep learning) and element technologies using machine learning. Machine learning is an algorithmic technology that classifies/learns the characteristics of input data on its own, and elemental technology is a technology that uses machine learning algorithms such as deep learning to mimic the functions of the human brain such as cognition and judgment, including linguistic understanding and visual It consists of technical areas such as understanding, reasoning/prediction, knowledge expression, and motion control.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 비전 카메라를 통해 습득한 이미지 정보를 이용하여 무게보정을 수행하고 분석 대상물체의 원자함량 비율을 분석하는 비전 카메라를 활용한 원자함량 비율 분석방법 및 그 장치를 제공한다.The present invention was developed to solve the above problems, and atomic content ratio analysis using a vision camera performs weight correction using image information acquired through a vision camera and analyzes the atomic content ratio of the object to be analyzed. Provides a method and a device therefor.
또한, PGNAA 또는 PFTNA를 이용한 성분분석과 인공지능 데이터 사전학습 기술이 접목된 비전 카메라를 활용한 원자함량 비율 분석방법 및 그 장치를 제공한다.In addition, we provide an atomic content ratio analysis method and device using a vision camera that combines component analysis using PGNAA or PFTNA and artificial intelligence data pre-learning technology.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시 예에 의해 보다 분명하게 알 수 있다. 또한 본 발명의 목적들은 특허청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있다.The objects of the present invention are not limited to the objects mentioned above, and other objects of the present invention that are not mentioned can be understood by the following description and can be more clearly understood by examples of the present invention. Additionally, the objects of the present invention can be realized by means and combinations thereof as indicated in the claims.
상술한 본 발명의 목적을 달성하기 위한 비전 카메라를 활용한 원자함량 비율 분석방법은 다음과 같은 단계를 포함한다.The atomic content ratio analysis method using a vision camera to achieve the purpose of the present invention described above includes the following steps.
본 발명의 일 실시 예에 있어서, 컨베이어 유닛을 통해 이동하는 원자함량 분석 대상물체를 광자 입력센서를 통해 촬영하고 이미지 정보를 획득하는 단계; 제어부가 사전 학습된 인공지능을 통해 상기 이미지 정보를 이용하여 상기 원자함량 분석 대상물체의 무게보정계수를 산정하는 단계; 제어부가 제 1 계산식을 이용하여 상기 원자함량 분석 대상물체의 예측무게를 계산하고, 중성자 발생장치에 의해 상기 원자함량 분석 대상물체에 중성자를 조사하여 감마선 디텍터에 의해 상기 원자함량 분석 대상물체가 방출하는 감마선을 검출하는 단계; 및 제어부가 제 2 계산식을 이용하여 상기 원자함량 분석 대상물체의 원자함량 비율을 계산하는 단계; 를 포함하는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다.In one embodiment of the present invention, photographing an object to be analyzed for atomic content moving through a conveyor unit using a photon input sensor and obtaining image information; A control unit calculating a weight correction coefficient of the object to be analyzed for atomic content using the image information through pre-trained artificial intelligence; The control unit calculates the predicted weight of the object to be analyzed for atomic content using a first calculation formula, radiates neutrons to the object to be analyzed for atomic content by a neutron generator, and radiates neutrons from the object to be analyzed for atomic content by a gamma ray detector. detecting gamma rays; and calculating, by the control unit, the atomic content ratio of the object to be analyzed for atomic content using a second calculation formula; Provides an atomic content ratio analysis method using a vision camera including.
또한, 상기 제 1 계산식은, V*a*C = χ (kg/s)인 것을 특징으로 하는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다. In addition, the first calculation formula provides an atomic content ratio analysis method using a vision camera, wherein V*a*C = χ (kg/s).
또한, 상기 제 2 계산식은, TX=αX*Ar(X)*Z(X)/αall*Ar(all)*Z(all))*χ 인 것을 특징으로 하는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다. In addition , the second calculation formula is T Provides a content ratio analysis method.
또한, 상기 광자 입력센서는 비전 카메라, 레이더, 라이다 및 초음파 센서로 이루어진 군에서 선택되는 1종 인 것을 특징으로 하는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다.In addition, the photon input sensor provides an atomic content ratio analysis method using a vision camera, wherein the photon input sensor is a type selected from the group consisting of a vision camera, radar, lidar, and ultrasonic sensor.
또한, 상기 a값은 컨베이어 속도를 통한 평균적인 물체 이송량 추정법을 이용하여 계산되는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다.In addition, the a value provides an atomic content ratio analysis method using a vision camera in which the a value is calculated using an average object transfer amount estimation method through conveyor speed.
또한, 상기 C값은 상기 광자 입력센서를 통해 실시간으로 수집되는 이미지 정보 데이터를 상기 제어부에 송신하여 사전 학습된 인공지능을 통해 상기 a값을 보정하도록 산정되는 비전 카메라를 활용한 원자함량 비율 분석방법을 제공한다.In addition, the C value is calculated to correct the a value through pre-learned artificial intelligence by transmitting image information data collected in real time through the photon input sensor to the control unit. An atomic content ratio analysis method using a vision camera. provides.
상술한 본 발명의 목적을 달성하기 위한 비전 카메라를 활용한 원자함량 비율 분석장치는 다음과 같은 단계를 포함한다.The atomic content ratio analysis device using a vision camera to achieve the purpose of the present invention described above includes the following steps.
본 발명의 일 실시 예에 있어서, 원자함량 분석 대상물체가 이동하도록 구성되는 컨베이어 유닛; 상기 컨베이어 유닛에 형성되고, 상기 컨베이어 유닛을 통해 이동하는 상기 원자함량 분석 대상물체를 촬영하여 이미지 정보를 획득하는 광자 입력센서; 상기 컨베이어 유닛에 형성되고, 상기 원자함량 분석 대상물체에 중성자를 조사하는 중성자 발생장치; 상기 원자함량 분석 대상물체가 방출하는 감마선을 검출하도록 구성되는 감마선 디텍터; 상기 이미지 정보를 수집하고 상기 원자함량 분석 대상물체 무게정보를 산출하여 사전 학습된 인공지능을 통해 상기 원자함량 분석 대상물체의 무게보정계수를 산정하고, 제 1 계산식을 이용하여 상기 원자함량 분석 대상물체의 예측무게를 계산하고, 상기 중성자 발생장치를 통해 상기 원자함량 분석 대상물체에 중성자를 조사시키고 상기 감마선 디텍터를 통해 검출된 감마선을 수신하여 제 2 계산식을 이용하여 상기 원자함량 분석 대상물체의 원자함량 비율을 계산하는 제어부; 를 포함하도록 구성되는 비전 카메라를 활용한 원자함량 비율 분석장치를 제공한다.In one embodiment of the present invention, a conveyor unit configured to move an object to be analyzed for atomic content; A photon input sensor formed on the conveyor unit and acquiring image information by photographing the object to be analyzed for atomic content moving through the conveyor unit; a neutron generator formed on the conveyor unit and radiating neutrons to the object to be analyzed for atomic content; A gamma ray detector configured to detect gamma rays emitted by the object to be analyzed for atomic content; Collect the image information, calculate the weight information of the object for atomic content analysis, calculate the weight correction coefficient of the object for atomic content analysis through pre-learned artificial intelligence, and use the first calculation formula to calculate the weight of the object for atomic content analysis. Calculate the predicted weight, irradiate neutrons to the object to be analyzed for atomic content through the neutron generator, receive gamma rays detected through the gamma-ray detector, and calculate the atomic content of the object to be analyzed for atomic content using a second calculation formula. A control unit that calculates the ratio; Provides an atomic content ratio analysis device using a vision camera configured to include.
