• 스마트미디어저널
• /
• 제11권9호
• /
• pp.47-55
• /
• 2022

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.

• 대한기계학회논문집A
• /
• 제35권11호
• /
• pp.1429-1436
• /
• 2011

본 논문에서는 튜브의 내부에 이물질이 있거나, 조명에 의한 영상잡음이 많은 경우에도 내경중심과 내경을 정확하게 측정할 수 있는 머신비전 기반의 새로운 측정알고리즘을 제안하였다. 또한 내경과 외경 중심간의 이격거리인 편심량도 계산할 수 있다. 제안된 알고리즘은 퍼지제어에 바탕을 둔 반복탐색에 의하여 임의의 초기탐색점에서 거리와 방향을 단계적으로 이동함으로써 내경의 중심에 도달하게 한다. 제안된 알고리즘은 계산시간 뿐만 아니라 측정정밀도 면에도 기존의 방법에 비해 우수하였다. 성능을 비교하기 위하여 생산현장에서 생산되는 튜브들을 이용하여 실험을 수행하였고, 실험 결과 제안된 알고리즘을 사용하는 경우가 널리 사용되고 있는 알고리즘인 Hough 변환 방식과 RANSAC 방식보다 계산시간 및 측정정밀도에서 우수함을 보였다.

• 전자공학회논문지SC
• /
• 제46권6호
• /
• pp.14-20
• /
• 2009

영상 처리의 목표는 관찰자를 위하여 영상의 시각적인 측면을 개선하는 것이다. 히스토그램은 디지털 영상 처리의 기초 자료로 사용될 수 있는 중요한 도구이다. 그러므로 히스토그램을 효과적으로 관리하는 것은 디지털 영상 처리에 있어 매우 중요하다. 현재 머신 비전 검사 시스템은 여러 외관 검사 분야에서 사용되어지고 있다. 하지만 머신 비전 시스템에 의한 외관 검사 결과는 작업장의 조명에 의한 영향을 많이 받는다. 본 논문에서는 이러한 영향을 극복하기 위한 방법으로 히스토그램 변환을 이용해서 머신 비전 검사의 정확성을 향상시키는 방법을 제안하였다. 제안하는 방법은 영상 내에서 개선이 필요한 영역에 대한 히스토그램 변환을 수행함으로써, 이들 영역의 특징들을 향상시키는 효과를 거둘 수 있다. 본 논문에서 제안된 방법은 지그 플레이트의 외관 검사를 통해 검증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.245-246
• /
• 2020

본 논문에서는 블록형 코딩 방식을 통해 비전공자가 스스로 머신러닝의 쉽게 원리를 구현해 볼 수 있는 딥아이( D.I.Y, Deep AI Yourself) 플랫폼을 제안하였다. 딥아이는 구글의 오픈 소스 블록형 코딩 툴 개발 라이브러리인 Blockly를 기반으로 머신러닝 알고리즘을 쉽게 구현할 수 다양한 블록으로 구성되어 있다. Blockly는 CSR 기반이며 사용자가 개발한 블록 코드는 내부적으로 코드 생성기에 의해 파이썬 코드 등으로 변환되어 백엔드 서버에서 처리를 하며 결과를 사용자에게 제공한다.

• 전자공학회논문지SC
• /
• 제44권5호
• /
• pp.11-17
• /
• 2007

각종 전자 제품 및 부품의 외관 검사는 사람의 시각에 의해 이루어졌다. 그러나 사람의 시각에 의한 외관 검사 결과는 검사자의 육체적, 정신적 상태에 따라 변하기 때문에, 일정한 검사 결과를 얻을 수 없다. 따라서 사람에 의한 검사 대신 머신 비전 검사 시스템이 많은 외관 검사 분야에 사용되고 있다. 그러나 머신 비전 시스템의 외관 검사 결과는 작업장의 조명에 의해 변하게 된다. 이에 본 논문에서 우리는 비전 검사 정확도의 개선을 위해 멱함수 변환과 히스토그램 지정 기법을 사용했다. 그리고 멱함수 변환과 히스토그램 지정 알고리즘을 통해서 비전 검사의 정확도를 향상시키고, 검사자의 육체적, 정신적 상태에 따른 검사 오류를 막을 수 있었다. 또한 이 시스템은 일반적인 검사 환경을 위해서 PC, CCD 카메라와 비주얼 C++ 만을 사용해서 개발됐다.

• 한국산학기술학회논문지
• /
• 제14권6호
• /
• pp.2624-2630
• /
• 2013

LED 칩 패키징에서 다이 본딩은 분할된 칩을 리드 프레임에 고정시켜 칩이 이후 공정을 견딜 수 있도록 충분한 강도를 제공하는 중요한 공정이다. 다이본딩 공정 중에서, 측정 단계는 정확한 에폭시 토출 위치 지정과 충분한 강도를 가지고 접합할 수 있도록 다이가 정확한 위치에 놓여있는지 상태를 결정하는데 있어 매우 중요하다. 본 연구에서는 LED 다이 본딩을 위한 머신 비전 기반의 측정 시스템을 개발하였다. 제안된 시스템에서 에폭시 토출과 어태칭 상태 검출을 위해 각각 2개의 카메라를 사용하였다. 제안된 측정 시스템에 새로운 비전 알고리즘을 적용하였고, 실험을 통해 본 알고리즘의 효율을 검증하였다. 비전 알고리즘을 이용하여 측정된 위치 오차는 $X:-29{\mu}m$, $Y:-32{\mu}m$, 회전오차는 3도 이내 인 것을 확인할 수 있었다. 결론적으로 제안된 머신 비전 기반의 측정 시스템을 통해 개발된 다이 본딩 시스템의 향상된 성능을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.138-140
• /
• 2004

In this study, we develop a remocon inspection automatic system using machine vision technique. By our proposed inspection system, the inspection accuracy and processing time was considerably improved.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2012년도 추계학술대회 논문집
• /
• pp.633-634
• /
• 2012

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2009년도 춘계학술대회 논문집
• /
• pp.424-425
• /
• 2009