DOI QR코드

DOI QR Code

Electric vehicle Pouch battery dimension inspection system

전기자동차 파우치 배터리 치수검사 시스템

  • Lee, Hyeong-Seok (Global Engineering Solutions Co., Ltd., Vision Team) ;
  • Kim, Jea-Hee (Global Engineering Solutions Co., Ltd., Vision Team)
  • Received : 2021.07.12
  • Accepted : 2021.09.17
  • Published : 2021.09.30

Abstract

In this paper, we developed the inspection system of electric vehicle pouch battery using image processing. Line scan cameras are used for acquiring the all parts of the pouch battery, and several steps of image processing for extracting significant dimensions(User Required Position) of the battery. In image processing, edge lines, node points, dimension lines, etc. were extracted using Preprocessor, Square Edge Detection, and Size Detection algorithms. This is used to measure the dimensions of the location requested by the user on the pouch battery. For verification of the inspection system, the dimensions of three pouch batteries produced in the same process were measured, and the mean and standard deviation were obtained to confirm the precision.

Keywords

1. 서론

1990년대에 들어선 직후 내연기관 자동차에 의한 환경오염 문제가 대두되면서, 2000년대의 고유가와 엄격해진 배기가스 규제 강화가 전기차의 개발 속도를 빠르게 하고, 시장 규모도 급성장 함으로써, 전기차 배터리 시장도 급성장을 같이하고 있다. 배터리 제조사는 자동차 회사들이 설계한 전기차 형태와 제조방식에 따라 원통형, 각형, 파우치형 등을 납품하게 된다. 그중 전기차 파우치 배터리는 배터리 셀 (Cell)의 형태에 맞추어 납품하며, 그 형태는 Fig. 1과같이 단방향 셀(Cell)과 양방향 셀(Cell)을 생산하게 되고, 무게가 가볍고 에너지를 장기간 안정적으로 낼 수 있는 파우치 형태의 완제품을 생산하게 된다.

MTMDCW_2021_v24n9_1203_f0001.png 이미지

Fig. 1. Shape of electric vehicle pouch battery [1]. (a) one-way pouch battery and (b) two-way pouch battery.

이에 전기차 배터리 생산공정에서 파우치 품질 검사 방법으로 사람에 의한 육안 치수검사 및 배터리 일부 영역의 치수검사를 진행하므로 생산량의 저하와 균일하지 않은 품질 결과가 문제가 되고 있어[2] 이와 관련된 많은 연구가 진행되고 있으며 그중 파우치 배터리 치수검사와 관련되어 “배터리 치수 검사 장치”[3] 연구가 진행되었지만, 이는 단방향 파우치 배터리만을 에어리어 스켄 카메라(Area Scan Ca- mera)를 여러 대를 사용하여 치수를 검사하는 연구이다. 앞에서 언급하였듯이 파우치 배터리는 단방향과 양방향 파우치 배터리가 생산되고 있으며, 양방향 파우치 배터리 치수 검사하는 시스템도 필요하게 되었다.

그래서 본 논문에서는 전기자동차 배터리 중 양방향 배터리에 파우치를 씌운 완제품 전체영역에 대한 치수검사 시스템을 구성한다. 치수검사 시스템은 라인 스캔 카메라(Line Scan Camera)를 이용하여 생산공정에서 정지 없이 파우치 치수검사를 진행하고 생산량을 증가할 수 있도록 구성하였다.

그리고 라인 스캔 카메라를 이용하여 파우치 배터리의 전체영역을 획득하고, 일반적인 에지 검출을 사용하여 치수를 검출을 실행하기 위해서는, ROI(Region Of Interest)를 이용하여 사용자 검사 요구 위치를 지정하게 되고, 그 위치에서 에지 검출을 실행 후 위치를 구하는 작업에는 허프 변환(Hough Transform) [4] 같은 알고리즘이 추가로 구현되어야 할 문제점이 있다. 이에 본 논문에서는 사용자 검사 요구 위치만 에지 검출할 수 있는 사각형 에지 검출(Square Edge Detection) 알고리즘을 개발하였고, 이를 이용하여 파우치 배터리 치수검사 프로세스를 개발하여 5개의 파우치 배터리들을 치수를 측정 후 표준편차를 구하여 정밀도와 처리시간을 측정한 결과를 확인하였다.

