JP2020126398A - 製品の個体識別方法 - Google Patents
製品の個体識別方法 Download PDFInfo
- Publication number
- JP2020126398A JP2020126398A JP2019017833A JP2019017833A JP2020126398A JP 2020126398 A JP2020126398 A JP 2020126398A JP 2019017833 A JP2019017833 A JP 2019017833A JP 2019017833 A JP2019017833 A JP 2019017833A JP 2020126398 A JP2020126398 A JP 2020126398A
- Authority
- JP
- Japan
- Prior art keywords
- product
- products
- individual identification
- image
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
【課題】製造工程を通過することによって製品サイズが変化する場合であっても、工程前後の製品の個体識別を行うことのできる、製品の個体識別方法を提供する。【解決手段】本発明は、個体識別された複数の製品を、所定の工程を通過させた後にも個体識別可能にする製品の個体識別方法であって、前記工程に投入する前の個々の製品の製品面の画像にして、前記工程前の個々の製品の個体識別情報に紐づけられた複数の基準画像と、前記工程から排出された後の個々の製品の製品面の画像にして、前記工程後の個々の製品に紐づけられた複数の照合画像とを、前記工程を通過前後の、前記製品面の膨張率あるいは収縮率に応じた縮尺比にて比較して対応付けする。【選択図】図4
Description
本発明は、製造工程を通過する製品の個体識別方法に関する。
昨今、IoT(Internet of Things)の名の下に、製造工場では様々な品質向上の取り組みが行われている。製品の来歴を管理するトレーサビリティも積極的に導入されており、様々な管理方法が提案されている。
製品や商品などにシリアルナンバーやバーコード、QRコード(登録商標)、DMC(Data Matrix Code)などをシールとして貼り付ける、若しくは印刷することで、それらを必要な場所で読み取り、品質や流通を管理している。また、RFID(ICタグ)など利用して、非接触で読み取り可能とすることで、効率良く製品の流通を管理することも行われている。
しかし、シリアルナンバーやバーコード、QRコード、DMC、RFIDを用いる管理方法は、これらを製品個々に付与する必要がある。よって、生産数量が多くなる程、運用コストが膨大になるという問題があった。例えば、ネジやボルトなどの小さな金属部品や樹脂製品は、製造番号やバーコードを直接記入することや、RFIDを装着できない場合が大半である。また、記入やRFIDを付与することが可能な製品であっても、デザイン性を損ねてしまう課題がある。
そこで、製品面の微細な凹凸や紋様、ランダムパターンなど、製造過程で生じる微細なパターンの違いを、撮像装置を用いて画像として取得し、それら微細なパターンを識別することで製品の個体識別や管理を行う方法が提案されている。
例えば、特許文献1では、物品の基板上にタガント(微小粒子)をランダムに配置しておき、各物品を光学的に読み取り、タガントの画素数と特徴点を抽出し、基準特徴点データとして登録することが記載されている。ここでは、識別対象となる物品を同様の手法で読み取り、抽出されたタガント領域の中から、ノイズとなるタガント領域を削除し、最終的に抽出された対象物品の特徴点データを登録されている基準特徴点データとを比較することにより、識別対象物品と基準物品とが同一であるか否かを判定する。
また、特許文献2では、部品、生産物又は部品を構成要素とする生産物に関する情報を表示する情報表示体と、物品又は生産物に形成された梨地模様とを含む撮像画像から、情報表示体の画像と梨地模様の画像を抽出することが記載されている。ここでは、抽出された情報表示体の画像から部品又は生産物に関する情報を取得し、梨地模様の画像特徴と、記憶されている画像特徴とを照合することで、同一個体であるか否かを識別する。
しかし、製造ラインを流れる製品によっては、特許文献1のようなタガントや表示体を形成できない場合がある。また、製品によっては、所定の工程を通過すると、製品が膨張、あるいは縮小する、つまり製品サイズが変化することがあり、所定の工程前では、特許文献2の方法により個体識別できたとしても、当該工程以降、特許文献2の方法では、特徴点データの照合ができず、同一個体であるか否か識別できなくなることがある。すなわち、個体識別ができなくなることがある。
本発明は、上記課題に鑑みてなされたものであり、製造工程を通過することによって製品サイズが変化する場合であっても、工程前後の製品の個体識別を行うことのできる、製品の個体識別方法の提供を目的とする。
本発明は、個体識別された複数の製品を、所定の工程を通過させた後にも個体識別可能にする製品の個体識別方法であって、前記工程に投入する前の個々の製品の製品面の画像にして、前記工程前の個々の製品の個体識別情報に紐づけられた複数の基準画像と、前記工程から排出された後の個々の製品の製品面の画像にして、前記工程後の個々の製品に紐づけられた複数の照合画像とを、前記工程を通過前後の、前記製品面の膨張率あるいは収縮率に応じた縮尺比にて比較して対応付けする製品の個体識別方法である。
また、本発明では、前記膨張率あるいは前記収縮率を、予め、前記製品の設計情報により決定することができる。
本発明によれば、所定の工程を通過した際、製品が膨張あるいは収縮しても、識別表示を形成することなく、工程前後の製品の個体識別を行うことができる。