또한, 상기 제 1 계산식은, V*a*C = χ (kg/s)인 것을 특징으로 하는 비전 카메라를 활용한 원자함량 비율 분석장치를 제공한다. In addition, the first calculation formula provides an atomic content ratio analysis device using a vision camera, wherein V*a*C = χ (kg/s).
또한, 상기 제 2 계산식은, TX=αX*Ar(X)*Z(X)/αall*Ar(all)*Z(all))*χ 인 것을 특징으로 하는 비전 카메라를 활용한 원자함량 비율 분석장치를 제공한다. In addition , the second calculation formula is T A content ratio analysis device is provided.
또한, 상기 광자 입력센서는 비전 카메라, 레이더, 라이다 및 초음파 센서로 이루어진 군에서 선택되는 1종 인 것을 특징으로 하는 비전 카메라를 활용한 원자함량 비율 분석장치를 제공한다.In addition, the photon input sensor provides an atomic content ratio analysis device using a vision camera, wherein the photon input sensor is a type selected from the group consisting of a vision camera, radar, lidar, and ultrasonic sensor.
또한, 상기 a값은 컨베이어 속도를 통한 평균적인 물체 이송량 추정법을 이용하여 계산되는 비전 카메라를 활용한 원자함량 비율 분석장치를 제공한다.In addition, an atomic content ratio analysis device using a vision camera is provided where the a value is calculated using an average object transfer amount estimation method through conveyor speed.
또한, 상기 C값은 상기 광자 입력센서를 통해 실시간으로 수집되는 이미지 정보 데이터를 상기 제어부에 송신하여 사전 학습된 인공지능을 통해 상기 a값을 보정하도록 산정되는 비전 카메라를 활용한 원자함량 비율 분석장치를 제공한다.In addition, the C value is calculated to correct the a value through pre-learned artificial intelligence by transmitting image information data collected in real time through the photon input sensor to the control unit. Atomic content ratio analysis device using a vision camera provides.
본 발명은 앞서 본 실시 예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.The present invention can achieve the following effects by combining the above-mentioned embodiment with the configuration, combination, and use relationship described below.
비전 카메라를 통해 습득한 이미지 정보를 이용하여 무게보정을 수행하고 분석 대상물체의 원자함량 비율을 분석하여 성분비 측정의 정확도를 향상시킬 수 있는 효과를 갖는다.It has the effect of improving the accuracy of component ratio measurement by performing weight correction using image information acquired through a vision camera and analyzing the atomic content ratio of the object to be analyzed.
PGNAA 또는 PFTNA를 이용한 성분분석과 인공지능 데이터 사전학습 기술을 접목시켜 기존 해석 기반의 성능분석과 대비하여 딥러닝(Deep Learning) 분석으로 예측 오차가 감소하고 정확도를 요하는 산업분야에 실제 적용 가능한 효과를 갖는다.By combining component analysis using PGNAA or PFTNA and artificial intelligence data pre-learning technology, prediction error is reduced through deep learning analysis compared to existing analysis-based performance analysis, an effect that can be practically applied to industrial fields that require accuracy. has
도 1은 본 발명의 일 실시 예로써, 비전 카메라를 활용한 원자함량 비율 분석방법의 전체 프로세스의 개요를 도시하고 있다.
도 2는 본 발명의 일 실시 예로써, 비전 카메라를 활용한 원자함량 비율 분석장치를 도시하고 있다.
도 3은 본 발명의 일 실시 예로써, 비전 카메라를 활용한 원자함량 비율 분석장치의 구성도를 도시하고 있다. Figure 1 shows an overview of the entire process of the atomic content ratio analysis method using a vision camera as an embodiment of the present invention.
Figure 2 shows an atomic content ratio analysis device using a vision camera as an embodiment of the present invention.
Figure 3 shows the configuration of an atomic content ratio analysis device using a vision camera as an embodiment of the present invention.
이하, 본 발명의 실시 예를 첨부된 도면들을 참조하여 더욱 상세하게 설명한다. 본 발명의 실시 예는 여러 가지 형태로 변형할 수 있으며, 본 발명의 범위가 아래의 실시 예들로 한정되는 것으로 해석되어서는 안 된다. 본 실시 예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해 제공되는 것이다. Hereinafter, embodiments of the present invention will be described in more detail with reference to the attached drawings. Embodiments of the present invention may be modified in various forms, and the scope of the present invention should not be construed as being limited to the following embodiments. This example is provided to more completely explain the present invention to those skilled in the art.
또한, 명세서에 기재된 "...부", "...유닛" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 소프트웨어 또는 하드웨어로 구현될 수 있다.Additionally, terms such as "... unit" and "... unit" described in the specification refer to a unit that processes at least one function or operation, and may be implemented as software or hardware.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.The identification code for each step is used for convenience of explanation. The identification code does not explain the order of each step, and each step may be performed differently from the specified order unless a specific order is clearly stated in the context. there is.
또한, 명세서에 기재된 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.In addition, when a part described in the specification is said to be "connected" to another part, this includes not only direct connection but also indirect connection, and indirect connection refers to connection through a wireless communication network. Includes.
또한, 명세서에 기재된 제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.Additionally, terms such as first and second described in the specification are used to distinguish one component from another component, and the components are not limited by the above-mentioned terms.
도 1은 본 발명의 일 실시 예로써, 비전 카메라를 활용한 원자함량 비율 분석방법의 전체 프로세스의 개요를 도시하고 있다. Figure 1 shows an overview of the entire process of the atomic content ratio analysis method using a vision camera as an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시 예를 따르는 비전 카메라를 활용한 원자함량 비율 분석방법은 컨베이어 유닛(100)을 통해 이동하는 원자함량 분석 대상물체를 광자 입력센서(200)를 통해 촬영하고 이미지 정보를 획득하는 단계를 포함할 수 있다. Referring to FIG. 1, the atomic content ratio analysis method using a vision camera according to an embodiment of the present invention photographs the object to be analyzed for atomic content moving through the
광자 입력센서(200)는 컨베이어 유닛(100)을 통해 이동하는 원자함량 분석 대상물체를 촬영하도록 구성될 수 있다. 더 바람직하게, 광자 입력센서(200)는 컨베이어 유닛(100)을 통해 일정 속도로 이동되는 원자함량 분석 대상물체를 실시간으로 촬영하여 이미지 정보를 획득하도록 구성될 수 있다. 일 실시 예로, 광자 입력센서(200)는 1초 단위로 원자함량 분석 대상물체를 촬영하여 이미지 정보를 획득할 수 있다. The
광자 입력센서(200)는 비전 카메라, 레이더, 라이다 및 초음파 센서로 이루어진 군에서 선택되는 1종일 수 있다. 더 바람직하게, 광자 입력센서(200)는 컨베이어 라인에 적용 가능하고 야간에도 작동하는 비전 카메라일 수 있다. The
광자 입력센서(200)는 인공지능 장치 및 제어부(500)와 연결되어 획득한 이미지 정보를 인공지능 장치에 송신하도록 구성될 수 있다. 또한, 광자 입력센서(200)를 통해 획득된 이미지 정보는 제어부(500)로 송신될 수 있다. 본 발명은 제어부(500)가 사전 학습된 인공지능을 통해 이미지 정보를 이용하여 원자함량 분석 대상물체의 무게보정계수를 산정하는 단계 및 제 1 계산식을 이용하여 원자함량 분석 대상물체의 예측무게를 계산하는 단계를 포함할 수 있다.The
제 1 계산식은 V*a*C = χ (kg/s)일 수 있다. The first calculation formula may be V*a*C = χ (kg/s).
