KR100311282B1 - 접속케이블 자동검사시스템 - Google Patents

Abstract

본 발명은 접속케이블 자동검사시스템에 관한 것으로서, 장치 두 개 이상의 서로 다른 가닥으로 조립된 접속 케이블의 화상정보를 지정된 자료에 의해 미리 학습된 인공 신경망을 통해 상관 처리하여, 그 상관 처리된 결과로 상기 접속케이블의 조립상태를 인식하여 조립 불량품을 자동으로 검사하기 위한 것이다.

이를 위하여 본 발명은 화상입력정보로부터 각 화소의 명암 분산값을 서로 비교하여 접속케이블의 머리부분이 존재하는 영역을 탐색하는 과정; 상기 탐색된 머리부분 존재영역의 각 화소의 명암 분산값을 이용하여 머리의 앞/뒷면을 판정하는 과정; 라인별 중위수 여과 후 화소의 명암 분산값을 서로 비교하여 케이블이 존재하는 영역을 탐색하는 과정; 상기 탐색된 케이블 존재영역의 화상정보를 (L*, a*, b*)좌표계로 변환하여 인공신경망에 입력할 케이블 세트의 입력자료를 추출하는 과정; 임의의 자료에 의해 학습시킨 인공신경망에 상기 케이블 세트 추출자료를 입력하여 학습된 자료에 따라 신호 처리하는 과정; 상기 인공신경망에서 신호 처리된 결과를 지정된 케이블 세트 기준치와 비교하여 접속케이블 조립상태를 판정하는 과정으로 이루어지는 것을 특징으로 한다.

Description

접속케이블 자동검사시스템{Automatic inspection system for quality of connection cable}

본 발명은 접속 케이블(wire harness)을 시각검사(전수검사)하는 머신비전 기반의 자동검사시스템에 관한 것으로서, 특히 색깔이 다른 여러 가닥의 케이블을조립하여 만든 접속 케이블의 조립상태가 원하는 사양에 맞는지를 색깔인식 인공 신경망(Artificial neural network)을 이용하여 자동으로 검사할 수 있도록 한 접속케이블 자동 검사장치 및 방법에 관한 것이다.

일반적으로 접속 케이블은 컴퓨터나 자동차 관련 기기의 주요부품으로 주로 많이 사용되는 것으로서, 대체적으로 서로 다른 색깔의 2-6가닥 케이블들이 원하는 사양에 맞게 조립되어 있으며, 만약 사양에 맞지 않게 잘못 조립된 접속 케이블이 컴퓨터나 자동차 관련 기기에 설치될 경우, 컴퓨터나 자동차에 치명적인 손상을 입히게 된다. 따라서 이러한 접속 케이블은 조립후 인간의 육안을 이용한 시각검사(전수검사)에 의해 각 케이블이 주어진 순서에 맞도록 조립되어 있는지를 판단하여 검사작업을 시행하여 출하된다.

그러나, 이와 같은 작업자에 의한 시각검사방법은 단순 반복적인 작업특성으로 인해 눈에 극심한 피로를 유발하게 되어 접속케이블 검사 불량율은 0.5-2%에 이르는 실정이고, 피로의 누적과 일에 대한 의욕상실로 생산성이 저하되어 품질개선이 쉽게 이루어지지 못하고 있다.

따라서 생산성 향상 및 품질 개선을 위해 화상처리를 이용한 자동검사 시스템이 개발되었으며, 이러한 시스템에서는 우선 검사대상물의 화상을 CCD 카메라로부터 입력받아 화상정보화한 후, 전처리(preprocessing)과정과 영상분할(segmentation)과정을 거쳐 검사 대상물의 특징을 추출하고, 추출된 특징정보를 이용하여 주어진 해법에 따라 판단하여 검사결과를 출력하게 된다.