以下、本発明の実施形態について、図面を参照しながら詳細に説明する。なお、本実施形態は、フェライト磁石製品を例にして説明する。
図1は、フェライト磁石の製造工程の一例を示すフロー図である。原料工程101では、酸化鉄、添加物を水中にて混合し、粗粉砕から微粉砕を行い均一な粒子径のスラリーを製造する。原料工程101からスラリーが成形工程102に送られ、金型のセットされた成形プレス機にスラリーを注入しフェライト磁石の成形体を製造する。電気式ローラーハースキルンを利用した焼成工程103にて成形体を焼結し形状を安定化させる。その後、加工工程105へ直接搬送されるグループと仮置き104を経て加工工程105へ搬送されるグループの2系統に分かれ、加工工程105にて最終製品形状に加工され、検査工程106にて外観、磁気特性、強度などの検査を経て、合格品が最終製品として完成する。
このフェライト磁石の製造工程では、成形工程102から焼成工程103を通る製品において、焼成工程103後、収縮により製品サイズが小さくなる。
本実施形態では、事前に焼成工程103後の製品の撮像位置、撮像範囲を定め、予め設計情報から収縮率を取得して、成形工程102後に撮像する条件を決定することにより、製品の個体識別を行う方法について説明する。
次に、図2および図3により、製品の個体識別手順を説明する。
図2は、本実施形態で使用する、製品面の画像を撮像するための撮像機器構成の概略図である。本撮像機器構成では、カメラ201にレンズ202を接続し、レンズ202と製品205との間に、製品205を照らす照明203を配置している。製品205は、位置決め治具204によって、定められた場所に位置決めされる。このようにすることで、所望のフェライト磁石製品面の画像を繰り返し撮像できるようにしている。そして、前工程で撮像された画像、若しくは算出された特徴点は、基準データとして、外部記憶装置206に保存される。
(基準画像取得ステップ:301−306)
図3のフローチャートで示すように、本実施形態は、ステップ301からフローを開始し、ステップ302に進み、製品205を、位置決め治具204や台座(不図示)などで、定められた場所に固定できるように施された場所に配置する。また、製品205が搬送トレーなどにより、位置決め治具204による位置決め精度と同等に整列されている場合は、撮像する機器側を駆動させることで、製品205の位置を決定しても良い。
図3のフローチャートで示すように、本実施形態は、ステップ301からフローを開始し、ステップ302に進み、製品205を、位置決め治具204や台座(不図示)などで、定められた場所に固定できるように施された場所に配置する。また、製品205が搬送トレーなどにより、位置決め治具204による位置決め精度と同等に整列されている場合は、撮像する機器側を駆動させることで、製品205の位置を決定しても良い。
次に、ステップ303において、製品205の設計情報、例えば、原料工程101の原料組成や、成形工程102における成形機の金型の製品型寸法と最終製品の外観寸法図などから焼成工程103通過後の製品205bのサイズの変化である収縮率を予め取得する。
次に、ステップ304において、その収縮率を基に、焼成工程103通過後の製品205bの撮像位置、撮像範囲の大きさを予め決定する。製品205bの撮像位置は、製品205bのエッジからの距離で規定しても良い。撮像範囲は、表面の微細な凹凸や紋様が確認できる倍率で画素数の許す限り広い範囲で適宜設定することが望ましい。
次に、ステップ304において、その収縮率を基に、焼成工程103通過後の製品205bの撮像位置、撮像範囲の大きさを予め決定する。製品205bの撮像位置は、製品205bのエッジからの距離で規定しても良い。撮像範囲は、表面の微細な凹凸や紋様が確認できる倍率で画素数の許す限り広い範囲で適宜設定することが望ましい。
次に、ステップ305において、焼成工程103後の撮像画像と成形工程102後の撮像画像とで同じ製品面範囲を比較できるように、ステップ303の設計情報から取得した収縮率およびステップ304の撮像条件を基に、成形工程102後の製品205aの撮像位置、撮像範囲の大きさを決定するとともに、個体識別された複数の製品について、個々の製品面を撮像する。なお、個々の製品面の撮像は、複数の場所に対して行ってもよい。
次にステップ306において、撮像された複数の画像を、基準画像として外部記録装置206に保存する。
(照合画像取得ステップ:307−309)
次に、ステップ307において、成形工程102後の複数の製品205aが焼成工程103を通過し、焼き固められたフェライト磁石製品205bが製造される。
次に、ステップ308において、製品205bを位置決め治具204、台座(不図示)などで、定められた場所に固定できるように施された場所に配置する。また、製品が搬送トレーなどに位置決め治具204などによる位置決め精度と同等に整列されている場合などは、撮像する機器側を駆動させることで、製品位置を決定しても良い。
次に、ステップ307において、成形工程102後の複数の製品205aが焼成工程103を通過し、焼き固められたフェライト磁石製品205bが製造される。
次に、ステップ308において、製品205bを位置決め治具204、台座(不図示)などで、定められた場所に固定できるように施された場所に配置する。また、製品が搬送トレーなどに位置決め治具204などによる位置決め精度と同等に整列されている場合などは、撮像する機器側を駆動させることで、製品位置を決定しても良い。
次に、ステップ309において、焼成工程103後の複数の製品205bを撮像し、複数の照合画像を取得する。ここで、ステップ304における、焼成工程103通過後の製品205bの撮像位置、撮像範囲の決定およびステップ305における成形工程102後の製品205aの撮像位置、撮像範囲を決定していることにより、照合画像と基準画像とで、同じ製品面範囲を比較範囲とすることができる。