여기서, here,
- V는 컨베이어 속도(m/s)이고, - V is the conveyor speed (m/s),
- a는 컨베이어 1m당 원자함량 분석 대상물체 무게정보(kg/m)이고,- a is the weight information (kg/m) of the object subject to atomic content analysis per 1 m of conveyor,
- C는 비전 카메라 분석 결과로 도출한 무게보정계수이고, - C is the weight correction coefficient derived from the vision camera analysis results,
- χ는 단위시간당 원자함량 분석 대상물체의 예측무게(kg/s)이다. - χ is the predicted weight (kg/s) of the object subject to atomic content analysis per unit time.
a값은 컨베이어 속도를 통한 평균적인 물체 이송량 추정법을 이용하여 계산될 수 있다. C값은 광자 입력센서(200)를 통해 실시간으로 수집되는 이미지 정보 데이터를 제어부(500)에 송신하여 a값에 C값을 적용하여 χ값을 산출하도록 할 수 있다. The a value can be calculated using the method of estimating the average object transport amount through conveyor speed. The C value can be calculated by transmitting image information data collected in real time through the
보다 구체적으로, 제 1 계산식을 이용하여 원자함량 분석 대상물체의 예측무게를 계산하는 단계(S100)에서 a값은 실제 원자함량 분석 대상물체의 실시간 이미지 정보를 활용하여 C값을 통해 보정될 수 있다. 제 1 계산식을 통해 산출된 값은 후술하는 제 2 계산식에 하나의 인자로 포함되어 원자함량 분석 대상물체의 분석 정확도를 높일 수 있다. More specifically, in the step (S100) of calculating the predicted weight of the object to be analyzed for atomic content using the first calculation formula, the a value can be corrected through the value of C using real-time image information of the object to be analyzed for atomic content. . The value calculated through the first calculation formula can be included as a factor in the second calculation formula described later, thereby improving the analysis accuracy of the object to be analyzed for atomic content.
제어부(500)가 사전 학습된 인공지능을 통해 이미지 정보를 이용하여 원자함량 분석 대상물체의 무게보정계수를 산정하는 단계에서 사전 학습은, 제어부(500)가 광자 입력센서(200)를 통해 실시간으로 수집되는 이미지 정보 데이터를 대상물체가 있는 부분과 없는 부분으로 나누어 분류한 빅데이터로 수행될 수 있다. 보다 구체적으로, 사전 학습은 제어부(500)가 실시간으로 수집되는 이미지 정보 데이터를 캡쳐된 이미지 내부에 대상물체 위치 유무로 나누어 분류한 빅데이터로 수행될 수 있다. 캡쳐된 이미지 내부에 대상물체 위치 유무는, 일 예로 대상물체의 입자 사이 공극 크기로 판단될 수 있다. 대상물체의 입자 사이 공극은 비전 카메라가 찍은 캡쳐된 이미지 내부에 대상물체가 없어 컨베이어 벨트가 보이는 곳을 의미할 수 있다. 공극은 컨베이어 벨트에 큰 입자의 대상물체가 밀집된 경우 커지고, 작은 입자의 대상물체가 밀집된 경우에는 큰 입자가 밀집된 경우보다 작아질 수 있다. 또한, 공극은 큰 입자와 작은 입자의 대상물체가 고르게 밀집될수록 작아질 수 있다. In the step where the
제어부(500)는 실시간으로 수집되는 컨베이어 1m당 원자함량 분석 대상물체 무게정보와 분류된 이미지 정보 데이터를 매칭시켜 사전 학습된 인공지능을 통해 C값을 산정할 수 있다. 일 실시 예로, 제어부(500)는 분류된 이미지 정보 데이터와 분석 대상물체 무게정보를 매칭시켜 공극 크기에 대한 무게보정계수를 산정할 수 있다. The
일 실시 예로, 제어부(500)는 실시간으로 수집되는 이미지 정보 데이터를 캡쳐된 이미지 내부에 철광석의 위치 유무로 나누어 분류할 수 있다. 보다 구체적으로, 철광석의 입자 사이 공극은 비전 카메라가 찍은 캡쳐된 이미지 내부에 철강석이 없어 컨베이어 벨트가 보이는 곳을 의미할 수 있다. In one embodiment, the
이렇게 분류된 이미지 정보 데이터는 인공지능장치로 송신되어 컨베이어 1m당 원자함량 분석 대상물체 무게정보와의 상관관계를 학습 데이터로 하여 사전 학습될 수 있다. 일 예로, 제어부(500)는 이러한 사전 학습을 위한 데이터들을 분류 처리하여 인공지능장치에 복수개를 송신하고, 인공지능장치로 사전 학습된 빅데이터를 활용하여 무게보정계수를 산정할 수 있다.The image information data classified in this way can be transmitted to an artificial intelligence device and pre-trained using the correlation with the atomic content per meter of conveyor and the weight information of the object to be analyzed as learning data. As an example, the
예를 들어, 공극이 많은 경우 실제 물동량(m.kg/s)에 비해 추정 물동량(m.kg/s)이 크게 측정되고, 이 경우 무게보정계수는 1 미만의 값을 가질 수 있다. 따라서 제 1 계산식을 통해 보정된 추정 물동량(m.kg/s)은 보정되지 않은 추정 물동량(m.kg/s)보다 작아지고, 실제 물동량(m.kg/s)에 가까운 수치가 될 수 있다. 또한, 공극이 없고 컨베이어 벨트 위에 철광석이 겹쳐진 부분이 많은 경우 실제 물동량(m.kg/s)에 비해 추정 물동량(m.kg/s)이 작게 측정되고, 이 경우 무게보정계수는 1 초과의 값을 가질 수 있다. 따라서 제 1 계산식을 통해 보정된 추정 물동량(m.kg/s)은 보정되지 않은 추정 물동량(m.kg/s)보다 커지고, 실제 물동량(m.kg/s)에 가까운 수치가 될 수 있다. 이를 통해 철광석의 입자 크기와 공극률로 인한 실제 물동량(m.kg/s)과 추정 물동량(m.kg/s)의 오차율을 줄일 수 있고, 철광석에 포함된 철(Fe) 함량 분석의 정확도를 향상시킬 수 있다. For example, when there are many voids, the estimated cargo volume (m.kg/s) is measured to be larger than the actual cargo volume (m.kg/s), and in this case, the weight correction coefficient may have a value of less than 1. Therefore, the estimated cargo volume (m.kg/s) corrected through the first calculation formula is smaller than the uncorrected estimated cargo volume (m.kg/s) and can be close to the actual cargo volume (m.kg/s). . In addition, if there are no voids and there are many overlapping areas of iron ore on the conveyor belt, the estimated cargo volume (m.kg/s) is measured to be smaller than the actual cargo volume (m.kg/s), and in this case, the weight correction coefficient is a value exceeding 1. You can have Therefore, the estimated cargo volume (m.kg/s) corrected through the first calculation formula is larger than the uncorrected estimated cargo volume (m.kg/s) and can be close to the actual cargo volume (m.kg/s). Through this, the error rate between actual cargo volume (m.kg/s) and estimated cargo volume (m.kg/s) due to the particle size and porosity of iron ore can be reduced, and the accuracy of analysis of iron (Fe) content contained in iron ore can be improved. You can do it.