일반적인 화상처리절차는 앞서 기술한 바와 같이 잡영 제거등과 같은 일련의전처리과정을 거쳐 화상정보를 개선한 다음, 대상 물체를 분할하여 그 분할된 부분으로부터 특징정보를 추출하고, 이를 이용하여 인식을 수행하게 되어 있다. 이러한 경우 전처리를 효과적으로 하기 위하여 화상정보를 다른 형태로 변환하여 사용하게 되는데, 상기 변환하는 과정에 많은 기억용량과 방대한 처리시간이 소요되는 문제가 있었다. 이와 같은 문제를 해결하기 위하여 고속의 전용 프로세서를 사용하고, 대용량의 기억장치를 갖추기도 하였으나, 그럴 경우 시스템의 가격이 엄청나게 증가되는 등의 문제점이 있었다.

따라서 본 발명은 상기의 문제점을 해결하기 위해 창출한 것으로서, 본 발명은 두 개 이상의 서로 다른 가닥으로 조립된 접속 케이블의 화상정보를 지정된 자료에 의해 미리 학습된 인공 신경망을 통해 상관 처리하여, 그 상관 처리된 결과로 상기 접속케이블의 조립상태를 인식하여 조립 불량품을 자동으로 검사할 수 있는 접속케이블 자동검사장치 및 방법을 제공함에 그 목적이 있다.

상기의 목적을 달성하기 위하여 본 발명은 촬영하고자 하는 검사대상 물체에 일정한 조도를 공급하는 조명수단과; 검사대상 물체의 화상신호를 입력받아 전기적인 신호로 변환하여 화상정보화하는 화상입력수단; 상기 화상입력수단의 아날로그 화상정보를 수치화하고, 그것을 메모리에 저장하는 프레임 그래버와; 상기 프레임 그래버에 공급되는 전압을 조절하는 전압조정수단과; 목표로 하는 출력값을 얻을 수 있도록 임의의 실험자료에 의해 미리 학습시킨 색깔인식 인공 신경망을 내부에 구성하고, 상기 프레임 그래버에 저장된 화상정보로부터 케이블 세트의 입력자료를추출하여 상기 인공 신경망을 통해 신호처리하고, 그 결과로 케이블의 조립상태를 판단하여 접속 케이블의 양/불량을 자동으로 판정하는 제어수단과; 상기 화상입력수단에서 촬영되는 신호나 상기 제어수단에서 제공되는 여러 가지 정보를 표시하는 디스플레이수단을 포함하여 구성된 접속 케이블 자동 검사장치를 제공한다.

상기의 목적을 달성하기 위하여 본 발명은 또한, 화상입력정보를 중위수 여과한 후, 각 화소의 명암 분산값을 서로 비교하여 접속케이블의 머리부분이 존재하는 영역을 탐색하는 제 1과정; 상기 탐색된 머리부분 존재영역의 각 화소의 명암 분산값을 임의의 기준치와 비교하여 머리의 앞/뒷면을 판정하는 제 2과정; 라인별 중위수 여과 후 화소의 명암 분산값을 서로 비교하여 케이블이 존재하는 영역을 탐색하는 제 3과정; 상기 탐색된 케이블 존재영역의 화상정보를 변별력이 우수한 화소정보 표시 좌표계로 변환하여 인공신경망에 입력할 케이블 세트의 입력자료를 상기 좌표 변환된 화상정보로부터 추출하는 제 4과정; 임의의 자료에 의해 학습시켜 목표하는 출력을 얻을 수 있도록 구성된 인공 신경망에 상기 케이블 세트 추출자료를 입력하여 학습된 자료에 따라 신호 처리하는 제 5과정; 상기 인공신경망에서 신호 처리된 결과를 지정된 케이블 세트 기준치와 비교하여 접속케이블 조립상태를 판정하는 제 6과정으로 이루어지는 접속케이블 자동 검사방법을 제공한다.

