KR100462121B1 - 카메라를 이용한 피혁상태 검사장치 - Google Patents

Abstract

본 발명은 비젼을 이용한 지능형 피혁 품질선별 장치에 관한 것으로, 종래에는 작업자가 육안으로 피혁의 품질을 선별하던 것을 인공지능을 구비한 비젼 시스템을 이용하여 처리함으로서 객관화된 품질등급을 구하고, 선별 시간을 단축하여 생산 효율을 증대시키고자 하는 것이다.

상기의 목적 달성을 위한 본원의 지능형 피혁선별 장치는 선별대상이 되는 피혁을 운반하는 운반장치, 선별대상인 피혁을 촬상하는 비젼장치, 비젼장치와 연결되어 피혁의 품질을 선별할 수 있는 소프트웨어 및 영상처리모듈을 탑재하고 있는 관제시스템으로 구성된다. 이상과 같이 구성된 본 발명은 작업자의 피로에서 오는 품질선별의 부정확도를 개선하고, 객관화된 피혁 품질기준을 제공할 수 있으며, 자동화로 인한 생산성 향상과 작업 공정을 획기적으로 개선할 수 있다.

Description

카메라를 이용한 피혁상태 검사장치{Apparatus for Leather Quality Inspection using Camera }

본 발명은 비젼을 이용한 지능형 피혁 품질선별 장치에 관한 것으로, 보다 구체적으로는 인공지능을 구비한 비젼 시스템을 이용하여 피혁의 품질을 선별함으로서 객관화된 품질등급을 구하고, 선별시간을 단축하여 생산 효율을 증대시키고자 하는 것이다.

피혁은 어느 제품보다 부가가치가 높은 천연자원으로 품질의 등급에 따라 많은 가격차를 형성하게 되며, 피혁 제품의 품질을 결정함에 있어 제일 중요한 요인은 눈에 보이는 표면 상태이다. 지금까지는 피혁공장에서 대부분의 피혁을 육안으로 선별하여 오고 있는데 이러한 방법은 등급을 구분하는데 많은 노동력과 시간이 소모되고, 일관성이 부족할 뿐만 아니라 미세한 결함이나 정밀한 치수를 감지할 수가 없고, 더욱이 안전사고 등에 대비한 환경이 조성되어 있지 않았다.

본 발명은 상기와 같은 문제점을 해결하기 위해 인공지능을 구비한 비젼 시스템을 이용하여 피혁의 품질을 선별함으로서 객관화된 품질등급을 구하여 등급의 표준화 및 품질의 고급화를 도모하고, 선별시간을 단축하여 생산 효율을 증대시킬 수 있는 장치의 공급을 목적으로 한다.

도 1은 본 발명의 지능형 피혁 품질선별 장치의 전체 구성도 이다.

도 2는 본 발명의 비젼장치 구성도이다.

도 3은 본 발명의 피혁운반장치 구성도이다.

도 4는 본 발명에 의한 피혁 품질선별방법을 나타내는 흐름도이다.

도 5는 본 발명에 의한 피혁 품질선별을 위해 획득한 영상으로부터 특징벡터를 추출하는 과정을 나타내는 흐름도이다.

도 6은 본 발명의 관제시스템에서 비젼부로부터 전송받은 특징벡터를 이용하여 품질선별을 수행하는 과정을 나타내는 흐름도이다.

도 7은 본 발명의 관제시스템에서 등급 판정을 위하여 사용하는 10x10 패널에 대한 가중치(Weight) 분포이다.

도 8은 본 발명의 관제시스템에서 등급 판정을 위하여 사용하는 결함에 대한 특징 정보 산출 흐름도이다.

상기의 목적을 달성하기 위한 본 발명은 품질선별 장치를 제어하는 제어부(1), 선별대상을 촬상하기 위한 비젼부(2), 선별대상을 운반하기 위한 운반부(3) 및 등급을 표시하기 위한 표시부(4)로 구성되며, 피혁을 운반하는 피혁 운반 단계와, 운반한 피혁을 촬상하는 촬상 단계와, 촬상된 영상을 처리하는 단계, 영상의 처리한 결과를 전송하는 단계 및 전송된 결과를 토대로 인공지능 기법을 이용하여 피혁의 품질을 평가하는 단계로 구성되어 있다

이하, 도면을 참고로 하여 본 발명을 상세히 설명한다.

도 1은 본 발명의 지능형 피혁 품질선별 장치의 전체 구성도 이다. 그림에 나타낸 바와 같이 본 발명은 품질선별 장치를 제어하는 관제시스템부(1), 선별대상을 촬상하기 위한 비젼부(2), 선별대상을 운반하기 위한 운반부(3) 및 등급을 표시하기 위한 표시부(4)로 이루어져 있다.