본 발명은 제어부(500)가 중성자 발생장치(300)에 의해 원자함량 분석 대상물체에 중성자를 조사하여 감마선 디텍터(400)에 의해 원자함량 분석 대상물체가 방출하는 감마선을 검출하는 단계(S200)를 포함할 수 있다. 보다 구체적으로, 제어부(500)가 중성자 발생장치(300)에 중성자 조사신호를 송신하는 경우 중성자 발생장치(300)는 원자함량 분석 대상물체에 중성자를 조사할 수 있다. 제어부(500)는 원자함량 분석 대상물체에 중성자를 조사하여 감마선이 방출되는 경우 감마선 디텍터(400)에 의해 감마선을 검출할 수 있다.The present invention includes a step (S200) in which the
일 실시 예로, 제어부(500)는 원자함량 분석 대상물체가 철광석인 경우 철(Fe)원자의 원자함량 비율을 계산하기 위해 감마선을 검출할 수 있다. 제어부(500)가 중성자를 조사하면 조사된 중성자가 철원자의 원자핵에 부딪히고, 철원자는 들뜬 상태가 되어 다시 낮은 에너지로 돌아가기 위해 감마선을 방출하게 된다. 이 때, 감마선 디텍터(400)의 전면부 섬광체에 방출된 감마선이 부딪히면 철원자의 에너지 대역이 낮아지며 광센서와 반응 가능한 수준의 빛으로 전환 및 증폭되고, 광센서는 수신된 빛을 전기신호로 변환시켜 제어부(500)에 송신할 수 있다. As an example, the
본 발명은 제어부(500)가 제 2 계산식을 이용하여 원자함량 분석 대상물체의 원자함량 비율을 계산하는 단계(S300)를 포함할 수 있다. 보다 구체적으로, 감마선 디텍터(400)를 통해 검출된 원자함량 분석 대상물체의 감마선의 개수 신호를 수신한 제어부(500)는 제 2 계산식을 이용하여 원자함량 분석 대상물체의 원자함량 비율을 계산할 수 있다.The present invention may include a step (S300) in which the
제 2 계산식은 TX=αX*Ar(X)*Z(X)/αall*Ar(all)*Z(all))*χ 일 수 있다. The second calculation formula may be T
여기서, here,
- TX는, 원자함량 분석 대상물체 X원자의 원자함량 비율이고, - T
- αX는 원자함량 분석 대상물체 X원자의 감마선 개수이고, - α
- αall은 원자함량 분석 대상물체 전체원자의 감마선 개수이고, - α all is the number of gamma rays of all atoms of the object subject to atomic content analysis,
- Ar(X)는 원자함량 분석 대상물체 X원자의 원자량이고, - Ar(X) is the atomic weight of the X atom of the object to be analyzed for atomic content,
- Ar(all)은 원자함량 분석 대상물체 전체원자의 원자량이고, - Ar(all) is the atomic weight of all atoms of the object subject to atomic content analysis,
- Z(X)는 원자함량 분석 대상물체 X원자의 중성자 반응률 보정 계수이고,- Z(X) is the neutron reaction rate correction coefficient of the X atom of the object to be analyzed for atomic content,
- Z(all)은 원자함량 분석 대상물체 전체원자의 중성자 반응률 평균 보정 계수이고, - Z(all) is the average correction coefficient for the neutron reaction rate of all atoms of the object to be analyzed for atomic content,
- χ는 단위시간당 원자함량 분석 대상물체의 예측무게(kg/s))이다.- χ is the predicted weight of the object subject to atomic content analysis per unit time (kg/s).
제어부(500)는 제 1 계산식을 통해 보정된 χ값을 도출할 수 있고, 제 2 계산식에 χ값을 대입하여 보다 정확한 TX 값을 계산할 수 있다. 제어부(500)는 ECU(Electronic Control Unit), CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), AP(Application Processor), AP(Application Processor) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 적어도 하나 포함하여 구성될 수 있다. 또한, 제어부(500)는 본 발명의 실시 예들에 따른 방법을 실행하기 위한 적어도 하나의 어플리케이션 또는 프로그램에 대한 연산을 수행할 수 있는 소프트웨어 및 하드웨어의 조합으로 이루어질 수 있다.The
본 발명의 일 실시 예에 따르는 경우 하기 비교 예와 대비하여 원자함량 분석 대상물체의 원자함량 비율의 정확도를 향상시킬 수 있다. 이하, 원자함량 분석 대상물체가 철광석인 경우 비교 예와 실시 예를 통해 원자함량 분석 정확도 향상을 설명한다. According to an embodiment of the present invention, the accuracy of the atomic content ratio of the object subject to atomic content analysis can be improved compared to the comparative example below. Hereinafter, improvement in atomic content analysis accuracy will be explained through comparative examples and examples when the object to be analyzed for atomic content is iron ore.
<비교 예><Comparison example>
<실시 예><Example>
24시간 평균 철광석 물동량이 25.0(m.kg/s)이고 단위시간이 1초인 경우, 비교 예에서는 구간 실제 철광석 물동량은 23.6(m.kg/s)이고 구간 추정 철광석 물동량은 25.0(m.kg/s)인 바, 구간 실제 철광석 물동량과 구간 추정 철광석 물동량 사이의 오차로 인해 철광석의 철(Fe) 철함량(%) 분석에 정확도가 떨어지게 된다. If the 24-hour average iron ore volume is 25.0 (m.kg/s) and the unit time is 1 second, in the comparative example, the actual iron ore volume for the section is 23.6 (m.kg/s) and the estimated iron ore volume for the section is 25.0 (m.kg/s). s), the accuracy of the iron content (%) analysis of iron ore decreases due to the error between the actual iron ore volume in the section and the estimated iron ore volume in the section.
