• Proceedings of the KAIS Fall Conference
• /
• 2010.11b
• /
• pp.788-791
• /
• 2010

본 논문에서는 자동차 핵심부품 중 하나인 알터네이터 수풀의 육안검사를 대체하기 위한 머신비전시스템을 설계하는 데 목적이 있다. 플라스틱 사출물인 알터네이터 스풀의 경우 일반적으로 미성형, 찍힘, 뜯김, 크랙 등의 불량 유형이 발생한다. 스풀을 고속으로 전수검사하기 위하여 설계의 실패 사례를 예로 들었고, 이를 통해 최적의 고속 자동화 머신비전 시스템을 설계하고자 한다. 3차원 설계 소프트웨어인 Pro-Engineer와 CATIA가 사용되었다. 개발 제작 될 시스템은 산업현장에 적용하여 절대적 판정의 안정성을 도모하고, 생산성 향상 및 부품의 표준화를 확립하는 데 기여할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.135-136
• /
• 2015

일반적으로 머신비전을 이용한 위치 추정 정밀도는 카메라의 화소 수에 비례한다. 머신비전 카메라의 경우 화소가 많을수록 카메라 가격이 크게 증가하므로 화소 수만을 늘려서 정밀도를 높이는 하드웨어적 방법은 활용이 제한적이다. 이런 문제를 해결하기 위해서 적은 화소 수로 높은 위치 추정 정밀도를 얻을 수 있는 다양한 소프트웨어 알고리즘에 대한 연구가 진행되어 왔다. 본 논문에서는 위치 추정 정밀도를 높이기 위한 서브 픽셀 위치 추정 알고리즘을 구현하고 이를 반도체 칩 검사용 고정밀 스테이지에 적용하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.12 no.4
• /
• pp.1559-1564
• /
• 2011

This study presents the development of a machine vision inspection system(MVIS) purposely for car seat frames as an alternative for human inspection. The proposed MVIS is designed to meet the demands, features and specifications of car seat frame manufacturing companies in striving for increased throughput of better quality. This computer-based MVIS is designed to perform quality measures by detecting holes, nuts and welding spots on every car seat frame in real time. In this study, the NI Vision Builder software for Automatic Inspection was used as a solution in configuring the aimed quality measurements. The techniques for visual inspection are optimized through qualitative analysis and simulation of human tolerance on inspecting car seat frames. Furthermore, this study exemplifies the incorporation of the optimized vision inspection environment to the pre-inspection and post-inspection subsystems. The system built on this proposed MVIS for car seat frames has successfully found the possible detections.

• Proceedings of the KAIS Fall Conference
• /
• 2007.05a
• /
• pp.32-34
• /
• 2007

본 논문에서는 자동차 핵심부품 중 하나인 알터네이터 수풀의 육안검사를 대체하기 위한 머신비전시스템을 개발하는 목적이 있다. 플라스틱 사출물의 경우 일반적으로 미성형, 찍힘, 뜯김, 크랙 등의 불량 유형이 발생하는 데, 이를 전수검사하기 위한 머신비전 시스템의 설계와 검사 알고리즘을 개발하고자 한다. 개발된 시스템은 산업현장에 적용하여 절대적판정의 안정성을 도모하고, 생산성 향상 및 부품의 표준화를 확립하는 데 기여할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.37-38
• /
• 2023

본 논문에서는 딥러닝을 기반으로 하는 키포인트 인식 모델을 산업용 품질검사 머신비전에 응용하는 방법을 제안한다. 전이학습 방법을 이용하여 딥러닝 모델의 인식률을 높이는 방법을 제시하였고, 전이시킨 특성 추출 모델에 대해 추가로 데이터 세트에 대한 학습을 진행하는 것이 특성추출 모델의 초기 ImageNet 가중치를 동결시켜 학습하는 것보다 학습 속도나 정확도가 높다는 것을 보여준다. 실험을 통해 딥러닝을 응용하는 산업용 품질 검사 공정에는 특성추출 모델의 추가 학습이 중요하다는 점을 확인할 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.69-70
• /
• 2021

