U-Net 구조를 활용한 딥러닝 초음파 위상 배열 영상 변환 연구 (Deep Learning-Based Conversion of Phased Array Ultrasonic Imaging using U-Net)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 43권 / 4호 / 285 ~ 291페이지
· 저자명 : 박건혁, 박춘수, 박준형, 이형진, 이승철

초록

초음파 위상 배열 영상화에는 다양한 알고리즘이 사용되고 있다. 특히 섹터 스캔(S-scan)은 실시간으로 영상 획득이 가능하지만, 영상의 품질과 해상도의 한계가 명확하다. 반면 총집속기법(TFM)은 고해상도영상을 제공하지만, 계산 비용이 큰 단점이 있어 현장에서의 활용에 한계가 있다. 본 연구에서는 딥러닝을사용하여 S-scan 영상을 TFM 영상으로 변환하는 방법을 제안하고자 한다. 이를 위해 수치 해석 시뮬레이션을 사용하여 S-scan과 TFM 영상을 획득하였다. 획득한 영상 데이터로 U-Net 기반 딥러닝 모델을 사용하여영상 간 변환을 수행하였고, 모델의 예측 성능을 평가하였다. 연구 결과, 제안된 모델은 고해상도 영상 예측에서 높은 정확성을 보여주었다. 본 연구에서 제안하는 방법은 초음파 검사의 효율과 정확도를 향상시켜 산업 및 제조 분야에서 부품 무결성 평가에 도움을 줄 수 있으며, 초음파 영상 변환 기술의 발전과 응용 가능성을 높일 것으로 기대한다.

영어초록

Ultrasonic testing is an important technique for non-destructive evaluation of internal defects in materials. Sectorial scan (S-scan) and total focusing method (TFM) are imaging algorithms employed in phased array systems. The S-scan allows fast image acquisition but has limitations in the image quality and resolution. The TFM provides high resolution and accuracy for defect detection, but with a high computational cost. In this study, we propose a deep learning-based approach for converting S-scan images into TFM images. First, we acquired both S-scan and TFM images through numerical simulations based on finite element methods. Using the obtained data, we used a U-Net-based model to convert images and evaluate the predictive performance of the model through evaluation metrics. The results indicated that the proposed model demonstrated high accuracy in high-resolution image prediction. This approach can improve the efficiency and accuracy of ultrasonic inspection, contributing to the assessment of component integrity in industrial and manufacturing fields. Furthermore, this is expected to enhance the development and application potential of ultrasonic image conversion technology.

참고자료

· 없음