딥러닝과 테라헤르츠 기술을 이용한 폴리머 배관 결함 검출에 관한 연구

국문 초록 (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 결함부위를 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.

다국어 초록 (Multilingual Abstract)

The terahertz time-domain spectroscopy (THz-TDS) system and convolutional neural network (CNN) algorithm were used to detect a defect in a polymer tube. The THz scanning data of the normal and defective polymer tubes were obtained from the THz-TDS transmission mode. The amplitude of the THz wave transmitted by the crack of the polymer tube was decreased by scattering. It was confirmed that the crack in the polymer tube in the THz scanning image can be classified by the shading difference of the pixel. The THz image data were amplified for CNN deep learning using an augmentation technique, and the amplified THz image data were learned by the CNN deep learning algorithm by dividing classes into normal and defect datasets. As a result of deep learning, the CNN model can detect a crack in a polymer tube with an accuracy of 95% or more. Finally, it was confirmed that a defect in a polymer tube can be inspected using a noncontact and nondestructive terahertz inspection method with the CNN deep-learning algorithm.

목차 (Table of Contents)

• 초록
• Abstract
• 1. 서론
• 2. 실험 방법
• 3. 결과 및 고찰
• 4. 결론
• References