본 논문은 PPM으로 관리되고 있는 자동차 부품 제조 공정에서 검사자의 육안검사 방법을 대체하기 위해 머신비전 및 CNN 기반 불량 검출 시스템으로 제안되었던 방식들의 단점을 개선하기 위하여 기존 머신 비전 기술에 합성곱 오토인코더 모델을 적용하여 단점을 해결하였다. 본 논문에서 제시한 오토인코더를 이용하는 방법은 정상 생산품의 이미지만으로 학습을 진행하고, 학습된 모델은 불량 부위가 포함된 이미지를 입력받아 정상 이미지로 출력한다. 이 방법을 사용하여 불량의 부위와 크기를 알 수 있었으며 불량 여부의 판단은 임계치에 의한 불량 부위의 화소 수 계산으로 판단하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.11 no.5
• /
• pp.1558-1563
• /
• 2010

This paper describes a study on algorithm for the development of machine vision system as well as the inspection of automobile's plastic part locking lever to replace a human worker's eye inspection. Before developing the machine vision system based on the PC, the purpose of this research is to develop the algorithm to decide whether a product is a good/bad one in real time inspection. NI-LabVIEW software is used in the inspection method and an inspection program is developed using LabVIEW Vision image functions. The inspection program was built and validated to help the system operator set up the inspection area and change the criteria number in the program.

• The Journal of Korean Institute for Practical Engineering Education
• /
• v.4 no.2
• /
• pp.91-97
• /
• 2012

The automated visual inspection system (machine vision system) for quality assurance is an important factory automation equipment in the manufacturing industries, such as display, semiconductor, etc. The world market of the machine vision components is expected 18 billon dollars in 2015. Therefore, there is a lot of demand for the machine vision engineers. However, there are no technical training courses for machine vision technologies in vocational schools, colleges and universities. In this paper, we propose a technical training program for the machine vision technology. The total time of training is 30 to 60 hours and the training program can operate flexibly by student's major, a priori knowledge and education level.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.289-290
• /
• 2024

PCB(Printed circuit board)생산시에 중요한 역할을 담당하는 비전검사 시스템의 성능은 지속적으로 발전해왔다. 기존 머신 비전 검사 시스템은 이미지가 불규칙하고 비정형일 경우 해석이 어렵고 전문가의 경험에 의존한다. 그리고 비전검사 시스템 개발 당시의 기준과 다른 불량이 발생한다면 검출이 불가능 하거나 정확도가 낮게 나온다. 본 논문에서는 이를 개선하고자 딥러닝 영상인식을 이용한 PCB 기판 비전 검사 시스템을 구현하였다. 딥러닝 영상인식 알고리즘은 YOLOv4를 이용하고, 워핑(warping)과 시킨 PCB 이미지를 학습하여 비전검사 시스템을 구성하였다. 딥러닝 영상인식 기술의 처리 속도를 보완하고자 QR코드로 PCB 기판 종류를 인식하고, 해당 PCB 부품의 미삽은 정답 이미지 바운딩 박스 좌표와 비교하여 불량품을 발견하면 표시해준다. 기판의 부품 인식을 위해 기판 데이터는 직접 촬영하여 수집하였다. 이를 활용하여 PCB 생산 공정에서 비전검사 시스템의 성능이 향상되었고,, 다양한 PCB를 생산에 신속하게 대응할 수 있다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1997.11a
• /
• pp.489-501
• /
• 1997

국내에서 생산되는 자동차부품이 국제적으로 경쟁력을 갖춘 제품이 되기 위해서는 불량률이 적어도 100 ppm 이하가 되어야 한다. 본 연구의 목적은 검사와 계측이 동시에 필요한 자동차 부품 제조 공정에 불량률 최소화 달성을 위한 산업체의 필요에 맞도록 머신비전을 이용하여 검사/계측 자동화시스템을 개발하는 것이다. 이 시스템은 생산부품을 전수검사하고 불량품을 100% 발견하는 것은 물론 데이터를 통계적으로 분석하여 이상원인이나 공정의 변화가 있을 때 이를 빨리 발견하여 많은 불합격품이 만들어지기 전에 공정을 조사하고 수정할 수 있는 조치를 취할 수 있도록 하였다. 이는 정확한 최신 데이터로 신속한 경향관리가 가능하도록 하는 것이며, 품질의 예방관리를 실현하는 것이다. 털 논문에서는 구체적 응용사례로서 자동차 Door inner panel의 프레스 공정에 대한 검사/계측시스템을 예시하였다.