딥러닝과 테라헤르츠 기술을 이용한 폴리머 배관 결함 검출에 관한 연구Detecting Defects in a Polymer Tube Using a Terahertz and Deep-Learning Technique
- Other Titles
- Detecting Defects in a Polymer Tube Using a Terahertz and Deep-Learning Technique
- Authors
- 김상일; 박동운; 김헌수; 김학성
- Issue Date
- Apr-2022
- Publisher
- 한국비파괴검사학회
- Keywords
- Terahertz; Polymer; Non-destructive Testing; Deep Learning; Convolutional Neural Network; 테라헤르츠; 폴리머; 비파괴검사; 딥러닝; 컨볼루션 신경망
- Citation
- 비파괴검사학회지, v.42, no.2, pp.129 - 135
- Indexed
- KCI
- Journal Title
- 비파괴검사학회지
- Volume
- 42
- Number
- 2
- Start Page
- 129
- End Page
- 135
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/138888
- DOI
- 10.7779/JKSNT.2022.42.2.129
- ISSN
- 1225-7842
- Abstract
- 본 연구에서는 폴리머 배관의 결함을 검출하기 위해 Terahertz time-domain-spectroscopy (THz-TDS) 시스템과 convolutional neural network (CNN) 알고리즘을 사용하였다. THz-TDS 시스템의 투과 모드를 사용하여 정상 폴리머 배관과 결함이 있는 폴리머 배관에 대한 THz scanning data를 확보하였다. 폴리머 배관의 결함 부위를 투과한 THz wave는 산란이 발생하여 진폭이 감소하는 것을 확인하였다. THz scanning 이미지 속 폴리머 배관의 결함 부위는 THz 신호의 진폭 감소로 발생한 픽셀의 음영차이로 구분할 수 있는 것을 확인하였다. THz 이미지 데이터는 CNN 학습을 위해 데이터 증대(data augmentation) 기법을 사용하여 증폭시켰으며, 증폭된 THz 이미지 데이터는 정상과 결함으로 종류(class)를 나누어 CNN 딥러닝 알고리즘에 학습시켰다. 딥러닝 학습결과 CNN 모델은 95% 이상의 정확도로 폴리머 배관의 결함을 검출할 수 있음을 확인하였다. 이를 통해, 테라헤르츠 파를 이용하여 폴리머 배관을 비접촉, 비파괴 검사할 수 있으며, CNN 딥러닝 알고리즘을 사용하여 자동화된 결함 검출을 할 수 있음을 확인하였다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 기계공학부 > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.