• 한국자동차공학회논문집
• /
• 제12권3호
• /
• pp.184-191
• /
• 2004

In this study, an inspection system for automotive parts using machine vision has been developed and presented. The system is comprised of six analog CCD cameras, frame grabber, and mechanism that loads the automotive parts to the system for the inspection. An Image processing algorithm for detecting eight different types of defects of oil-seals are developed, and the effectiveness of the algorithm is experimentally verified. Inspection process is completed in 1 second with acceptable accuracy. It is envisaged that this inspection system will have a wide application in the automotive part manufacturing industry in the future.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.181-189
• /
• 2023

In this paper, we present a case study of developing MVIS (Machine Vision Inspection System) designed for exterior quality inspection of stamping dies used in the production of automotive exterior components in a small to medium-sized factory. While the primary processes within the factory, including machining, transportation, and loading, have been automated using PLCs, CNC machines, and robots, the final quality inspection process still relies on manual labor. We implement the MVIS with general-purpose industrial cameras and Python-based open-source libraries and frameworks for rapid and low-cost development. The MVIS can play a major role on improving throughput and lead time of stamping dies. Furthermore, the processed inspection images can be leveraged for future process monitoring and improvement by applying deep learning techniques.

• 한국콘텐츠학회논문지
• /
• 제6권6호
• /
• pp.1-8
• /
• 2006

본 연구에서는 인쇄회로기판을 위한 자동 광학 검사시스템에서 핵심적인 기능인 보정 데이타 산출을 위한 기하학적 특징 기반 방법을 제안하였다. 현재 적용되고 있는 자동 광학 검사 시스템에서는 보정데이타 산출을 위해 작업자가 직접 수작업으로 모델을 설정하고 있고, 검사영상에 기하학적인 변화가 있는 경우 비검사영역이 생기는 등 문제가 발생되고 있다. 이는 검사 작업의 신뢰성에 영향을 미치게 됨은 물론 검사 처리 시간을 지연시키는 요인이 된다. 제안된 방법은 주어진 PCB 영상으로부터 기하학적인 모양이 적합한 모델을 자동으로 선정할 수 있고, 기하학적인 모델 매칭 기법을 통해 신뢰성 있는 보정데이타를 산출할 수 있다. 제안된 방법의 사용으로 검사 시스템을 보다 편리하게 사용할 수 있고, 수작업에 의한 모델설정으로 발생되는 불필요한 시간을 절약할 수 있다. 또한, 기하학적인 변화량에 관계없이 보정데이타 산출이 가능하고, 잘못된 모델 선정 등 부정확한 보정데이터의 사용시 발생되는 문제점을 해결할 수 있는 장점을 갖는다.

• 한국융합학회논문지
• /
• 제9권10호
• /
• pp.257-263
• /
• 2018

본 연구는 트랜스미션에 들어가는 부품인 차동기어에 대한 자동 검사 장비를 개발하고자 하는 것이다. 본 기술개발은 Micro Vision 자동 검사 장비와 마이크로레이저 자동 검사 장비를 사용하여 만들 것이다. 이는 작업자가 부주의하게 가공한 제품을 전수검사 단계에서 불량률 0를 만들고자 한다. 본 연구를 통해 개발된 장비를 여러 분야 사업에 적용할 것이다. 포장회사, 너트 볼트 가공업체, 정밀 반도체 상단에 인쇄를 위한 업체, SMT 업체 등 다양한 분야에 비전검사 장비를 판매하고자 한다. 본 기술개발을 통해 불량률 0를 실현하면 모기업으로부터 안정적 물량 확보, 나아가 제품 신뢰도를 바탕으로 수출을 할 수 있는 기반마련의 기회도 가능하다. 자동검사시스템을 국내 자동차 부품 가공업체에 적용할 경우 우리나라 자동차의 신뢰도 또한 크게 상승 할 것으로 생각된다.

• 한국전자통신학회논문지
• /
• 제15권3호
• /
• pp.513-520
• /
• 2020

최근 기계 학습을 활용한 비전 검사 시스템의 개발이 활발해지고 있다. 본 연구는 기계 학습을 활용한 결함 검사 모델을 개발하고자 한다. 이미지에 대한 결함 검출 문제는 기계 학습에 있어 지도 학습 방법인 분류 문제에 해당한다. 본 연구에서는 특징을 자동 추출하는 알고리즘과 특징을 추출하지 않는 알고리즘을 기반으로 결함 검출 모델을 개발한다. 특징을 자동 추출하는 알고리즘으로 1차원 합성곱 신경망과 2차원 합성곱 신경망을 활용하였으며, 특징을 추출하지 않는 알고리즘으로 다중 퍼셉트론, 서포트 벡터 머신을 활용하였다. 4가지 모델을 기반으로 결함 검출 모델을 개발하였고 이들의 정확도와 AUC를 기반으로 성능 비교하였다. 이미지 분류는 합성곱 신경망을 활용한 모델 개발이 일반적임에도, 본 연구에서 이미지의 화소를 RGB 값으로 변환하여 서포트 벡터 머신 모델을 개발할 때 높은 정확도와 AUC를 얻을 수 있었다.

