Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지

Automatic detection system for surface defects of home appliances based on machine vision

머신비전 기반의 가전제품 표면결함 자동검출 시스템

  • Received : 2022.08.26
  • Accepted : 2022.10.17
  • Published : 2022.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Quality control in the smart factory manufacturing process is an important factor. Currently, quality inspection of home appliance manufacturing parts produced by the mold process is mostly performed with the naked eye of the operator, resulting in a high error rate of inspection. In order to improve the quality competition, an automatic defect detection system was designed and implemented. The proposed system acquires an image by photographing an object with a high-performance scan camera at a specific location, and reads defective products due to scratches, dents, and foreign substances according to the vision inspection algorithm. In this study, the depth-based branch decision algorithm (DBD) was developed to increase the recognition rate of defects due to scratches, and the accuracy was improved.

스마트팩토리 제조공정에서의 품질관리는 중요한 요소이다. 현재, 금형 공정으로 생산되는 생활가전 제조부품의 품질검사는 대부분 작업자의 육안으로 진행되고 있으며 이로 인한 검사의 오류율이 높은 실정이다. 이러한 품질공전 개선을 위하여 결함 자동검출 시스템을 설계하여 구현하였다. 제안 시스템은 특정 위치에서 고성능 스캔 카메라로 대상물을 촬영하여 영상을 획득하고, 비전검사 알고리즘에 따라 긁힘, 찍힘, 이물질에 의한 불량품을 판독한다. 본 연구에서는 긁힘에 대한 불량 인식율을 높이기 위하여 깊이 정보 기반 분기 판단 알고리즘(Depth-based branch decision algorithm, DBD)을 개발하여 정확도를 높였다.

Keywords

Acknowledgement

이 논문은 2021년도 중소벤처기업부-한국산업진흥기술원의 지원을 받아 수행한 지역특화산업육성+(R&D)사업의 연구결과임 (No. S3195901).

References

  1. Namho Kim, Sanghun Song, Heeja Jeong, "Development of high-speed exterior scan inspection equipment for household appliances," Proc. of Korean Institute of Smart Media SMA2021, Sep. 2021.
  2. Linea Mono(2022). https://www.envision.co.kr/ko/product/detail.asp?iGDS_NO=90 (accessed Sep., 2, 2022).
  3. Frame Grabbers(2022), https://www.matrox.com/en/imaging/products/components/frame-grabbers/radient-ev-cl?utm_medium=ppc&utm_source=adwords&utm_campaign=Frame+Grabbers&utm_term=frame%grabbing (accessed Sep., 2 2022).
  4. Nobuyuki Otsu, "A threshold selection methodfro m gray-level histograms," IEEE Transactionon Systems, Man and Cybernetics, Vol. 9, pp. 62-66, 1979. https://doi.org/10.1109/TSMC.1979.4310076
  5. Bryan Catanzaro, Bor-Yiing Su, Narayanan Sundaram, Yunsup Lee, Mark Murphy, Kurt Keutzer. "Efficient, High-Quality Image Contour Detection," IEEE 12th International Conference on Computer Vision, Kyoto, Japan, Sep. 2009.
  6. 원남식. "골격 소멸 현상이 없는 8-근접 연결값을 이용한 세선화 알고리즘에서 침식현상 고찰," 한국산업정보학회논문집, 제8권, 제2호, 21-29쪽, 2003년 6월
  7. 양원석, 이재민, 최혜림, 김용희, 이창용, 서지원, 안승호. "자동차 라인에서 표면처리 결함사례, 평가 및 대응연구 방향," 2018년 한국표면공학회 추계학술발표회 초록집, 31쪽, 2018년
  8. Qinbang Zhou, Renwen Chen, Bin Huang, Chuan Liu, Jie Yu, Xiaoqing Yu., "An Automatic Surface Defect Inspection System for Automobiles Using Machine Vision Methods," MDPI Sensors, Feb. 2019.
  9. Chuanxia Jian, Jian Gao, Yinhui Ao. "Automatic surface defect detection for mobile phone screen glass based on machine vision," Applied Soft Computing, Vol. 52, pp. 348-358, Mar. 2017. https://doi.org/10.1016/j.asoc.2016.10.030