ここで、本実施形態では、焼成工程103後に個体識別に用いたい製品面の幾つかの場所の中から、位置決め、後の工程での利用のし易さなどから、フェライト磁石の左エッジから5mmの位置がカメラ201の撮像範囲の左エッジとなるように位置決め治具204の調整を行い、撮像位置を定めた。成形工程102から、焼成工程103を通過することで収縮する収縮率は、設計情報から約80%であった。そこで、焼成工程103後の撮像範囲を4mm×4mmとし、成形工程102後の撮像範囲を5mm×5mmと予め決定した。
(個体識別ステップ:310−315)
次に、ステップ310において、ステップ309にて取得した照合画像から特徴点と特徴量を算出する。同様に、ステップ306にて保存した基準画像から特徴点と特徴量を算出する。
ここで、照合画像と基準画像とは、製品の収縮率に応じた縮尺比にて、同一寸法になるよう調整しておき、以降のステップを行う。
算出するプログラムはPython3.6にて作成する。使用するプログラムライブラリはインテルが開発・公開しているオープンソースのコンピュータビジョン向けライブラリであるOpenCV(Open Source Computer Vision Library)を用いる。特徴点の抽出はORB(Oriented FAST and Rotated BRIEF)を用い、抽出する特徴点の数、スケールファクタ、ピラミッドレベル、スコアタイプ、パッチサイズなどの設定を行う。
次に、ステップ310において、ステップ309にて取得した照合画像から特徴点と特徴量を算出する。同様に、ステップ306にて保存した基準画像から特徴点と特徴量を算出する。
ここで、照合画像と基準画像とは、製品の収縮率に応じた縮尺比にて、同一寸法になるよう調整しておき、以降のステップを行う。
算出するプログラムはPython3.6にて作成する。使用するプログラムライブラリはインテルが開発・公開しているオープンソースのコンピュータビジョン向けライブラリであるOpenCV(Open Source Computer Vision Library)を用いる。特徴点の抽出はORB(Oriented FAST and Rotated BRIEF)を用い、抽出する特徴点の数、スケールファクタ、ピラミッドレベル、スコアタイプ、パッチサイズなどの設定を行う。
次に、ステップ311において、算出した照合画像の特徴点と特徴量、および基準画像の特徴点と特徴量を比較し、局所特徴マッチングに当たる総当りマッチングによる対応付けを実施する。そして、抽出された特徴量から、更に照合精度を高めるための幾何検証を行う。幾何検証はRANSAC(Random Sample Consensus)を用いる。照合画像、基準画像の双方から同一と判定される特徴点の数と、マッチングを行った特徴点の総数の比を照合スコアとし、ステップ312にて、予め定めたしきい値による判定を行う。照合スコアがしきい値以上であれば、照合画像と基準画像の製品が同個体であると判定される(ステップ313)。一方、照合スコアがしきい値未満であれば、照合画像と基準画像の製品は異個体と判定される(ステップ314)。
本実施形態における、フェライト磁石製品の個体識別結果の一例を以下に示す
図4は、成形工程102後と焼成工程103後の同個体識別結果である。同一特徴点を結ぶラインが交差することなく並んでおり、個体識別が出来ていることがわかった。
図4は、成形工程102後と焼成工程103後の同個体識別結果である。同一特徴点を結ぶラインが交差することなく並んでおり、個体識別が出来ていることがわかった。
一方、異個体同士では、図5に示すとおり、特徴点同士を結ぶラインは著しく少なくなり、かつ、交差、多重一致など、様々な傾向を示す結果となり、異なる個体同士であることがわかった。
図6に、同個体と異個体の照合スコアのヒストグラムを示す。異個体の分布は照合スコア値の小さい範囲に集まっており、同個体のスコアとの重なりは見られなかった。
一方、事前に設計情報を取得せずに、成形工程102後と焼成工程103後の双方で同じ撮像範囲にて撮像を行った場合の照合スコアのヒストグラムを、比較例として図7に示す。同個体と異個体の照合スコアの分布は重なりを生じた。同個体と異個体の照合スコアが重なってしまうとしきい値の設定が出来ず、個体識別はできない。
以上より、本発明の設計情報を基にした事前の撮像条件設定による撮像により、製品のサイズが工程間で変化するような場合においても、製品の個体識別が可能となった。
以上、本発明について上記実施形態を用いて説明してきたが、本発明は上記実施形態に限定されるものではない。本発明の特許請求の範囲に示された技術範囲において、変更することが可能である。
101:原料工程
102:成形工程
103:焼成工程
104:仮置き
105:加工工程
106:検査工程
201:カメラ
202:レンズ
203:照明
204:位置決め治具
205:製品
205a:成形工程後の製品
205b:焼成工程後の製品
206:外部記録装置
102:成形工程
103:焼成工程
104:仮置き
105:加工工程
106:検査工程
201:カメラ
202:レンズ
203:照明
204:位置決め治具
205:製品
205a:成形工程後の製品
205b:焼成工程後の製品
206:外部記録装置
Claims (2)
- 個体識別された複数の製品を、所定の工程を通過させた後にも個体識別可能にする製品の個体識別方法であって、
前記工程に投入する前の個々の製品の製品面の画像にして、前記工程前の個々の製品の個体識別情報に紐づけられた複数の基準画像と、
前記工程から排出された後の個々の製品の製品面の画像にして、前記工程後の個々の製品に紐づけられた複数の照合画像とを、
前記工程を通過前後の、前記製品面の膨張率あるいは収縮率に応じた縮尺比にて比較して対応付けする
ことを特徴とする製品の個体識別方法。 - 前記膨張率あるいは前記収縮率を、予め、前記製品の設計情報により決定する