도 1은 본 발명에 따른 접속케이블 자동 검사장치의 구성을 보인 블록도

도 2는 본 발명에 따른 접속케이블 자동 검사방법을 보인 동작 흐름도

도 3a와 도 3b는 비디오 드림의 화상자료구조도

도 4는 접속 케이블의 탐색과정을 설명하기 위한 화상정보 표시 예도

도 5는 6색 케이블을 인식하기 위한 신경망의 구조도

** 도면의 주요 부분에 대한 부호의 설명**

10 : 접속 케이블 11 : 테이블

12 : 조명수단 20 : 화상입력수단

30 : 프레임 그래버 40 : 전압 조정수단

50 : 제어수단 60 : 디스플레이수단

이하, 본 발명에 따른 접속케이블 자동검사장치의 구성을 첨부된 도면에 의거하여 상세히 설명한다.

도 1은 본 발명의 일 실시예에 따른 접속케이블 자동 검사장치의 구성을 보인 블록도로서, 본 발명은 촬영하고자 하는 검사대상 물체에 일정한 조도를 공급하는 조명수단(12)과; 검사대상 물체의 화상신호를 입력받아 전기적인 신호로 변환하여 화상정보화하는 화상입력수단(20)과; 상기 화상입력수단의 아날로그 화상정보를 수치화하고, 그것을 프레임 형태로 메모리버퍼에 저장하는 프레임 그래버(30)와; 상기 프레임 그래버에 공급되는 전압을 조절하는 전압조정수단(40)과; 목표로 하는 출력값을 얻을 수 있도록 임의의 실험자료에 의해 미리 학습시킨 색깔인식 인공 신경망을 내부에 구성하고, 상기 프레임 그래버의 메모리 버퍼에 저장된 화상정보로부터 케이블 세트의 입력자료를 추출하여 상기 인공 신경망을 통해 신호처리하고, 그 결과로 케이블의 조립상태를 판단하여 접속 케이블의 양/불량을 자동으로 판정하는 제어수단(50)과; 상기 화상입력수단에서 촬영되는 신호나 상기 제어수단에서 제공되는 여러 가지 정보를 표시하는 디스플레이수단(60)을 포함하여 구성한다.

이하, 본 발명에서 상기 화상입력수단(20)은 CCD 카메라를 예로 들며, 프레임 그래버(30)는 상기 CCD 카메라로부터 입력된 아날로그 화상정보를 수치화하고, 입력된 화상을 실시간으로 컴퓨터의 메모리에 저장하는 기능을 갖는 것으로서, 피시(개인용 컴퓨터)에 장착되는 하드웨어로 구성할 수 있으며, 비디오 드림(서두 미디어社의 제품)이 사용된 것을 예로 들어 설명한다. 특히 본 발명에서 사용한 비디오 드림의 프레임버퍼(frame buffer)는 확장 메모리의 특정번지(E00000H)에 1 메가(mega) 바이트가 존재하며, 1024×512(줄) 형태로 구성되어 있다. 그리고, 조명수단(12)으로서는 자연광에 가장 유사한 할로겐 전등을 사용할 수 있으며, 제어수단(50)은 실험에 의해 얻어진 임의의 자료들로 학습시켜 목표로 하는 출력을 얻을 수 있게 한 인공 신경망을 내부에 구성한 피시(개인용 컴퓨터)를 사용하는 것이 바람직하다.

또한 전압 조정수단(40)은 상기 프레임 그래버에 안정된 신호를 공급하기 위한 전압 안정화장치로 구성하는 것이 바람직하며, 상기 도면에서 검사대상은 컴퓨터 모니터의 내부에 설치되는 접속 케이블(10)로서, 2-6 가닥의 전선 또는 그 이상의 개수가 연결되어 있는 것을 사용할 수 있다. 미설명부호 11은 검사대상물체를 올려놓기 위한 테이블이다.

