항공 우주 해상 : 주성분 분석과 이차 판별 분석 기법을 이용한 항공기 복합재료에서의 자동 결함 검출 및 분류 = Automatic Defect Detection and Classification Using PCA and QDA in Aircraft Composite Materials

국문 초록 (Abstract)

본 논문에서는 항공기 복합재료 내부의 결함을 자동으로 검출하고 분류하는 초음파 검사 방식을 제안한다. 결함 검출을 위해서 초음파의 국부 최대값을 이용해 피크(peak) 값을 추출해낸다. 피크의 거리정보를 이용해 히스토그램화 하며 시편의 표면과 바닥의 백월에코(back-wall echo)를 결정한다. 이를 통해 C-scan 영상을 생성한다. 검출된 피크의 평균과 분산을 이용해 임계값을 정하고 그 값으로 결함여부를 판단한다. 결함의 종류를 구분하기 위해서는 주성분 분석(PCA; principal component analysis)와 이차 판별 분석(QDA; quadratic discriminant analysis)를 수행하였다. PCA를 통한 512개의 차원은 주성분으로 변환 시 30개의 주성분에 99% 이상의 분산이 포함되었다. 주성분 개수를 한정시킴으로써 차원 축소를 통해 계산량을 크게 줄였고 오분류를 최소화하였다. 이차 판별 분석을 적용해 결정경계(decision boundary)의 방정식을 얻었고 이를 통해 결함을 분류할 수 있음을 실험을 통해 보였다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a ultra sound inspection technique for automatic defect detection and classification in aircraft composite materials. Using local maximum values of ultra sound wave, we choose peak values for defect detection. Distance data among peak values are used to construct histogram and to determine surface and back-wall echo from the floor of composite materials. C-scan image is then composed through this method. A threshold value is determined by average and variance of the peak values, and defects are detected by the values. PCA(principal component analysis) and QDA(quadratic discriminant analysis) are carried out to classify the types of defects. In PCA, 512 dimensional data are converted into 30 PCs(Principal Components), which is 99% of total variances. Computational cost and misclassification rate are reduced by limiting the number of PCs. A decision boundary equation is obtained by QDA, and defects are classified by the equation. Experimental result shows that our proposed method is able to detect and classify the defects automatically.