관제시스템부(1)는 관제시스템 PC와 관제시스템 모니터로 구성되어 있으며, 관제시스템(1)에서 선별대상(11)인 피혁의 공급가능 신호를 내보내면 작업자가 피혁을 운반부(3)에 공급한다. 운반부(3)는 컨베이어벨트를 이용하여 피혁을 운반하며, 이때 운반부에 설치되어 있는 근접센서(16)를 이용하여 피혁이 일정한 거리 이동할 때마다 트리거신호를 영상처리 모듈(6)에 출력하며 영상처리 모듈(6)은 매 트리거 신호마다 비젼부(2)의 카메라(10)를 구동시켜 근접센서(16)로부터 좌표를 받아 그 위치를 보정하여 선별 대상인 피혁을 일정간격씩 촬상하게 된다.

촬상된 영상은 영상처리모듈(6)로 전송되고 영상처리모듈(6)은 영상처리 결과를 관제시스템(1)에 전송하게 된다. 전송된 영상처리 결과를 이용하여 관제시스템(1)은 선별결과를 표시부(4)로 전송하도록 되어 있다. 여기에서 영상처리모듈(6)은 영상처리 전용 하드웨어가 될 수도 있고, 독립된 처리 단위로 소프트웨어 처리를 위한 프로그램일 수도 있다. 피혁을 촬상하는 간격은 선별대상에 따라 변경 가능하다. 또한 영상처리모듈(6)과 관제시스템(1)은 통합된 하나의 시스템으로 구성될 수도 있다. 표시부(4)는 별도의 독립된 장치가 될 수도 있으며 관제시스템(1)과 일체로 구성하는 것도 가능하다. 관제시스템(1)은 작업자에 의한 등급판정 기준정보를 입력받을 수 있으며 피혁 공급신호 출력기능과 영상처리모듈(6)로부터 결함정보 입력받아 등급정보와 면적정보(평수)계산과 등급결과를 분류시스템(도시되지 않음)에 출력하는 기능을 가질 수도 있다.

도 2는 본 발명의 비젼부의 일부를 확대한 것으로, 도 1과 도 2에서 알 수 있듯이 비젼부는 크게 카메라(10), 조명부(9), 차광판(8), 영상처리모듈(6) 및 고주파 인버터(7)로 이루어져 있다. 카메라(10)는 지지대에 의해 지지되어 운반부(3) 위에 설치되며, 카메라의 수는 선별대상에 따라 다르게 구성할 수 있고 그 배치도 일렬 또는 상황에 따라 다양한 형태로 배치될 수 있다. 카메라를 중심으로 일정한 거리에는 조명부(9)가 설치되어 있으며, 주위에는 조명부에서 조사되는 광의 누설을 막기 위해 차광판(8)이 설치되어 있다. 조명부의 구조 역시 상황에 따라 변경하여 구성할 수 있도록 되어 있다. 영상처리모듈(6)은 고속의 영상처리가 가능하도록 구성되어 있으며, 고주파 인버터(7)는 조명부(9)에 전원을 공급하는 역할을 한다.

도 3은 본 발명의 운반부의 구성을 나타낸 것이다. 그림에서 보이듯이 운반부는 구동모듈(12), 콘트롤러모듈(13), 기구부(14), 진공장치(15), 센서모듈(16), 컨베이어벨트(17)로 구성되어 있다. 구동모듈(12)은 컨베이어벨트를 회전시키기 위한 모터와 기어, 전원부 등으로 구성되어 있고, 콘트롤러모듈(13)은 컨베이어벨트의 속도를 조정하기 위한 각종 전자장치와 전기장치를 구비하고 있다. 또한,진공장치(15)는 선별대상이 되는 피혁을 흡착하여 컨베이어벨트에 고정하기 위한 흡입력을 제공하며, 컨베이어벨트(17)는 그 표면에 일정크기로 공기의 통과가 가능한 통로가 분포되어 진공흡착이 가능한 구조이다. 센서모듈(16)은 선별 대상인 피혁의 이동을 자동으로 감지하여 일정 길이 이동시마다 트리거 신호를 비젼부(2)에 출력한다.