도 2는 상기 도 1의 하드웨어를 기초로 하여 실행될 수 있는 본 발명의 접속케이블 자동 검사방법을 설명하기 위한 동작 흐름도로서, 화상입력정보를 중위수 여과한 후, 각 화소의 명암 분산값을 서로 비교하여 접속케이블의 머리부분이 존재하는 영역을 탐색하는 제 1과정(S21-S24)과; 상기 탐색된 머리부분 존재영역의 각 화소의 명암 분산값을 임의의 기준치와 비교하여 머리의 앞/뒷면을 판정하는 제 2과정(S25-S27)과; 라인별 중위수 여과 후 화소의 명암 분산값을 서로 비교하여 케이블이 존재하는 영역을 탐색하는 제 3과정(S28, S29)과; 상기 탐색된 케이블 존재영역의 화상정보를 변별력이 우수한 화소정보 표시 좌표계로 변환하여 인공신경망에 입력할 케이블 세트의 입력자료를 상기 좌표 변환된 화상정보로부터 추출하는 제 4과정(S30, S31)과; 임의의 자료에 의해 학습시켜 목표하는 출력을 얻을 수 있도록 구성된 인공 신경망에 상기 케이블 세트 추출자료를 입력하여 학습된 자료에 따라 신호 처리하는 제 5과정(S32, S33)과; 상기 인공신경망에서 신호 처리된 결과를 지정된 케이블 세트 기준치와 비교하여 접속케이블 조립상태를 판정하는 제 6과정(S34-S36)으로 이루어진다.

상기 본 발명의 화상처리동작을 설명하기 위하여, 일반적인 화상자료 구조와 좌표계 변환에 대하여 기술한다.

먼저, 화상자료의 구조에 대해서 설명하면, CCD카메라로부터 접속 케이블의 화상신호가 입력될 때, 상기 프레임 그래버(30)의 프레임 버퍼에는 4개의 입력화소를 단위로 하여 각 화소의 밝기를 나타내는 밝기성분(Y0, Y1, Y2, Y3)과 4개 화소의 평균치를 혼합하여 나타내는 색상성분(C0, C1, C2, C3)이 각각 1바이트 단위로 도 3a와 같이 쓰여지며, 이들 밝기성분(Y)과 색상성분(UV)은 각각 도 3b에서 주어진 바와 같이 4:1:1 YUV의 형식으로 구성되어 있다. 이 4:1:1 YUV 형식에서 숫자는 4개의 입력화소에 대한 각 성분의 표본크기를 나타낸다. 특히 밝기 성분 Y는 각 화소에 대해 개별적으로 추출되며, 색상성분 U, V는 4개의 화소에 대한 평균값이 추출된다. 따라서 도 3b에서 주어진 자료로부터 U와 V의 값을 계산하기 위해서 제어수단(50)에서는 C0-C3까지의 각 U와 V의 원소를 추출하여 Y성분처럼 1바이트를 구성하여 그 값을 십진수로 변환하면 된다. 결과적으로 입력화소에 대하여 4개의 밝기성분(Y)과 각 한 개씩의 색상성분(U, V)이 주어지므로 전체적으로 6성분의 자료가 하나의 그룹으로서 사용된다.

다음으로 화상정보의 좌표계변환에 대해서 설명하면, 화상정보의 기본요소는 화소정보이며, 칼라영상에서는 적색, 녹색, 청색(R, G, B)성분이 기본적으로 추출(비디오 드림에서는 앞서 기술한 바와 같이 밝기, 색상(Y, U, V) 성분이 기본임)되고, 이러한 각 화소(R, G, B)의 정보로부터 직접 판단과정을 수행할 수 도 있으나,여기서는 변별력이 보다 우수한 것으로 알려진 (,,) 좌표계를 사용하였는데, 이는 밝기성분과 색상성분(Y, U, V)을 이용하여 다음과 같이 변환된다.

,,

, 여기서=== 175.1748,

0.01,0.01,0.01,

X = 5.6508Y + 1.7352U + 1.5130V, Y = 0.4926U + 0.3279V,

Z = 5.6508Y + 5.5748U - 0.0405V이다.

이와 같이 변환되는 (,,) 좌표계를 이용하여 본 발명에서는 변환과정이 복잡하고 변환시간이 상대적으로 많이 걸리는 (,,) 좌표계로 모든 화상정보를 변환시키지 않고, 1차적으로 얻어지는 (Y, U, V)값에서 접속 케이블이 존재할 범위를 찾은 다음, 그 영역에서만 (,,) 좌표계로 변환하여 상세히 조사함으로써, 적절한 비용으로 실시간 검사작업을 수행할 수 있도록 기존의 전처리나 영상분할과정을 대폭 생략한 검사작업을 수행한다.