ことを特徴とする請求項1に記載の製品の個体識別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017833A JP2020126398A (ja) | 2019-02-04 | 2019-02-04 | 製品の個体識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017833A JP2020126398A (ja) | 2019-02-04 | 2019-02-04 | 製品の個体識別方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020126398A true JP2020126398A (ja) | 2020-08-20 |
Family
ID=72084899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019017833A Pending JP2020126398A (ja) | 2019-02-04 | 2019-02-04 | 製品の個体識別方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020126398A (ja) |
-
2019
- 2019-02-04 JP JP2019017833A patent/JP2020126398A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2702570B1 (en) | Method and apparatus for authentication of a coin | |
Tao et al. | A novel and effective surface flaw inspection instrument for large-aperture optical elements | |
US9036916B2 (en) | Unique part identifiers | |
JP2020161149A (ja) | 真贋判定方法、真贋判定システム、及びそのプログラム | |
Schlüter et al. | Vision-based identification service for remanufacturing sorting | |
US10497134B2 (en) | Verification method, verification system, apparatus, verification apparatus, and program | |
CN110942076B (zh) | 一种陶瓷产品防伪标识生成方法及系统 | |
JP2020126398A (ja) | 製品の個体識別方法 | |
EP0699324B1 (en) | A method and apparatus for identifying the orientation of a dot matrix code marking of an article | |
CN109816640B (zh) | 一种基于图片对比的产品校验方法 | |
Ha | A new method for detecting data matrix under similarity transform for machine vision applications | |
CN110969612A (zh) | 二维码印刷缺陷检测方法 | |
CN108352065B (zh) | 印刷装置、方法和存储介质 | |
WO2020189347A1 (ja) | 個体識別情報生成方法、個体識別情報生成装置、プログラム | |
JP2021140295A (ja) | 製品の個体識別方法 | |
US20240004972A1 (en) | Authentication system and tracking system | |
US11663810B2 (en) | Identification device, computer readable medium storing identification program and identification method | |
EP4152277B1 (en) | Collation device | |
US20210142468A1 (en) | Manufacturing history management system and manufacturing history management method | |
Suo et al. | Development of a nuclear fuel rod element positioning measurement equipment based on spacers retrieval network | |
Makino et al. | Automated Scanning and Individual Identification System for Parts without Marking or Tagging | |
US8891872B2 (en) | System and method for identifying physical markings on objects | |
JP2020126400A (ja) | ワークの特定方法およびワークの品質管理方法 | |
Vosniakos et al. | Quality Control of Die Castings by Machine Vision: A Case Study Exploiting Classic and Machine Learning Techniques | |
KR101413517B1 (ko) | 고유 아이디 식별을 위한 태그 코드 및 이를 이용한 태그 코드 자동 인식방법 |