반면, 비교 예와 동일한 조건에서 실시 예에서는 구간 실제 철광석 물동량은 23.6(m.kg/s)이고 보정된 구간 추정 철광석 물동량은 23.6(m.kg/s)인 바, 구간 실제 철광석 물동량과 구간 추정 철광석 물동량 사이의 오차를 최소화하여 철광석의 철(Fe) 철함량(%) 분석에 정확도가 향상될 수 있다. 도 2는 본 발명의 일 실시 예로써, 비전 카메라를 활용한 원자함량 비율 분석장치를 도시하고 있고, 도 3은 본 발명의 일 실시 예로써, 비전 카메라를 활용한 원자함량 비율 분석장치의 구성도를 도시하고 있다.On the other hand, in the embodiment under the same conditions as the comparative example, the actual iron ore volume for the section is 23.6 (m.kg/s) and the estimated iron ore volume for the corrected section is 23.6 (m.kg/s), so the actual iron ore volume for the section and the estimated section are By minimizing the error between iron ore shipments, the accuracy of iron (Fe) content (%) analysis of iron ore can be improved. Figure 2 shows an atomic content ratio analysis device using a vision camera as an example of the present invention, and Figure 3 is a configuration diagram of an atomic content ratio analysis device using a vision camera as an embodiment of the present invention. It shows.
도 2 및 도 3을 참조하면, 본 발명의 일 실시 예를 따르는 비전 카메라를 활용한 원자함량 비율 분석장치는 컨베이어 유닛(100), 광자 입력센서(200), 중성자 발생장치(300), 감마선 디텍터(400) 및 제어부(500)를 포함할 수 있다. 컨베이어 유닛(100)은 광자 입력센서(200), 중성자 발생장치(300), 감마선 디텍터(400)가 설치될 수 있도록 구성될 수 있고, 제어부(500)는 광자 입력센서(200), 중성자 발생장치(300) 및 감마선 디텍터(400)와 연결되어 신호를 송수신하도록 구성될 수 있다. Referring to Figures 2 and 3, the atomic content ratio analysis device using a vision camera according to an embodiment of the present invention includes a
컨베이어 유닛(100)은 원자함량 분석 대상물체가 이동하도록 구성될 수 있다. 더 바람직하게, 컨베이어 유닛(100)은 일정한 속도로 이동하는 컨베이어 벨트와 컨베이어 하우징을 포함할 수 있다. 광자 입력센서(200)는 컨베이어 유닛(100)에 형성되고, 컨베이어 유닛(100)을 통해 이동하는 원자함량 분석 대상물체를 촬영하여 이미지 정보를 획득하도록 구성될 수 있다. The
일 실시 예로, 컨베이어 벨트의 상부에 원자함량 분석 대상물체가 이동하는 경우 컨베이어 하우징에 고정된 비전 카메라가 대상물체를 실시간으로 촬영하도록 구성될 수 있다. 더 바람직하게, 비전 카메라는 원자함량 분석 대상물체를 1초 단위로 촬영하여 이미지 정보를 획득하도록 구성될 수 있다. As an example, when an object to be analyzed for atomic content moves on the top of a conveyor belt, a vision camera fixed to the conveyor housing may be configured to photograph the object in real time. More preferably, the vision camera may be configured to acquire image information by photographing the object to be analyzed for atomic content in 1 second units.
중성자 발생장치(300)는 컨베이어 유닛(100)에 형성되고, 원자함량 분석 대상물체에 중성자를 조사하도록 구성될 수 있다. 더 바람직하게, 도 3에 도시된 바와 같이 중성자 발생장치(300)는 비전 카메라와 1m 간격으로 이격되어 컨베이어 하우징에 고정 설치될 수 있다. 감마선 디텍터(400)는 원자함량 분석 대상물체가 방출하는 감마선을 검출하도록 구성될 수 있다. 더 바람직하게, 감마선 디텍터(400)는 중성자 발생장치(300)와 이격하여 컨베이어 하우징에 고정 설치될 수 있다. The
일 실시 예로 원자함량 분석 대상물체가 철광석인 경우, 중성자 발생장치(300)는 높은 에너지의 고속중성자(fast neutron)가 방사하고, 고속중성자는 철광석과 반응하면서 빠른 속도로 에너지를 상실하고 열중성자 영역(thermal energy level)으로 감속된다. 이 때, 고속중성자가 방사된 후 에너지가 약 1MeV 이하로 떨어지기 전까지는 철광석과 비탄성산란(inelastic scattering) 상호 작용을 한다. 즉 고속중성자는 철광석 내 철(Fe)원자 물질의 원자핵(nucleus)과 충돌하여 원자핵을 여기시키고, 여기된 원자핵이 원래 상태로 복원되면서 비탄성산란감마선을 방출하게 된다. 반면, 중성자가 에너지를 더 상실하여 0.025eV 수준으로 떨어져 열중성자(thermal neutron)가 되면, 열중성자는 철광석 내 철원자 원자핵에 흡수되어 버리는 중성자포획(neutron capture)현상이 나타난다. 중성자가 원자핵에 포획되는 과정에서 원자핵은 여기되었다가 복원되는 과정에서 포획감마선(capture gamma ray)을 방출하게 된다. 중성자 발생장치(300)가 조사한 중성자와의 상호작용에 의하여 철광석에서 방출된 비탄성산란감마선 및 포획감마선은 감마선 티텍터에서 측정될 수 있다. In one embodiment, when the object to be analyzed for atomic content is iron ore, the
도 3에 도시된 차폐체는 중성자 발생장치(300)와 감마선 디텍터(400)의 사이에 형성되고, 또한 중성자 발생장치(300)와 감마선 디텍터(400)의 외부에도 형성될 수 있다. 차폐체는 중성자 발생장치(300)로부터 방출된 중성자가 직접 감마선 디텍터(400)로 입사되는 것을 방지하도록 구성될 수 있다. 차폐체는 중성자 흡수재와 중성자 산란재로 구성될 수 있고, 중성자 흡수재는 붕소, 천연보론, 붕소함유폴리에, 틸렌이 사용되고 중성자 산란재로 텅스텐이 사용될 수 있다. The shield shown in FIG. 3 is formed between the
제어부(500)는 이미지 정보를 수집하고 원자함량 분석 대상물체 무게정보를 산출하여 사전 학습된 인공지능을 통해 원자함량 분석 대상물체의 무게보정계수를 산정하도록 구성될 수 있다. 또한, 제어부(500)는 제 1 계산식을 이용하여 원자함량 분석 대상물체의 예측무게를 계산하고, 중성자 발생장치(300)를 통해 원자함량 분석 대상물체에 중성자를 조사시키고 감마선 디텍터(400)를 통해 검출된 감마선을 수신하여 제 2 계산식을 이용하여 원자함량 분석 대상물체의 원자함량 비율을 계산하도록 구성될 수 있다. The
보다 구체적으로, 제어부(500)는 광자 입력센서(200) 및 인공지능(이하 AI) 장치와 연결되어 광자 입력센서(200)를 통해 획득한 이미지 정보를 수집하여 원자함량 분석 대상물체의 무게보정계수를 산정할 수 있다. More specifically, the
제어부(500)는 광자 입력센서(200)를 통해 실시간으로 수집되는 이미지 정보 데이터를 대상물체가 있는 부분과 없는 부분으로 나누어 분류할 수 있고, 사전 학습은 제어부(500)로부터 AI 장치가 이러한 데이터를 복수개 수신하여 빅데이터로 수행될 수 있다. The
보다 구체적으로, 제어부(500)는 실시간으로 수집되는 이미지 정보 데이터를 캡쳐된 이미지 내부에 대상물체 위치 유무로 나누어 분류하고, AI 장치에 송신할 수 있다. 제어부(500)는 캡쳐된 이미지 내부에 대상물체 위치 유무를 판단할 때, 대상물체의 입자 사이 공극 크기를 기준으로 판단될 수 있다. 이때, 제어부(500)는 대상물체의 입자 사이 공극을 비전 카메라가 찍은 캡쳐된 이미지 내부에 대상물체가 없어 컨베이어 벨트가 보이는 곳으로 인식할 수 있다. 제어부(500)는 컨베이어 벨트에 큰 입자의 대상물체가 밀집된 경우 공극이 크다고 판단하고, 작은 입자의 대상물체가 밀집된 경우에는 큰 입자가 밀집된 경우보다 공극이 작다고 판단할 수 있다. 또한, 제어부(500)는 큰 입자와 작은 입자의 대상물체가 고르게 밀집될수록 공극이 작다고 판단할 수 있다.More specifically, the
제어부(500)는 실시간으로 수집되는 컨베이어 1m당 원자함량 분석 대상물체 무게정보와 분류된 이미지 정보 데이터를 매칭시켜 사전 학습된 인공지능을 통해 C값을 산정할 수 있다. 일 실시 예로, 비전 카메라는 컨베이어 벨트의 이동속도에 대응하여 철광석의 이미지를 촬영하고 제어부(500)는 실시간으로 수집되는 이미지 정보 데이터를 철광석이 있는 부분과 없는 부분으로 나누어 분류할 수 있다. 제어부(500)는 철광석이 있는 부분과 없는 부분으로 분류된 이미지 정보 데이터를 AI 장치로 송신하여 인공지능장치가 컨베이어 1m당 원자함량 분석 대상물체 무게정보와의 상관관계를 학습 데이터로 하여 사전 학습하도록 할 수 있다. 제어부(500)는 이러한 사전 학습을 위한 데이터들을 분류 처리하여 AI 장치에 복수개를 송신하고, AI 장치로 사전 학습된 빅데이터를 활용하여 무게보정계수를 산정할 수 있다. The
