유리섬유 복합재 내부 미세결함의 두께 및 위치 분석을 위한 합성곱 신경망 기반의 테라헤르츠 신호 학습 기법

초록

합성곱 신경망 모델을 통한 테라헤르츠 (THz) 신호 학습을 기반으로 유리섬유 복합재 내부의 미세결함 분석 기법을 연구하였다. 먼저, 25, 50, 75, 110 um 크기의 미세결함이 존재하는 유리섬유 복합재 시편을 제작하였고, THz-TDS 시스템의 반사모드를 통해 미세결함 크기 별 THz 신호를 측정하였다. 유리섬유 복합재의 표면, 미세결함 (25, 50, 75, 110 um) 및 바닥에서 반사되어 검출되는 THz 신호의 peak 를 구분하였고, 각각의 peak 에 대한 라벨링을 진행하였다. 신호의 noise 를 제거하기 위해 라벨링된 신호들의 Fast Fourier Transform (FFT) 변환을 진행하여 고주파 영역을 필터링 한 뒤, 다시 Inverse Fast Fourier Transform (IFFT) 변환하였다 [1]. 이후, 1D THz 신호들의 Short-Term Fourier Transform (STFT) 변환을 통해 2D spectrogram 으로 변환하였고, 합성곱 신경망 (CNN) 모델을 통해 이를 학습하였다 [2]. 학습된 CNN 모델을 통해 실제 THz 신호의 peak 별 분류를 진행하였고, 각 peak 별 결함의 크기, 위치에 대한 확률 분포를 나타내는 probability map 을 도출하였다. 결과적으로, CNN 학습 모델을 통해 미세결함의 크기 및 위치에 따른 신호들을 성공적으로 구분해낼 수 있었다