본 논문의 구성은 다음과 같다. 2장에서 본 논문의 파우치 배터리 치수검사 시스템 구성에 대하여 정의한 다음, 3장에서 제안하는 파우치 배터리 치수검사시스템 프로세스를 설명한다. 여기에서는 제안한 알고리즘의 전체적인 개요와 전처리(Pre-Processor), 사각형 에지 검출(Square Edge Detection) 그리고 치수 검출(Size Detection) 알고리즘 순서로 서술한다. 그리고 4장에서는 제안한 알고리즘으로 실험한 결과를 분석하여 성능을 평가하고, 5장에서 결론을 맺는다.

2. 파우치 배터리 치수검사 시스템 구성

파우치 배터리 치수검사 시스템은 Fig. 2와 같이외부트리거(Grab Trigger와 Stop Trigger)들의 신호를 받아 라인 스캔 카메라 영상획득(Image Grab) 이 이루어지며, Fig. 3과 같은 카메라 및 광학계 구조를 이용하여 영상 데이터를 획득하고 영상처리(Image Processing)를 통해 주요치수를 측정한다.

MTMDCW_2021_v24n9_1203_f0002.png 이미지

Fig. 2. External trigger of dimension inspection system.

MTMDCW_2021_v24n9_1203_f0003.png 이미지

Fig. 3. Camera and optical structure of dimensional inspection system.

획득된 영상은 사각형 에지 검출(Square Edge Detection)을 통해 에지(Edge)를 검출하고, 에지로부터 직선의 방정식을 구한 후에 인접한 두 개의 에지의 교점을 구한다. 이렇게 구한 교점들을 연결하여 치수선을 구한 후 치수선들의 거리를 계산함으로써 주요치수들을 측정한다.

이후 주요치수들을 이용하여 정상인지 불량인지의 불량검사(Error Inspection)가 이루어지며, Fig. 4와 같은 순서로 진행된다.

MTMDCW_2021_v24n9_1203_f0004.png 이미지

Fig. 4. Flowchart of dimensional inspection system.

3. 파우치 배터리 치수검사 시스템 프로세스

본 장에서는 파우치 배터리 치수검사 시스템의 프로세스 알고리즘들을 2장 Fig. 4 치수검사 시스템 순서로 설명한다.

3.1 영상획득(Image Grab)

파우치 배터리 치수검사 장비는 시간 절감을 위하여 컨베이어를 통해 정지 없이 이동하면서 검사를 진행하므로, Fig. 2와 같이 Grab Trigger와 Stop Trigger를 지나가는 순간을 감지하여 라인 스캔 카메라에 신호를 보내 영상 데이터를 획득한다. 획득한 영상 데이터는 Fig. 5와 같다.

MTMDCW_2021_v24n9_1203_f0005.png 이미지

Fig. 5. Image acquired with pouch batteries.

3.2 전처리(Pre-Processor)

3.1에서 획득한 영상 데이터는 환경적인 요인으로 인하여 노이즈 및 화질이 일정하지 않게 되어. 노이즈 및 치수 측정을 할 수 있는 화질 개선이 필요하므로 영상처리 기법 중 이진화(Binarization) 및 모폴 로지(Morphology)를 이용하여 전처리(Pre-Processor) 를 실행한다. 그 결과 Fig. 6과 같은 결과를 확인할 수 있다[5].

MTMDCW_2021_v24n9_1203_f0006.png 이미지

Fig. 6. Preprocessed image.

3.3 사각형 에지 검출(Square Edge Detection)

3.3.1 기존 에지 라인 검출방법

치수검사를 진행하기 위해서는 기준이 되는 에지 라인이 필요하며, 기존 에지 검출 알고리즘을 이용하여 에지 라인 검출을 위해서는 Fig. 7에서 ⓐ∼ⓔ와 같은 ROI 영역을 구하고, 영역 내부에서 케니(Canny) [6]를 사용하여 에지를 검출한다. 그리고 검출된 에지의 위치를 영역을 구하기 위하여 허프변환(Hough Transform)[4]에서 Threshold=50, Threshold=80을 사용하여 Fig. 8과 같은 결과를 확인할 수 있다.

MTMDCW_2021_v24n9_1203_f0007.png 이미지

Fig. 7. ROI Area.

MTMDCW_2021_v24n9_1203_f0008.png 이미지

Fig. 8. Existing edge detection results.