이러한 동작을 보다 상세히 설명하면, 도 2의 동작 흐름도에서 도시된 바와 같이 제 1과정에서는 화상정보를 입력받아(S21) 한 화소의 좌우로 연속되는 5개 화소의 명암도(gray level)를 검색하고, 그 중간값을 대상화소의 명암도로 치환하는 중위수 여과(median filtering)를 실시(S22)하여 화상정보에 포함된 잡영을 제거한다. 그 후 접속 케이블의 색깔이 모두 밝은 것에 착안하여 접속 케이블의 영상에서 일정한 간격(5화소 단위)을 두고 수평방향으로 한 라인씩 명암의 분산값의 변화를조사(S23)하여 접속 케이블의 머리부분을 찾아냄으로써, 조사범위를 극소화시킨다. 즉, 한 라인씩 검색할 때 바탕색과 다른 흰색이 5화소이상 연속해서 나타나면 그 부분을 머리부분으로 판정한다.

다음으로, 제 2과정에서는 접속 케이블의 머리부분이 존재하는 영역 중에서 화소의 분산을 계산하여, 그 분산값이 상대적으로 큰 곳이 있는지를 조사(S25)하여 앞면과 뒷면을 구별(S26)(S27)한다. 즉, 화소의 분산이 10이상이면 뒷면으로 간주하고, 그 이하이면 앞면으로 간주하였다. 이와 같이 화소의 분산을 구하기 위하여 접속 케이블의 머리가 있는 X축 영역사이에만 조사되면 되므로 조사범위가 상당히 줄어들게 된다.

도 4는 CCD 카메라로부터 연속적으로 입력받는 화상의 모습과 위의 과정을 거쳐 조사된 부분을 나타내고 있다. 여기서 조사 영상의 크기가 320×240인 이유는 해상도가 640×480인 모니터에 편의상 1/4의 크기로 출력하기 때문이다.

그리고, 화상정보중에서 케이블에 해당되는 화소는 배경과 다른 색깔을 가지므로, 제 3과정에서는 연속되는 5개의 화소정보가 배경과 일정수준 이상 차이가 나고, 또 바로 앞 케이블의 화소(첫번째 케이블인 경우는 배경이 됨)와 화소정보가 다를 경우 한 가닥의 케이블로 판단한다. 여기서 인식과정에 사용될 각 케이블의 대표값은 5개 화소의 평균치를 취한다.

이와 같은 과정을 반복하여 규정된 수만큼의 케이블을 찾으면(S28, S29) 케이블 탐색작업을 종료하고, 제 4과정에서는 위에서 찾은 화상정보를 보다 변별력이 뛰어난 (,,) 좌표계로 변환(S30)하여, 상기 변환된 (,,) 좌표계값으로부터 인공 신경망(역전파신경망; back-propagation neural network)에 입력할 케이블 세트의 입력자료를 추출(S31)한다. 제 5과정에서는 상기 추출된 케이블 세트의 입력자료를 인공신경망에 입력하여 신호 처리(S32)하고, 그 신호 처리된 결과로부터 얻어지는 신경망의 출력값을 추출(S33)한다. 제 6과정에서는 상기 인공 신경망의 출력값, 즉 각각의 케이블에 대한 (,,) 좌표계 값으로부터 얻어지는 역전파 신경망의 출력치에 의해 추정된 케이블의 색깔 순서와 프로그램구동시에 사전에 입력한 옳은 값(케이블 조립순서)을 비교(S34)하여 양/불량을 판단(S35)(S36)하게 된다.