도 4는 본 발명에 의한 피혁의 품질선별방법을 나타내는 흐름도이다. 선별 대상인 피혁이 컨베이어벨트 위에 올려지게 되면 컨베이어벨트가 구동되면서 피혁을 카메라가 설치되어 있는 부분으로 이동시키게 된다. 피혁이 이동하게 되면 컨베이어에 부착되어 있는 감지센서는 이를 감지하게 되고, 이때부터 이동부 소정의 장소에 설치되어 있는 엔코더(도시하지 않음)는 일정한 모양의 펄스를 선별에 필요한 일정거리를 진행할 때마다 비젼부에 트리거 신호로 전달하게 된다(18). 그러면 비젼부는 이 신호를 인식하고 부착된 카메라를 이용하여 선별대상인 피혁을 촬상하게 된다(19). 촬상된 영상은 비젼부의 영상획득모듈에 의하여 정지된 영상으로 획득된다(20). 획득된 영상은 영상처리모듈의 DSP(Digital Signal Processor)보드로 전송되어(21), 선별에 필요한 영상으로 변환되기 위하여 전처리과정을 거치게 된다. 전처리된 영상은 다시 메모리에 저장 된다(22). 영상처리모듈의 DSP보드에서 전 처리된 영상에 대하여 영상처리모듈의 중앙처리 장치인 CPU가 굴곡특징추출을 하게 된다(23). 굴곡 특징 추출을 한 뒤 영상처리모듈은 이를 학습에 적절한 형태의 특징벡터로 변환시키는데 학습에 적절한 형태의 특징 벡터는 피혁의 품질 선별 종류에 따라 변경가능하다(24). 추출된 특징 벡터는 LAN을 통하여 관제시스템으로 전송하게 된다(25).

도 5는 본 발명에 의한 피혁 품질선별을 위해 획득한 영상으로부터 특징 벡터를 추출하는 과정을 나타내는 흐름도이다. 다시말해 도 4에서 나타낸 것처럼 영상처리모듈의 DSP보드에서 전 처리된 영상에 대하여 영상처리모듈의 중앙처리 장치인 CPU가 굴곡특징추출을 하게 되는데 굴곡 특징 추출을 하기 위한 과정을 나타낸 것이 도 5이다.

획득한 영상은 우선 라인 버퍼 획득 과정을 거쳐 분산값과 평균값을 구하는 과정을 거치게 된다. 평균 영상인(Mean 영상)은 다음과 같은 수식을 이용하여 구하게 된다.

여기서 m은 평균값, M은 영상의 가로 크기, N은 영상의 세로 크기이며 f(r, c)는 (r, c)에서의 밝기 값이 된다. 분산 영상은 다음의 수식과 같은 과정을 통하여 분산값을 획득한 뒤 구성하게 된다.

여기서 E는 expectation을 나타내고, Whalf 는 분산을 구하기 위하여 사용하고 있는 윈도우 크기의 1/2을 나타내며, f(r, c)는 (r, c)에서의 밝기 값이 된다.

이러한 과정을 거쳐 얻어진 분산 영상과 평균 영상인(Mean 영상)이 얻어지고 이를 품질 판정을 위하여 관제 시스템부로 전송하게 된다.

도 6은 비젼부로부터 전송받은 특징벡터 영상을 이용하여 관제시스템이 품질판정을 수행하는 과정을 나타낸 것이다. 관제시스템에는 크게 품질 판정을 위한 신경망의 학습과정과 학습된 신경회로망을 이용한 품질판정과정으로 구성되어 있다. 본 발명에서는 온라인 상의 피혁 품질판정을 수행하기에 앞서서 사용자가 구성한 학습용 데이터를 이용하여 관제시스템에서 피혁 품질판정을 위하여 사용될 신경회로망을 학습시키게 된다. 학습이 진행되면 신경회로망은 사용자가 지정한 목표치와의 차이를 오차로 출력하게 되는데 오차가 사용자가 허용한 오차보다 작으면 학습이 완료된 것으로 간주하고 학습이 완료되는 시점에서 만들어진 가중치를 저장하게 된다.

한편 학습이 완료되면 온라인 피혁품질 판정을 하게되는데 이하에서는 온라인피혁 품질판정 과정을 설명한다. 관제시스템은 학습이 아닌 온라인 품질판정 과정이 시작되면 우선 학습 완료시 저장되어 있던 가중치를 로딩(loadimg)하게 된다. 가중치가 로딩되고 나면 비젼부에서 전송한 특징벡터가 신경회로망의 입력벡터로 입력되게 된다. 입력된 특징벡터는 가중치와 벡터곱을 실시하게 되고 벡터곱의 결과는 신경회로망의 은닉층의 전달함수를 거쳐 출력값을 내게되고 이 출력값이 다시 신경회로망의 출력층과 은닉층 사이에 연결된 가중치와 벡터곱을 이루고 벡터곱의 결과는 출력층의 노드들의 전달함수를 거쳐 최종 출력값을 내게된다. 관제시스템에서는 출력층의 출력 노드중 가장 큰 값을 가지는 노드에 해당하는 품질 판정 결과를 출력하고 이 출력값이 피혁 운반 장치인 컨베이어 시스템에 부착된 등급 표시부로 전송되고 관제 시스템의 데이터 베이스에 저장된다.

