Inspection of Internal Defects in Ceramic-polymer-metal Composites Using Terahertz Time-Domain Spectroscopy and Deep Learning

Abstract

In this study, terahertz time -domain spectroscopy (THz-TDS) was used to inspect the internal defects in ceramic -polymer -metal composites. The anomaly generative adversarial network (AnoGAN) algorithm was used to automatically detect the defect region in the polymer layer from a THz scanning image. The composite specimen was prepared with defects in the polymer layer, and inspected using a THz-TDS system in the reflection mode. The THz signal reflected from the defective polymer layer was detected with a reduced time delay and amplitude due to optical path reduction and scattering. The defective area was distinguished based on the difference in contrast in the THz images. Data augmentation techniques were used for THz imaging to generate data for the AnoGAN algorithm. Because the AnoGAN algorithm learns using only normal images, the defect area in the THz scanning image was detected with an accuracy of over 98%. This technology is expected to enhance process yields by automatically enabling non -contact and non-destructive inspection of internal defects in ceramic -polymer -metal composites through a deep learning algorithm and the THz wave technique.

본 연구에서는 세라믹-폴리머-금속 복합체 내부 결함을 검사하기 위해 Terahertz time-domain-spectroscopy (THz-TDS) 시스템을 사용하였고, 이를 Anomaly Generative Adversarial Network (AnoGAN) 알고리즘에 적용하여 복합체 내부 폴리머 층의 결함을 자동으로 검출하였다. 복합체 시편은 내부 폴리머 층에 결함이 있는 시편을 제작하고, THz-TDS 시스템 반사모드를 사용하여 검사했다. 내부 폴리머 층의 결함부위에서 반사된 THz 신호는 광경로 변화와 산란으로 인해 신호 검출시간이 짧아지고 진폭이 감소했다. 이러한 현상을 이용하여 THz 영상화 이미지에서 건전성 판독은 음영 차이를 통해 규명된다. THz 영상화 이미지는 데이터 증강 기법을 사용하여 AnoGAN 알고리즘의 학습 데이터 개수를 증대하였다. 정상 이미지만을 사용하여 학습한 결과, 복합체를 스캔한 THz 이미지 속 결함을 98% 이상의 정확도로 검출하였다. 본 기술은 가시화된 영역에서 판독할 수 없는 세라믹-폴리머-금속 복합체의 내부 결함을 비접촉 기반 비파괴 검사 방법으로 수행할 수 있으며, 심층학습 알고리즘을 사용하여 자동으로 결함을 검출할 수 있는 기술로써 복합체 공정 수율을 향상시킬 수 있을 것으로 기대된다.