예를 들어, 제어부(500)는 공극이 많아 실제 물동량(m.kg/s)에 비해 추정 물동량(m.kg/s)이 크게 측정된 경우 무게보정계수를 1 미만의 값으로 산정할 수 있다. 또한, 제어부(500)는 공극이 없고 컨베이어 벨트 위에 철광석이 겹쳐진 부분이 많아 실제 물동량(m.kg/s)에 비해 추정 물동량(m.kg/s)이 작게 측정된 경우 무게보정계수를 1 초과의 값으로 산정할 수 있다. For example, if the estimated cargo volume (m.kg/s) is measured to be larger than the actual cargo volume (m.kg/s) due to a large number of voids, the
제어부(500)는 산정된 무게보정계수를 활용하여 제 1 계산식으로부터 철광석의 예측무게를 산정하고, 제 2 계산식을 통해 철광석의 철원자의 원자함량비율을 계산할 수 있다. 이를 통해 제어부(500)는 철광석의 입자 크기와 공극률로 인한 실제 물동량(m.kg/s)과 추정 물동량(m.kg/s)의 오차율을 줄일 수 있고, 철광석에 포함된 철(Fe) 함량 분석의 정확도를 향상시킬 수 있다. The
AI 장치는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, AI 장치는 전자기기의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다. AI 장치는 AI 프로세서, 메모리 및/또는 통신부를 포함할 수 있다. AI 장치는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다. The AI device may include an electronic device including an AI module capable of performing AI processing or a server including an AI module. Additionally, the AI device may be included as part of at least a portion of an electronic device and may be equipped to perform at least part of AI processing. The AI device may include an AI processor, memory, and/or communication unit. AI devices are computing devices that can learn neural networks and can be implemented in various electronic devices such as servers, desktop PCs, laptop PCs, and tablet PCs.
AI 프로세서는 메모리에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서는 원자함량 분석 대상물체의 원자함량 예측을 위한 이미지 정보 데이터를 인식하기 위해 신경망을 학습할 수 있다. AI 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다. 메모리는 AI 장치의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리는 AI 프로세서에 의해 액세스되며, AI 프로세서에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리는 본 명세서의 일 실시예에 따른 이미지 정보 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델)을 저장할 수 있다. 통신부는 AI 프로세서에 의한 AI 프로세싱 결과를 제어부(500)에 전송할 수 있다. 제어부(500)는 광자 입력센서(200)로부터 실시간으로 이미지 정보를 수집하고 수집된 이미지 정보 데이터를 AI 장치에 송신하여 사전 학습되도록 하여 원자함량 분석 대상물체의 무게보정계수를 산정할 수 있다. AI processors can learn neural networks using programs stored in memory. In particular, the AI processor can learn a neural network to recognize image information data for predicting the atomic content of the object subject to atomic content analysis. The AI processor may be a general-purpose processor (e.g., CPU), but may be an AI-specific processor (e.g., GPU) for artificial intelligence learning. Memory can store various programs and data necessary for the operation of AI devices. The memory is accessed by the AI processor, and data reading/recording/modification/delete/update, etc. can be performed by the AI processor. Additionally, the memory may store a neural network model (eg, deep learning model) generated through a learning algorithm for classifying/recognizing image information data according to an embodiment of the present specification. The communication unit may transmit the results of AI processing by the AI processor to the
정리하면, 본 발명은 비전 카메라를 통해 습득한 이미지 정보를 이용하여 무게보정을 수행하고 분석 대상물체의 원자함량 비율을 분석하여 성분비 측정의 정확도를 향상시킬 수 있는 비전 카메라를 활용한 원자함량 비율 분석방법 및 그 장치를 제공한다. In summary, the present invention performs weight correction using image information acquired through a vision camera and analyzes the atomic content ratio of the object to be analyzed, thereby improving the accuracy of component ratio measurement. Atomic content ratio analysis using a vision camera Provides a method and a device therefor.
이상의 상세한 설명은 본 발명을 예시하는 것이다. 또한 전술한 내용은 본 발명의 바람직한 실시 형태를 나타내어 설명하는 것이며, 본 발명은 다양한 다른 조합, 변경 및 환경에서 사용할 수 있다. 즉 본 명세서에 개시된 발명의 개념의 범위, 기술한 개시 내용과 균등한 범위 및/또는 당업계의 기술 또는 지식의 범위내에서 변경 또는 수정이 가능하다. 기술한 실시 예는 본 발명의 기술적 사상을 구현하기 위한 최선의 상태를 설명하는 것이며, 본 발명의 구체적인 적용 분야 및 용도에서 요구되는 다양한 변경도 가능하다. 따라서 이상의 발명의 상세한 설명은 개시된 실시 상태로 본 발명을 제한하려는 의도가 아니다. 또한 첨부된 청구범위는 다른 실시 상태도 포함하는 것으로 해석되어야 한다.The above detailed description is illustrative of the present invention. Additionally, the foregoing is intended to illustrate preferred embodiments of the present invention, and the present invention can be used in various other combinations, modifications, and environments. That is, changes or modifications can be made within the scope of the concept of the invention disclosed in this specification, a scope equivalent to the disclosed content, and/or within the scope of technology or knowledge in the art. The described embodiments illustrate the best state for implementing the technical idea of the present invention, and various changes required for specific application fields and uses of the present invention are also possible. Accordingly, the detailed description of the invention above is not intended to limit the invention to the disclosed embodiments. Additionally, the appended claims should be construed to include other embodiments as well.