도 7은 관제시스템에서 등급 판정을 위하여 사용하는 10x10 패널에 대한 가중치 분포이다. 본 장치에서 촬영된 피혁 영상은 5x9 패널에 걸쳐서 촬영되었다고 가정한다. 먼저 전체 피혁의 가로, 세로 폭을 찾은 후 무게 중심점을 계산한다. 다음으로 무게 중심점을 기준으로부터 각 패널들이 떨어진 거리D를 다음의 식을 이용하여 계산한다. 계산 결과는 표2와 같다.

----(1)

표1. 피혁의 중심점, 거리D 계산 시 필요한 파라미터

	X	Y
중심점	3	4
Wx, Wy	1/(Right-Left)ⅹ1.5	1/Bottom
Px, Py	2	2
Factor	2	2
Left	1
Bottom	8
Top	0

표2. 중심점에서 각 패널로의 거리

표2에서 계산된 거리로부터 다음식을 이용하여 중간 파라미터, P를 계산한다. 계산된 결과는 표3과 같다.

----(2)

단, 무게 중심에서의 파라미터, P를 계산할 경우 위의 식을 그대로 적용할 경우 첨예한 모양을 갖기 때문에 0.7을 곱한 값을 사용한다.

표3. 각 패널에 대한 파라미터 P

다음으로 앞에서 계산한 파라미터, P와 표3의 각 패널l에서의 조직밀도(Texture Density)값으로부터 다음의 식을 이용하여 변형된 밀도 값을 계산한다.

----(3)

피혁의 위치를 고려하여 새롭게 계산된 밀도의 값은 표4와 같다. 즉, 피혁의 전체 조밀도의 값은 각 패널의 조밀도 값은 피혁의 중심일수록 전체 조밀도 값이 민감하게 변하여야 한다. 신 조밀도값은 피혁 중심부의 조밀도값의 변화에 지수함수적(exponential)으로 변화하도록 하기 위하여 위의 식(3)의 식을 사용하였다.

표 4. 각 패널에 대한 조직 밀도

표 5. 신 조밀도 계산치

표5에서 계산된 신 밀도 계산값의 총합을 계산한 후 파라미터 , P의 총합 Psum으로 나눈 값을 피혁의 등급 판정을 위한 기준 값으로 사용한다.

도 8은 본 발명의 관제시스템에서 등급 판정을 위하여 사용하는 결함에 대한 특징 정보 산출 흐름도이다. 본 발명에서 사용하는 피혁의 결함 정보로는 흠집의 위치, 픽셀 수, 결함의 종류(hole/scratch) 3가지이다. 본 발명서는 흠집을 두 가지 종류 즉, 구멍(hole) 또는 표면긁힘(scratch)로 구분하고 각 흠집의 개수를 산출한다. 구멍의 개수는 실제의 면적(픽셀 수)을 단위 면적으로 나누어 산출한다. 구김 또는 긁힘과 같은 흠집은 대부분의 겨우 길이 방향으로 존재하므로 흠집의 위치 정보로부터 대각선의 길이를 계산한다. 검출된 흠집의 대각선의 길이를 모두 합한 후 단위 대각선 길이로 나눈 값을 구김 또는 긁힘의 개수로 산출한다. 여기서 단위 대각선 길이 보다 작은 흠집은 등급 판정에서 제외한다.

이상과 같이 구성된 본 발명은 작업자의 피로에서 오는 품질선별의 부정확도를 개선하고, 객관화된 피혁 품질기준을 제공할 수 있으며, 자동화로 인한 생산성 향상과 작업 공정을 획기적으로 개선할 수 있다.

Claims (2)

1. 선별대상을 운반시키기 위한 운반부(3)와,

   운반된 선별대상을 촬상하기 위한 카메라(10),

   촬상에 필요한 광을 조사하기 위한 조명(9)과,

   조명부에 전원을 공급하기위한 고주파 인버터(7)와,

   조명부에서 조사되는 광의 누설을 막기 위한 차광판(8)과,

   카메라에 의해 촬상된 영상을 처리하기 위한 영상처리모듈(6)과,

   영상처리 결과를 받아 피혁의 품질을 선별하는 관제시스템부(1)와

   관제시스템의 선별결과를 표시하기 위한 표시부(4)로 이루어지며 관제시스템부의

   등급 판정을 위하여 피혁의 결함 정보를 사용함을 특징으로 하는 지능형 피혁품질 선별장치
2. 청구항 제1항에 있어서, 관제시스템부의 등급 판정을 위한 결함 정보는 흠집의 위치, 픽셀 수, 결함의 종류로는 구멍과 긁힘, 주름을 사용함을 특징으로 하며 결함들의 종류와 위치에 대한 상호 관계는 가중치표를 이용하여 계산하고 계산된 결과를 피혁의 등급판정을 위한 파라미터로 사용하는 것을 포함하는 것을 특징으로 하는 지능형 피혁품질 선별장치.