이때, 상기 인공신경망 처리에 있어서는 접속 케이블의 조립검사를 위해서 화상정보로부터 구한 각 케이블의 색깔 대표값과 그 각각에 대한 기준치를 비교하여 해당 색깔을 인식하는 과정이 요구된다. 그러나 케이블의 색깔을 한 개씩 인식하는 경우, 주어진 케이블들의 모든 색깔을 올바르게 인색해야 하기 때문에 케이블 색깔수가 증가하면 인식율이 크게 떨어지게 된다. 이런 단점을 보완하기 위해 본 발명의 검사시스템에서는 같은 조건하에서 각 케이블의 화상정보를 얻어 색깔 상호간의 상관관계를 신경망에 학습시킴으로써, 여러 가닥의 케이블 색깔을 한꺼번에 학습시키는 방법을 사용한다.

상기 검사대상 접속 케이블의 종류는 3색(청색, 적색, 흑색)이 조립된 한 가지와 6색(청색, 적색, 녹색, 백색, 분홍색, 황색)이 조립된 한 가지이다. 2색짜리도 있으나 이 경우에는 육안으로도 쉽게 구별되고 거의 불량이 발생하지 않기 때문에 대상에서 제외한다.

도 5는 상기 6색 케이블을 인식하기 위한 신경망의 구조이다. 여기서,

입력층의 유니트수; 6(케이블 수)×3(케이블당 정보량)=18개,

은닉층의 유니트수; 30개,

출력층의 유니트수; 6(케이블 수)×7(인식가능한 색깔의 총수)=42개로 구성되어 있다.

한편, 도면에 도시되지는 않았으나, 3색 케이블 검사를 위한 신경망구조는 입력층 유니트수 9개, 은닉층 유니트수 15개, 그리고 출력층 유니트수 21개로 되어 있다. 이러한 구조들은 임의로 구축된 것들로서, 경우에 따라 구조변경이 가능하며, 최적구조와 크게 다를 수 있음은 물론이다.

상기 인공신경망의 학습과정은 다음과 같다.

인공신경망 학습을 위한 학습자료는 상기 두 가지 접속케이블에서 각각 30조씩 채취하여 그 중에 15조는 접속 케이블 시편을 앞면으로 놓고 자료를 채취하여 정순서 자료를 생성하고, 그 자료의 순서를 거꾸로 하여 역순서 자료를 생성한다. 그리고, 나머지 15조는 뒷면으로 놓고 자료를 채취하고, 동일한 방법으로 생성한 정순서 자료와 역순서 자료를 생성한다.

여기서 3색 케이블의 경우를 보면, 각 조마다 3가지 색이 나올 수 있는 순서쌍의 3!(=6)가지 모두를 채취한 학습자료와, 정순서(앞쪽)와 역순서(뒤쪽) 두 가지만으로 구성된 것을 학습용 자료로 사용할 수 있다.

이와는 달리, 6색 케이블의 경우를 보면, 정순서와 역순서 두 가지만을 생성한 것을 학습용 자료로 사용할 수 있다. 정순서에 의한 학습자료는 시편을 놓았을 때 얻은 케이블의 순서대로 각 케이블의 (,,)좌표계의 화상정보와 목표출력값으로 이루어지고, 역순서에 의한 학습자료는 정순서의 자료에서 케이블의 순서를 반대로 바꾼 것이다.

3색 케이블의 경우, 이와 같이 학습자료를 2종류(6색은 한 종류)로 준비한 이유는 3색 케이블의 경우 나올 수 있는 순서쌍인 3!(=6) 가지로 모두 학습시키는 것이 확실한 방법이지만, 정순서와 역순서 두 가지만 학습시켰을 경우와 변별력의 차이를 보기 위함이다.

참고로 아래의 표 1은 6색(청색, 녹색, 분홍색, 적색, 백색, 황색)으로 구성된 접속 케이블의 학습에 사용된 자료의 일부를 보여준다. 여기서 흑색이 포함된 것은 향후 흑색이 섞인 다른 유형의 접속 케이블을 다룰 수 있도록 일반화하기 위함이다. 이 경우에는 흑색이 없기 때문에 그 출력값을 0으로 하였다.