• 전자공학회지
• /
• 제24권10호
• /
• pp.23-44
• /
• 1997

이 글에서는 요즘 신문이나 텔레비전을 통해서 인체 내부를 돌며 검사 및 치료를 하는 마이크로 로보트 등의 차세대 첨단기술로서 일반 국민들에게 소개되기도 하며, MEMS, 마이크로머신, 마이크로시스템, 혹은 초소형 정밀기계 등으로 불리는 기술과 이 기술에 대한 각국 (미국, 일본, 유럽, 한국)의 기술 동향을 소개한다. 이에 이어서, 현재 과기처의 선도기술개발사업 (소위 G7사업) 으로서 진행되고 있는 초소형 정밀기계 기술개발 사업에 대한 소개를 한다. 이 분야에 종사하지 않는 보통 사람들을 위해 가급적 쉬운 말로 풀어 쓰도록 노력하였다. 이 글에서 다루고 있는 크기의 기본 단위는 마이크로미터 (천분의 일 밀리미터) 이며, 사람의 머리카락의 직경이 약 100 마이크로미터 (0.1mm) 내외이다. 초소형 기계나 초소형 부품들은 대개 이 머리카락의 직경정도이며, 머리카락속에 모터나 기어 등이 들어있다고 생각해도 크게 틀리지 않을 것이다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2007년도 춘계학술발표논문집
• /
• pp.253-255
• /
• 2007

The increasing requirement for consistency and quality in the automotive industry started the development of a Machine Vision Inspection System (MVIS) for a car seat bottom cushion frame with the goal of providing a higher precision Inspection System with minimal components and less human intervention. The modifications made to an existing PC-based MVIS were shown to improve the accuracy and precision of the system. By using four monochrome cameras, the working distance was lowered and the image distortions were lessened without resorting to extensive image processing. The inspection scripts were evaluated if it could recognize good and bad products and were shown to be robust and able to reach an acceptable level of precision. It was also shown that the amount of human interaction was lessened.

• 정보처리학회논문지B
• /
• 제9B권2호
• /
• pp.245-254
• /
• 2002

머신비전을 이용한 IC 패키지 마킹검사 시스템은 입력영상으로부터 검사할 요소들의 위치를 식별하고, 추출된 요소들을 학습된 표준 패턴과 비교하여 마킹의 불량 여부를 판단한다. 본 논문에서는 검사 대상 IC 패키지의 위치 판별, 마킹문자 추출, 핀원딤플 검출과 같은 일련의 작업들에 적합한 적응적 다단계 이진화 방법과 마킹문자의 국소적인 오류검출은 물론 잡영에 강건한 정합단위의 동적 선택 방법을 제안한다. 제안하는 이진화 방법은 이진화 대상 영역과 명도 값의 범위를 제한하여 Otsu의 이진화 알고리즘을 적용함으로써 특정 응용에 적응적인 이진화가 가능하다. 정합단위의 동적 선택 방법은 문자추출 및 배치분석에 대한 결과에 따라 정합단위를 선택한다. 그러므로 문자추출 및 배치분석 과정에서 발생하는 예기치 못한 부적절한 상황에서도 가능한 범위내에서 최소의 정합단위를 선택할 수 있다. 제안된 방법을 구현하여 8종의 IC 패키지, 총 280개의 영상에 대하여 실험한 결과, IC 패키지와 핀원딤플의 검출율은 100%였으며, 마킹상태에 대한 판정은 98.8%의 정확도를 나타내어 제안된 방법이 효과적임을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제16권7호
• /
• pp.689-699
• /
• 2016

LCD 수요 증가에 따라 LCD 생산 효율성 개선을 위한 검사장비의 중요성이 지속적으로 부각되고 있다. 패턴 검사기는 라인 스캔 카메라와 같은 광학 장비를 통해 미세한 패턴 결함을 빠른 속도로 검출하는 장비이다. 이러한 패턴 검사기는 실시간 검사를 위해 패턴 내에서 단일 기준값을 사용하여 픽셀 단위의 결함 여부를 판단하고 있다. 하지만 패턴 내 각 영역별 특징을 반영하여 서로 다른 기준값을 적용하는 적응적 이진화를 이용하는 경우 결함 검출 성능을 크게 향상시킬 수 있다. 이러한 적응적 이진화를 적용하기 위해서는 특정 검사 대상 픽셀이 어떠한 영역에 속하는지에 대한 정보를 필요로 한다. 이를 위해 본 논문에서는 각각의 검사 대상 픽셀이 어떠한 영역에 속하는지를 판단하는 영역 매칭 알고리즘을 제안한다. 제안된 알고리즘은 머신 비전의 실시간성을 고려한 패턴 정합에 기반을 둔 알고리즘으로 실제 시스템에 적용될 수 있도록 GPGPU를 이용하여 구현된다. 모의실험을 통해 제안된 방법이 실제 시스템이 요구하는 처리 속도를 만족시킬 수 있을 뿐만 아니라 결함 검출의 성능을 개선할 수 있음을 보인다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.