• 한국산학기술학회논문지
• /
• 제15권6호
• /
• pp.3416-3422
• /
• 2014

쇼크 업쇼바의 로드는 피스톤부 중심에 위치하여 왕복운동을 담당하는 부분으로 표면의 불량(찍힘)이 있을 경우 감쇠력에 대한 차이로 제품 성능을 제대로 발휘하는데 문제 발생의 요인이 되고 있다. 로드표면은 열처리 상태로 표면 광택으로 인하여 쉽게 불량이 표시되지 않으며, 작업자가 육안으로 로드의 이물질 및 찍힘, 기포 검사를 진행함으로써 눈의 피로도가 높아지고, 작업자 육안에 의존하기 때문에 제품의 검사 품질이 일정하지 않다. 본 연구에서는 제품의 원통 형상을 고려하여 라인스캔카메라를 이용한 머신비전 영상처리 기법으로 0.3mm이상의 표면의 불량을 검출하고, 검사단계에서 발생할 수 있는 표면 불량을 최소화하기 위한 전 공정 자동이송 및 양불 제품의 혼입을 방지하는 자동검사 시스템 개발에 대한 연구를 수행하였다. 표면검사 시스템 개발로 작업자의 육안 검사에 의존하고 있던 쇼크업쇼버 로드의 표면에 대한 정밀 검사시스템 구축으로 품질검사 기준을 확보하고 표준화된 검사로 신뢰도가 향상되었다.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2002년도 춘계학술대회 논문집
• /
• pp.146-148
• /
• 2002

An automatic inspection vision systems whose development was the industry applications motor rear side member. This system are connected to the 9 ea camera fur the process inspection the bolt, nuts, units in the rear side member product. This automatic inspection vision systems can perform inspection of not attached the bolt, nuts, units, etc fast and accuracy in react time fashion. And then perform very sophisticated inspection which human workers can not perform.

• 한국전기전자재료학회논문지
• /
• 제34권2호
• /
• pp.121-125
• /
• 2021

The machine vision technology has been widely used in the industrialized nations like the United States, Japan, and EU in the various industries from the late 1980s. Machine vision inspection system mainly consists of a camera, optics, illumination and an image acquisition system. Optimization of the illumination light source is very important. This paper shows a comparison between Pulse Width Modulation (PWM) control and strobe control in driving LED lighting system for machine vision. PWM control method has problems such as a temperature rising of LED and a flickering in image measurement for inspection. In contrast, the proposed strobe control method can suppress the temperature of LED light source below 40℃. Also, it can remove the flickering problem through a synchronization between a frame grabber and a camera shutter. Finally, the strobe control method was shown to extract clearer images with a high precision compared to PWM control method.

• 제어로봇시스템학회논문지
• /
• 제21권12호
• /
• pp.1109-1114
• /
• 2015

This paper presents an improved learning-based visual inspection method for auto parts inspection in severe lighting changes. Automobile sunroof frames are produced automatically by robots in most production lines. In the sunroof frame manufacturing process, there is a quality problem with some parts such as volts are missed. Instead of manual sampling inspection using some mechanical jig instruments, a learning-based machine vision system was proposed in the previous research[1]. But, in applying the actual sunroof frame production process, the inspection accuracy of the proposed vision system is much lowered because of severe illumination changes. In order to overcome this capricious environment, some selective feature vectors and cascade classifiers are used for each auto parts. And we are able to improve the inspection accuracy through the re-learning concept for the misclassified data. The effectiveness of the proposed visual inspection method is verified through sufficient experiments in a real sunroof production line.

• 문화기술의 융합
• /
• 제8권1호
• /
• pp.409-415
• /
• 2022

컴퓨터 비전은 카메라를 이용하여 측정대상의 영상을 획득하고, 추출하고자 하는 특징 값, 벡터, 영역 등을 알고리즘과 라이브러리 함수를 응용하여 검출한다. 검출된 데이터는 사용하는 목적에 따라 다양한 형태로 계산되고 분석한다. 컴퓨터 비전은 다양한 곳에 활용되고 있으며, 특히 자동차의 부품을 자동으로 인식하거나 품질을 측정하는 분야에 많이 활용된다. 컴퓨터 비전을 산업분야에서 머신비전이라는 용어로 활용되고 있으며, 인공지능과 연결되어 제품의 품질을 판정하거나 결과를 예측하기도 한다. 본 연구에서는 자동차 부품의 품질을 판정하기 위한 비전시스템을 구축하고, 생산된 데이터에 5개의 머신러닝 분류 모델을 적용하여 그 결과를 비교하였다.

• 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.

• 한국정밀공학회지
• /
• 제10권4호
• /
• pp.16-29
• /
• 1993

The objective of this research is in the development of a flexible 3-dimensional inspection system for the sculptured surface by integrating the Coordinate Measuring Machine (CMM), CAD database, and vision system. To achieve the proposed flexible inspection system, two research categories are discussed in the study: new inspection planning method includes a new measuring point selection method and various new probe path generation methods. The object recognition and localization process for the unknown surface can be easily carried out by introducing a new concept called "Z-Layer". The experimental results indicate that the developed flexible inspection system, with the proposed algorithm, can be inplemented in real situation.situation.

• 품질경영학회지
• /
• 제32권1호
• /
• pp.63-74
• /
• 2004

Recently, enterprises have focused on quality improvement for delighting their customers. Especially, all business sector have checked, analyzed their consumer complaints in detail on their products and made a plan to reduce them. But there is a limitation not to solve them. This paper presents one of tools to reduce non qualified product on their operation line directly by modernized IT technology after analyzing and making the plan.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2008년도 추계학술대회 논문집
• /
• pp.517-518
• /
• 2008

• 제어로봇시스템학회논문지
• /
• 제19권12호
• /
• pp.1072-1080
• /
• 2013

In a the present day, many vision inspection techniques are used in productive industrial areas. In particular, in the semiconductor industry the vision inspection system for wafers is a very important system. Also, inspection techniques for semiconductor wafer production are required to ensure high precision and fast inspection. In order to achieve these objectives, parallel processing of the inspection algorithm is essentially needed. In this paper, we propose the GPU (Graphical Processing Unit)-based parallel processing algorithm for the fast inspection of semiconductor wafers. The proposed algorithm is implemented on GPU boards made by NVIDIA Company. The defect detection performance of the proposed algorithm implemented on the GPU is the same as if by a single CPU, but the execution time of the proposed method is about 210 times faster than the one with a single CPU.