6색 접속케이블의 학습자료 예

입력값	목표출력값
L*	a*	b*	흑색	청색	녹색	분홍색	적색	백색	황색
76.28	-65.58	-1.43	0.0	0.9	0.1	0.1	0.1	0.1	0.1
90.61	185.76	183.82	0.0	0.1	0.1	0.1	0.9	0.1	0.1
81.99	-116.01	129.94	0.0	0.1	0.9	0.1	0.1	0.1	0.1
102.84	40.46	164.26	0.0	0.1	0.1	0.1	0.1	0.9	0.1
76.13	134.16	139.07	0.0	0.1	0.1	0.9	0.1	0.1	0.1
61.65	49.92	108.96	0.0	0.1	0.1	0.1	0.1	0.1	0.9

이와 같은 학습자료를 이용하여 구축된 신경망을 학습하는 과정은 오류역전파방법을 사용하였다. 도 5와 같이 은닉층이 하나인 신경망 구조일 경우, 이 방법을 수식으로 설명하면 다음과 같다.

활성화 함수(activation function) g(x)는 x가 유니트의 입력값이라 할 때,

, -∞<x<∞이다.

그리고, 출력층 유니트 k의 목표출력값이이고, 학습계수가 α이며, 입력층 유니트 i의 입력값과 은닉층 유니트 j의 출력값과 출력층 유니트 k의 출력값이 각각,,이고, 또한 입력층 유니트 i와 은닉층 유니트 j의 연결가중치, 및 은닉층 유니트 j와 출력층 유니트 k의 연결가중치가 각각,일 때, 입력층으로 입력된 입력자료로부터 은닉층과 출력층의 출력값을 계산(와는 각각 은닉층 유니트 j와 출력층 유니트 k의 활성화함수임)하면,

,

이다.

또한, 출력층과 은닉층의 오차는 각각

,

로 계산된다.

그리고 은닉층과 출력층의 연결가중치와 입력층과 은닉층의 연결가중치는

,

로 수정된다.

여기서, 모든 연결 가중치의 변화량이 ε(아주 작은 실수)보다 작으면 종료하고, 그렇지 않으면 주어진 입력자료중 하나를 임의로 선정하여 위의 계산과정을 반복 수행한다.

상기 기술된 방법으로 학습된 인공 신경망을 이용하여 접속 케이블의 양/불량을 판정하는 방법은 다음과 같다.

우선 해당 접속 케이블의 각 케이블 입력자료인 (,,)좌표계를 구하여 인공 신경망의 입력변수인값으로 한다. 접속 케이블이 6개인 경우에는 입력 유니트가 모두 모두 3×6=18개이므로 첫 번째 접속 케이블은 (,,)값이 각각,,이 되고, 두 번째 (,,)는,,이 되고, 마지막 자료는,,이 된다. 이 자료를 학습된 인공 신경망에 입력하여 은닉층의 출력값인

(모든 j에 대하여)

을 계산한 후, 마찬가지 방법으로 출력층의 출력값인

(모든 k에 대하여)

을 계산한다.

이러한 출력값을 가지고, 색깔을 판정하는 과정은 다음과 같다.

출력값(,, …,)은 첫째 케이블을 나타내고, (,, …,)는 둘째 케이블을 나타내며, (,, …,)는 6번째 케이블을 나타내고 있다. 여기서 각각의 케이블에 속한 7개의 출력값은 흑색, 청색, 녹색, 분홍색, 적색, 백색, 황색의 상대적인 기준치를 의미한다. 따라서 이 값중에서 가장 큰 값을 가지는 것이 해당 케이블의 색깔이 된다. 예로서 임의의 케이블에 대한 출력치가 0.01,0.94, 0.15, 0.45, 0.23, 0.12, 0.27로 나왔다면 케이블의 색깔은 청색이 되는 것이다.

이렇게 하여 하나의 접속 케이블에 속한 7개의 케이블 모두의 색깔을 구하였으면 그것을 기준색깔 세트인 (청색, 적색, 녹색, 백색, 분홍색, 황색)과 일치하면 양품이고, 그렇지 않으면 불량품으로 판단하게 된다.