Fig. 8의 결과를 확인하였듯이 직선으로 판단할 최소한의 동일 픽셀 개수(Threshold)가 작으면 여러 개의 허프 라인이 생성되고, Threshold가 크면 허프라인을 검출하지 못하는 문제가 발생하게 되고, 이를 해결하기 위한 Threshold를 찾는 알고리즘을 추가하거나 새로운 알고리즘이 필요로 하는 문제점이 발생하게 된다.

3.3.2 제안한 에지 라인 검출 방법

본 논문에서는 문제를 해결하기 위하여 사각형 에지 검출(Square Edge Detection) 알고리즘을 개발하였다. 사각형 에지 검출 알고리즘은 Fig. 9와 같이 여러 개를 생성할 수 있으며, 사각형의 크기 및 붉은색 삼각형(◀,▲,▼,▶) 으로 샘플링 방향을 설정할 수 있다. 그리고 붉은색 삼각형 방향으로 30개의 샘플링을 실행하면서 Edge 영역[7]을 검출할 수 있다.

MTMDCW_2021_v24n9_1203_f0009.png 이미지

Fig. 9. Square edge detection execution.

Edge 영역은 명암도가 급격히 변하는 부분이기 때문에 픽셀값의 변화율을 측정하여 변화율이 높은 픽셀을 선택하면 되고, 이를 위하여 식(1)과 같이 주어진 함수의 순간 변화율인 미분을 구한다.

\(f^{\prime}=\frac{d f}{d x}=\lim _{\Delta x \rightarrow 0} \frac{f(x+\Delta x)-f(x)}{\Delta x}\)       (1)

식(1)에서 x의 변화량이 0에 가까워질 때 함숫값의 변화량을 뜻하며, 함숫값의 이 증가하면 함수의 미분 값이 0보다 큰 양수, 감소하면 0보다 작은 음수를 갖게 된다. 함숫값의 이 일정한 구간에서는 함수의 미분이 0에 가까운 값을 가진다.

\(I_{x}=\frac{\partial I}{\partial x} \cong \frac{I(x+1, y)-I(x-1, y)}{2}\)       (2)

\(I_{y}=\frac{\partial I}{\partial y} \cong \frac{I(x, y+1)-I(x, y-1)}{2}\)       (3)

2차원 공간에서 정의된 영상에서 에지를 찾으려면 x축방향과 y축 방향의 편미분을 모두 사용하며, I(x, y)을 x축과 y축으로 각각의 편미분은 식(2)∼(3) 과 같이 정의되고, 중앙차분을 이용한 영상의 미분 근사는 마스크 연산을 이용하여 쉽게 구현할 수 있다.

사각형 에지 검출(Square Edge Detection) 알고리즘 실행은 Fig. 9의 붉은색 삼각형(◀,▶) 방향으로 구성된 ⓐ, ⓑ, ⓒ, ⓔ 사각형 에지 샘플링 방향 맞추어 식 (2)를 이용하여 x축 방향으로 미분 근사를 수행하고, 붉은색 삼각형(▲,▼) 방향으로 구성된 ⓓ 사각형 에지 샘플링방향 맞추어 식 (3)을 이용하여 y축 방향으로 미분 근사를 수행한다. 그리고 식 (2)∼(3)을 통해 구해진 30개 Sampling Points {(x0,y0),(x1,y1),…(x28,y28),(x29,y29) }는 식 (4)와 같이 정의한 최소 자승법(Least square Method)을 이용하여 Fig. 10과 같이 녹색 에지 라인을 검출한 결과를 보여준다. 그리고 4.1장에서 에지 라인 검출 성능실험을 통해 제안한 사각형 에지 검출 알고리즘 성능을 검증한다.

\(\varepsilon=\sum_{n=0}^{N_{L}-1} r_{n}^{2}=\sum_{n=0}^{N_{L}-1}\left(y_{n}-a x_{n}-b\right)^{2}\)       (4)

MTMDCW_2021_v24n9_1203_f0010.png 이미지

Fig. 10. Edge line detection.

위와 같이 파우치 배터리 치수검사 장비에 적용하기 위해서는 Fig. 11과 같이 14개의 에지 라인을 검출한다.

MTMDCW_2021_v24n9_1203_f0011.png 이미지

Fig. 11. Edge line detection result.

3.4 치수 검출(Size Detection)

치수 검출(Size Detection)에서는 Fig. 11과 같은 14개의 에지 라인 검출 결과를 이용하여 사용자가 요구하는 위치의 거리를 측정하기 위하여 12개의 교점(Node)들을 검출하고, 연결하여 치수 기준선들을 생성한다. 그리고 생성된 치수 기준선 사이의 거리를 측정하여 치수를 측정한다.