100: 컨베이어 유닛
200: 광자 입력센서
300: 중성자 발생장치
400: 감마선 디텍터
500: 제어부100: conveyor unit
200: Photon input sensor
300: Neutron generator
400: Gamma ray detector
500: Control unit
Claims (12)
제어부가 사전 학습된 인공지능을 통해 상기 이미지 정보를 이용하여 상기 원자함량 분석 대상물체의 무게보정계수를 산정하는 단계;
제어부가 제 1 계산식을 이용하여 상기 원자함량 분석 대상물체의 예측무게를 계산하고, 중성자 발생장치에 의해 상기 원자함량 분석 대상물체에 중성자를 조사하여 감마선 디텍터에 의해 상기 원자함량 분석 대상물체가 방출하는 감마선을 검출하는 단계; 및
제어부가 제 2 계산식을 이용하여 상기 원자함량 분석 대상물체의 원자함량 비율을 계산하는 단계; 를 포함하는
비전 카메라를 활용한 원자함량 비율 분석방법.
Photographing an object to be analyzed for atomic content moving through a conveyor unit using a photon input sensor and acquiring image information;
A control unit calculating a weight correction coefficient of the object to be analyzed for atomic content using the image information through pre-trained artificial intelligence;
The control unit calculates the predicted weight of the object to be analyzed for atomic content using a first calculation formula, radiates neutrons to the object to be analyzed for atomic content by a neutron generator, and radiates neutrons from the object to be analyzed for atomic content by a gamma ray detector. detecting gamma rays; and
A control unit calculating the atomic content ratio of the object to be analyzed for atomic content using a second calculation formula; containing
Atomic content ratio analysis method using a vision camera.
상기 제 1 계산식은,
V*a*C = χ (kg/s)인 것을 특징으로 하는
비전 카메라를 활용한 원자함량 비율 분석방법.
(V: 컨베이어 속도(m/s), a: 1m당 원자함량 분석 대상물체 무게정보(kg/m), C: 비전카메라 분석 결과로 도출한 무게보정계수, χ: 보정된 원자함량 분석 대상물체 이송량(kg/s))
According to claim 1,
The first calculation formula is,
Characterized in that V*a*C = χ (kg/s)
Atomic content ratio analysis method using a vision camera.
(V: Conveyor speed (m/s), a: Weight information of the object for atomic content analysis per 1 m (kg/m), C: Weight correction coefficient derived from vision camera analysis results, χ: Corrected object for atomic content analysis Transfer amount (kg/s))
상기 제 2 계산식은,
TX=αX*Ar(X)*Z(X)/αall*Ar(all)*Z(all))*χ 인 것을 특징으로 하는
비전 카메라를 활용한 원자함량 비율 분석방법.
(TX: 원자함량 분석 대상물체 X원자의 원자함량 비율, αX: 원자함량 분석 대상물체 X원자의 감마선 개수, αall: 원자함량 분석 대상물체 전체원자의 감마선 개수, Ar(X): 원자함량 분석 대상물체 X원자의 원자량, Ar(all): 원자함량 분석 대상물체 전체원자의 원자량, Z(X): 원자함량 분석 대상물체 X원자의 중성자 반응률 보정 계수, Z(all): 원자함량 분석 대상물체 전체원자의 중성자 반응률 평균 보정 계수, χ: 단위시간당 원자함량 분석 대상물체의 예측무게(kg/s))
According to claim 1,
The second calculation formula is,
Characterized in that T
Atomic content ratio analysis method using a vision camera.
( T Atomic weight of X atoms of object subject to content analysis, Ar(all): Atomic weight of all atoms of object subject to atomic content analysis, Z(X): Neutron reaction rate correction coefficient of Average correction coefficient for the neutron reaction rate of all atoms of the object, χ: predicted weight of the object analyzed for atomic content per unit time (kg/s))
상기 광자 입력센서는 비전 카메라, 레이더, 라이다 및 초음파 센서로 이루어진 군에서 선택되는 1종 인 것을 특징으로 하는
비전 카메라를 활용한 원자함량 비율 분석방법.
According to claim 1,
The photon input sensor is characterized in that it is a type selected from the group consisting of a vision camera, radar, lidar, and ultrasonic sensor.
Atomic content ratio analysis method using a vision camera.
상기 a값은 컨베이어 속도를 통한 평균적인 물체 이송량 추정법을 이용하여 계산되는
비전 카메라를 활용한 원자함량 비율 분석방법.
According to claim 2,
The a value is calculated using the average object transfer amount estimation method through conveyor speed.
Atomic content ratio analysis method using a vision camera.
상기 C값은 상기 광자 입력센서를 통해 실시간으로 수집되는 이미지 정보 데이터를 상기 제어부에 송신하여 사전 학습된 인공지능을 통해 상기 a값을 보정하도록 산정되는
비전 카메라를 활용한 원자함량 비율 분석방법.
According to claim 2,
The C value is calculated to correct the a value through pre-trained artificial intelligence by transmitting image information data collected in real time through the photon input sensor to the control unit.
Atomic content ratio analysis method using a vision camera.
상기 컨베이어 유닛에 형성되고, 상기 컨베이어 유닛을 통해 이동하는 상기 원자함량 분석 대상물체를 촬영하여 이미지 정보를 획득하는 광자 입력센서;
상기 컨베이어 유닛에 형성되고, 상기 원자함량 분석 대상물체에 중성자를 조사하는 중성자 발생장치;
상기 원자함량 분석 대상물체가 방출하는 감마선을 검출하도록 구성되는 감마선 디텍터;
상기 이미지 정보를 수집하고 상기 원자함량 분석 대상물체 무게정보를 산출하여 사전 학습된 인공지능을 통해 상기 원자함량 분석 대상물체의 무게보정계수를 산정하고,
제 1 계산식을 이용하여 상기 원자함량 분석 대상물체의 예측무게를 계산하고, 상기 중성자 발생장치를 통해 상기 원자함량 분석 대상물체에 중성자를 조사시키고 상기 감마선 디텍터를 통해 검출된 감마선을 수신하여 제 2 계산식을 이용하여 상기 원자함량 분석 대상물체의 원자함량 비율을 계산하는 제어부; 를 포함하도록 구성되는
비전 카메라를 활용한 원자함량 비율 분석장치.