이상에서와 같은 본 발명에 의하면 본 발명에서의 자동 검사시스템에서는 화상신호의 전처리과정과 영상분할과정을 각기 따로 수행하지 않고 한꺼번에 처리하므로 화상정보 인식속도를 높일 수 있는 이점이 있으며, 접속 케이블의 화상정보를 지정된 자료에 의해 미리 학습된 인공 신경망을 통해 상관 처리하여, 그 상관 처리된 결과로 상기 접속케이블의 조립상태를 인식하여 조립 불량품을 자동으로 검사할 수 있는 이점이 있다.

Claims (2)

1. 촬영하고자 하는 검사대상 물체로부터 입력되는 화상신호를 추출하여 화상정보화 및 수치화를 위한 변환 및 가공 처리하고, 상기 변환 및 가공된 화상정보를 이용하여 컨넥터와 케이블간의 조립상태를 검사하는 장치에 있어서,

   촬영하고자 하는 검사대상 물체에 일정한 조도를 공급하는 조명수단과;

   검사대상 물체의 화상신호를 입력받아 전기적인 신호로 변환하여 화상정보화하는 화상입력수단과;

   촬영하고자 하는 검사대상 물체로부터 추출된 화상신호를 수치화하여 메모리버퍼에 저장하는 프레임 그래버와;

   상기 프레임 그래버에 공급되는 전압을 조절하는 전압조정수단과;

   목표로 하는 출력값을 얻을 수 있도록 임의의 실험자료에 의해 미리 학습시킨 색깔인식 인공 신경망을 내부에 구성하며 상기 프레임 그래버에 저장된 화상정보로부터 접속케이블의 컨넥터 및 케이블 존재영역을 탐색하여 상기 케이블 존재영역의 화상정보로부터 상기 인공신경망에 입력할 화상 입력자료를 추출하여 상기 인공신경망을 통해 신호처리하고 그 결과로부터 컨넥터와 케이블간의 조립상태를 판단하여 접속 케이블의 양/불량을 자동으로 판정하는 제어수단과;

   상기 화상입력수단에서 촬영되는 신호나 상기 제어수단에서 제공되는 여러 가지 정보를 표시하는 디스플레이수단을 포함하는 것을 특징으로 하는 접속케이블 자동검사장치.
2. 촬영하고자 하는 검사대상 물체로부터 입력되는 화상신호를 추출하여 화상정보화 및 수치화를 위한 변환 및 가공 처리하고, 상기 변환 및 가공된 화상정보를 이용하여 컨넥터와 케이블간의 조립상태를 검사하는 장치에서의 접속케이블 자동 검사방법에 있어서,

   상기 화상입력정보를 중위수 여과한 후, 각 화소의 명암 분산값을 서로 비교하여 접속케이블의 머리부분이 존재하는 영역을 탐색하는 제 1과정;

   상기 탐색된 머리부분 존재영역의 각 화소의 명암 분산값을 임의의 기준치와 비교하여 머리의 앞/뒷면을 판정하는 제 2과정;

   라인별 중위수 여과 후 화소의 명암 분산값을 서로 비교하여 케이블이 존재하는 영역을 탐색하는 제 3과정;

   상기 탐색된 케이블 존재영역의 화상정보를 변별력이 우수한 화소정보 표시 좌표계로 변환하여, 인공신경망에 입력할 케이블 세트의 입력자료를 상기 좌표 변환된 화상정보로부터 추출하는 제 4과정;

   임의의 자료에 의해 학습시켜 목표하는 출력을 얻을 수 있도록 구성된 인공신경망에 상기 과정에서 추출된 케이블 세트 입력자료를 입력하여 학습된 자료에 따라 신호 처리하는 제 5과정;

   상기 인공신경망에서 신호 처리된 결과를 지정된 케이블 세트 기준치와 비교하여 접속케이블 조립상태를 판정하는 제 6과정으로 이루어지는 접속케이블 자동검사방법.