Fig. 12는 12개의 교점 검출 결과이며, 십자형의 마크로 교점들을 보여주고 있다. 이 교점들을 연결하여 Fig. 13의 노란색 선으로 이루어진 12개의 치수 기준선들을 구한다.

MTMDCW_2021_v24n9_1203_f0012.png 이미지

Fig. 12. Node detection result.

MTMDCW_2021_v24n9_1203_f0013.png 이미지

Fig. 13. Dimensional baselines result.

Fig. 14과 같은 방법으로 치수 기준선과 사용자 요구 위치(User Request Location)를 이용해 거리를 측정하기 위해서는, 한 점과 직선의 거리 공식인 식 (5)를 사용한다[8].

\(d=\frac{\left|a x_{0}+b y_{0}+c\right|}{\sqrt{a^{2}+b^{2}}}\)       (5)

P(x0,y0) : 사용자요구위치

L: ax+by+c=0: 치수기준선

MTMDCW_2021_v24n9_1203_f0014.png 이미지

Fig. 14. Measure distance.

치수 검출(Size Detection)에서는 위와 같은 방법으로 Fig. 15와 같이 총 12개의 치수를 검출하게 된다.

MTMDCW_2021_v24n9_1203_f0015.png 이미지

Fig. 15. Dimension detection result.

4. 실험 결과 및 고찰

본 장에서는 본 논문에서 제안한 사각형 에지 검출 알고리즘과 기존 에지 검출 알고리즘을 결과를 비교하고, 파우치 배터리 치수검사 시스템은 실제 현장에서 사용되는 시스템이므로 사용자 요구 처리 속도와 요구 정밀도를 측정하는 실험을 진행하였다.

4.1 에지 라인 검출 성능 실험

제안한 사각형 에지 검출 알고리즘 성능 실험은 3.3장에서 Fig. 8. 기존 에지 검출 알고리즘에 허프변환의 Threshold를 자동으로 찾는 알고리즘을 적용하여 처리하였고, 같은 ROI 영역 영상들을 이용하여 사각형 에지 검출 알고리즘을 실행시켜 Fig. 16과 같은 검출된 에지 라인을 검출을 진행하였다. 그리고 ⓐ∼ⓔ의 ROI 영역 영상들을 기존 에지 검출 알고리즘과 사각형 에지 검출 알고리즘을 각각 10회 진행하여 평균시간을 구해 Table 1과 같이 정리하였다.

MTMDCW_2021_v24n9_1203_f0016.png 이미지

Fig. 16. Edge line detection result.

Table 1. Edge line detection processing time (sec).

MTMDCW_2021_v24n9_1203_t0001.png 이미지

기존 에지 검출 알고리즘 결과와 제안한 사각형 에지 검출 알고리즘 결과를 확인해 보면, ⓐ∼ⓓ ROI 영역 영상의 결과는 같으나 ⓔ ROI 영역 영상 결과를 확인해 보면, 기존 에지 검출 알고리즘 결과에서는 실제 에지와 차이를 가지는 에지 라인(붉은색 선) 결과 확인할 수 있었고, 제안한 사각형 에지 검출 알고리즘은 샘플링된 점들을 최소 자승법(Least square Method)을 사용하여 라인을 검출하므로 실제 에지와 근사화된 에지 라인(녹색 선) 결과를 확인할 수 있다.

에지 라인 검출 처리시간을 확인해 보면 기존 에지 검출 알고리즘 평균 처리시간은 최소 0.1902(초) 에서 최대 0.1928(초)이며, 사각형 에지 검출 알고리즘 평균 처리시간은 최소 0.1498(초)에서 최대 0.1511 (초)이므로 본 논문에서 제안한 사각형 에지 검출 알고리즘 처리시간에서도 우수함을 확인할 수 있었다.

4.2 파우치 배터리 치수검사 시스템 성능 실험

파우치 배터리 치수검사 시스템에서 중요한 요소는 Fig. 15에서 정의한 사용자 요구 위치의 거리 측정의 정밀도와 시스템 처리시간이다. 검사 시스템에서 정밀도가 중요한 이유는 전기자동차 하부에 배터리팩이 있으며, 다수의 배터리 모듈로 구성된다. 이때 모듈에는 다수의 파우치 배터리가 장착하게 되는데 이때 파우치 배터리의 치수가 정밀하지 못하면 장착에 어려움이 발생한다. 그리고 처리시간이 중요한 이유는 생산공정에서 생산량과 관련되기 때문이다. 따라서 본 연구에서는 검사시스템의 정밀도와 처리 시간을 측정하기 위해 Fig. 17과 같이 같은 종류의 파우치 배터리 5개를 측정하였다.