A conveyor unit configured to move the object to be analyzed for atomic content;
A photon input sensor formed on the conveyor unit and acquiring image information by photographing the object to be analyzed for atomic content moving through the conveyor unit;
a neutron generator formed on the conveyor unit and radiating neutrons to the object to be analyzed for atomic content;
A gamma ray detector configured to detect gamma rays emitted by the object to be analyzed for atomic content;
Collect the image information, calculate the weight information of the object to be analyzed for atomic content, and calculate the weight correction coefficient of the object to be analyzed for atomic content through pre-trained artificial intelligence,
Calculate the predicted weight of the object to be analyzed for atomic content using a first calculation formula, radiate neutrons to the object to be analyzed for atomic content through the neutron generator, receive gamma rays detected through the gamma ray detector, and calculate the predicted weight of the object to be analyzed for atomic content using a second calculation formula. a control unit that calculates the atomic content ratio of the object to be analyzed for atomic content using; configured to include
Atomic content ratio analysis device using a vision camera.
상기 제 1 계산식은,
V*a*C = χ (kg/s)인 것을 특징으로 하는
비전 카메라를 활용한 원자함량 비율 분석장치.
(V: 컨베이어 속도(m/s), a: 1m당 원자함량 분석 대상물체 무게정보(kg/m), C: 비전카메라 분석 결과로 도출한 무게보정계수, χ: 보정된 원자함량 분석 대상물체 이송량(kg/s))
According to claim 7,
The first calculation formula is,
Characterized in that V*a*C = χ (kg/s)
Atomic content ratio analysis device using a vision camera.
(V: Conveyor speed (m/s), a: Weight information of the object for atomic content analysis per 1 m (kg/m), C: Weight correction coefficient derived from vision camera analysis results, χ: Corrected object for atomic content analysis Transfer amount (kg/s))
상기 제 2 계산식은,
TX=αX*Ar(X)*Z(X)/αall*Ar(all)*Z(all))*χ 인 것을 특징으로 하는
비전 카메라를 활용한 원자함량 비율 분석장치.
(TX: 원자함량 분석 대상물체 X원자의 원자함량 비율, αX: 원자함량 분석 대상물체 X원자의 감마선 개수, αall: 원자함량 분석 대상물체 전체원자의 감마선 개수, Ar(X): 원자함량 분석 대상물체 X원자의 원자량, Ar(all): 원자함량 분석 대상물체 전체원자의 원자량, Z(X): 원자함량 분석 대상물체 X원자의 중성자 반응률 보정 계수, Z(all): 원자함량 분석 대상물체 전체원자의 중성자 반응률 평균 보정 계수, χ: 단위시간당 원자함량 분석 대상물체의 예측무게(kg/s))
According to claim 7,
The second calculation formula is,
Characterized in that T
Atomic content ratio analysis device using a vision camera.
( T Atomic weight of X atoms of object subject to content analysis, Ar(all): Atomic weight of all atoms of object subject to atomic content analysis, Z(X): Neutron reaction rate correction coefficient of Average correction coefficient for the neutron reaction rate of all atoms of the object, χ: predicted weight of the object analyzed for atomic content per unit time (kg/s))
상기 광자 입력센서는 비전 카메라, 레이더, 라이다 및 초음파 센서로 이루어진 군에서 선택되는 1종 인 것을 특징으로 하는
비전 카메라를 활용한 원자함량 비율 분석장치.
According to claim 7,
The photon input sensor is characterized in that it is a type selected from the group consisting of a vision camera, radar, lidar, and ultrasonic sensor.
Atomic content ratio analysis device using a vision camera.
상기 a값은 컨베이어 속도를 통한 평균적인 물체 이송량 추정법을 이용하여 계산되는
비전 카메라를 활용한 원자함량 비율 분석장치.
According to claim 8,
The a value is calculated using the average object transfer amount estimation method through conveyor speed.
Atomic content ratio analysis device using a vision camera.
상기 C값은 상기 광자 입력센서를 통해 실시간으로 수집되는 이미지 정보 데이터를 상기 제어부에 송신하여 사전 학습된 인공지능을 통해 상기 a값을 보정하도록 산정되는
비전 카메라를 활용한 원자함량 비율 분석장치.
According to claim 8,
The C value is calculated to correct the a value through pre-trained artificial intelligence by transmitting image information data collected in real time through the photon input sensor to the control unit.
Atomic content ratio analysis device using a vision camera.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220126721A KR20240047550A (en) | 2022-10-05 | 2022-10-05 | Atomic content ratio analysis method and device using vision camera |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220126721A KR20240047550A (en) | 2022-10-05 | 2022-10-05 | Atomic content ratio analysis method and device using vision camera |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240047550A true KR20240047550A (en) | 2024-04-12 |
Family
ID=90680540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220126721A KR20240047550A (en) | 2022-10-05 | 2022-10-05 | Atomic content ratio analysis method and device using vision camera |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240047550A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090046805A (en) | 2006-07-28 | 2009-05-11 | 세이지 이노베이션즈 인코포레이티드 | A detection system and a detection method based on pulsed energetic particles |
-
2022
- 2022-10-05 KR KR1020220126721A patent/KR20240047550A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090046805A (en) | 2006-07-28 | 2009-05-11 | 세이지 이노베이션즈 인코포레이티드 | A detection system and a detection method based on pulsed energetic particles |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5078952A (en) | Multi-sensor explosive detection system | |
| US9915752B2 (en) | Inspection systems with two X-ray scanners in a first stage inspection system | |
| US7366282B2 (en) | Methods and systems for rapid detection of concealed objects using fluorescence | |
| US5153439A (en) | Multi-sensor explosive detection system using an articifical neural system | |
| JP4565472B2 (en) | System and method for detecting contraband goods | |
| US20080135772A1 (en) | Method and system for special nuclear material detection | |
| US20060157655A1 (en) | System and method for detecting hazardous materials | |
| US7877340B2 (en) | System and method for resolving gamma-ray spectra | |
| US20050128069A1 (en) | System and method for detecting contraband | |
| US8290120B2 (en) | Dual energy radiation scanning of contents of an object based on contents type | |
| US8090150B2 (en) | Method and system for identifying a containment vessel | |
| US20090147915A1 (en) | Method and apparatus for detecting and classifying explosives and controlled substances | |
| WO2011057339A1 (en) | Anomaly detection of radiological signatures | |
| CN108254394B (en) | X-ray dual-energy detection method and system | |
| EP0459648A1 (en) | Substance detection system | |
| KR20240047550A (en) | Atomic content ratio analysis method and device using vision camera | |
| EP3333596B1 (en) | Multi-energy-spectrum x-ray imaging system and method of substance identification of item to be inspected by using the same | |
| Boardman et al. | A gamma-ray identification algorithm based on Fisher linear discriminant analysis | |
| US20090232277A1 (en) | System and method for inspection of items of interest in objects | |
| Sloth et al. | Opportunities and challenges of implementing energy dispersive x-ray CT in aviation security screening | |
| Powers-Luhn | Neural-net-based imager offset estimation in fieldable associated particle imaging | |
| WO2023017045A1 (en) | Method for identifying a moving radiation source | |
| US20200300791A1 (en) | Multi-tiered systems and methods for composition analysis | |
| KR20220145945A (en) | Method and apparatus for distinguishing radionuclides | |
| CA2671438A1 (en) | System and method for resolving gamma-ray spectra |