MTMDCW_2021_v24n9_1203_f0017.png 이미지

Fig. 17. Pouch battery for experimentation. (a) Battery1, (b) Battery2, (c) Battery3, (d) Battery4, and (e) Battery5.

Fig. 17의 파우치 배터리들을 50회 치수 측정을 진행하였고, Fig. 15와 같이 총 12개의 사용자 요구 위치 치수 측정값에 대한 평균값과 표준편차를 측정하여 Table 2와 같이 정리하였고, 치수검사 시스템 처리 시간은 모듈별로 50회 평균 처리시간을 측정하여 Table 3과 같이 정리하였다.

Table 2. The Average and standard deviation of experimental data (Unit[mm]).

MTMDCW_2021_v24n9_1203_t0002.png 이미지

Table 3. Dimension Inspection System Processing Time (sec).

MTMDCW_2021_v24n9_1203_t0003.png 이미지

5개의 파우치 배터리 실험 결과, 12개의 치수 위치의 평균값은 최대 오차범위는 11 μm이다. 그리고 배터리1의 최대표준편차는 0.009 mm, 배터리2의 최대표준편차는 0.009 mm, 배터리3의 최대표준편차는 0.011 mm, 배터리4의 최대표준편차는 0.0099 mm, 배터리5의 최대표준편차는 0.011 mm로 장비의 정밀도 11 μm 이내의 값으로 가짐을 알 수 있었고, 치수검사 시스템에 대한 사용자의 요구 정밀도는 100 μm 이내이므로 개발한 시스템의 정밀도가 우수함을 확인할 수 있었다.

그리고 평균 최대 처리시간 3.892(초)로 확인할 수 있으며, 사용자의 요구 처리시간 5초 이내이므로 개발한 시스템의 처리시간을 만족함을 확인할 수 있었다.

5. 결론

본 논문에서 연구한 전기자동차 파우치 배터리 치수검사 시스템은 기존 시스템들보다 생산량과 정밀도를 높이기 위하여 라인 스캔 카메라를 사용하여, 영상을 획득하였다. 획득한 영상은 전처리를 이용하여 이진영상을 추출하였다. 그리고 본 논문에서 제안한 사각형 에지 검출 알고리즘을 사용하여 에지 라인검출을 하고, 이를 이용하여 교점(Node)들을 검출하고 치수 기준선들을 생성하여 사용자 요구 위치(User Request Location)의 치수를 측정하였다.

또한, 치수의 정밀도를 확인하기 위하여 같은 종류의 파우치 배터리 5개를 측정하고 이를 토대로 정밀도와 처리시간이 사용자 요구에 보장됨을 확인할 수 있었다.

References

  1. 2017 Sustainability Report, http://eng.skinnovation.com/company/sr.asp#global-wrap (accessed March 12, 2021).
  2. H.S. Lee, J.H. Kim, and J.H. Kim, "Dimensional Inspection of Electric Vehicle Battery Using Line Scan Camera," Proceeding of the Spring Conference of the Korea Multimedia Society, pp. 279-280, 2021.
  3. JD co., Battery Dimension Inspection Device, 10-2187988-0000, Korea, 2020.
  4. J. Matas, C. Galambos, and J. Kittler. "Robust Detection of Lines Using the Progressive Probabilistic Hough Transform," Computer Vision and Image Understanding, Vol. 78, Issue. 1, 119-137, 2000. https://doi.org/10.1006/cviu.1999.0831
  5. J.S. Park, J. H. Kim, K.S. Ko, and J.W. Park, "Feature Extraction System for High-Speed Fingerprint Recognition," Journal of Korea Multimedia Society, Vol. 16, No. 8, pp. 914-926, 2013. https://doi.org/10.9717/kmms.2013.16.8.914
  6. J. Canny. "A computational approach to edge detection. Pattern Analysis and Machine Intelligence", IEEE Transactions on, (6): 679-698, 1986.
  7. D. Marr and E. Hildreth, "Theory of Edge Detection," Proceedings of the Royal Society B, London B207, pp. 187-217, 1980.
  8. Derive the distance between a point and a straight line, https://mathbang.net/453 (accessed June 30, 2021).