KR101631841B1 - 3d vision inspection system - Google Patents

3d vision inspection system Download PDF

Info

Publication number
KR101631841B1
KR101631841B1 KR1020140191723A KR20140191723A KR101631841B1 KR 101631841 B1 KR101631841 B1 KR 101631841B1 KR 1020140191723 A KR1020140191723 A KR 1020140191723A KR 20140191723 A KR20140191723 A KR 20140191723A KR 101631841 B1 KR101631841 B1 KR 101631841B1
Authority
KR
South Korea
Prior art keywords
inspection
information
image
module
defect
Prior art date
Application number
KR1020140191723A
Other languages
Korean (ko)
Inventor
김승진
김태영
서갑호
박용식
윤성조
박성호
김동우
전순길
최일
Original Assignee
(주)씨엠티
누리티앤피 주식회사
한국로봇융합연구원
최일
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by (주)씨엠티, 누리티앤피 주식회사, 한국로봇융합연구원, 최일 filed Critical (주)씨엠티
Priority to KR1020140191723A priority Critical patent/KR101631841B1/en
Application granted granted Critical
Publication of KR101631841B1 publication Critical patent/KR101631841B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

The present invention relates to a 3D vision inspection system, more specifically, which comprises: an inspection unit having an image extraction module, an image data classification module, and a vision inspection module; an inspection environment correction unit correcting the degree of horizontality and an angle of an image; and a bad data management unit. As stated above, according to the present invention, before 3D vision inspection is performed, the degree of vision inspection accuracy is higher, and a product inspection speed can be significantly improved.

Description

3D 비전 검사 시스템{3D VISION INSPECTION SYSTEM}3D VISION INSPECTION SYSTEM [0002]

본 발명은 3D 비전 검사 시스템에 관한 것으로서, 보다 상세하게는 3D비전검사가 이루어지기 전에 검사대상 기계부품이 안착되는 테이블과 촬영되는 영상의 수평도 및 각도를 미리 보정하여 보다 정밀도가 높고, 비전검사속도가 향상되도록 하며, 비전검사에 따른 불량으로 판단되는 검사정보를 별도로 분류하고, 이러한 불량발생정보에 기초한 불량발생요인을 추출하여 제품 생산시스템 라인으로 피드백 정보를 제공할 수 있는 3D 비전 검사 시스템에 관한 것이다.
The present invention relates to a 3D vision inspection system. More particularly, the present invention relates to a 3D vision inspection system, in which a table on which a mechanical part to be inspected is placed and a horizontal angle and an angle of an image to be photographed are corrected in advance, The 3D vision inspection system that can improve the speed, classify the inspection information judged to be defective according to the vision inspection, extract the defect occurrence factors based on the defect occurrence information, and provide feedback information to the product production system line .

제품으로 생산되는 절삭공구 및 관련 부품의 불량을 판단하기 위해서 비전검사가 주로 이용되며, 이러한 비전검사는 검사대상 기계부품을 촬영하여 촬영된 이미지 정보와 표준 이미지 정보를 비교하여 제품의 불량을 판단하게 된다. Vision inspection is mainly used to judge the defects of the cutting tool and related parts produced by the product. The vision inspection shoots the mechanical parts to be inspected and compares the photographed image information with the standard image information to judge the defective product do.

기계부품의 비전검사는 주로 스테레오 비전검사가 이용되고 있으며, 이러한 스테레오 비전검사는 동일한 수평면에서 일정한 거리를 사이에 두고 좌우에 각각 설치된 카메라로부터 획득한 두 영상에 존재하는 동일한 실세계 특징들의 수평 위치 차이를 이용하여 2D영상에서 사라진 거리 정보를 복원하여 대상물과 비교하도록 한다.Stereo vision inspection is mainly used for the vision inspection of mechanical parts. The stereo vision inspection uses the horizontal position difference of the same real world features existing in two images acquired from the cameras installed on the left and right sides, And reconstructs the lost distance information from the 2D image and compares it with the object.

최근에는 스테레오 비전검사에서 정밀도가 더욱 높은 3D 비전 검사 시스템에 의해 부품 생산라인에 대한 전수검사를 실시하고 있다. 아울러 3D 비전 검사 시스템의 경우 2D 검사 시스템이 가지고 있는 데이터에 Z축 높이 데이터를 추가하여 입체적인 외관 검사, 부피 검사 등을 하게 되는데, 이러한 제품 3D 형상을 추출하여 정밀부품의 치수정밀도를 측정하기에는 영상비교 과정에서 검사속도가 매우 느리며, 정밀도가 크게 높지 않은 문제점을 가진다.Recently, 3D vision inspection system, which is more precise in stereo vision inspection, is conducting full inspection of parts production line. In addition, in 3D vision inspection system, the Z-axis height data is added to the data of the 2D inspection system to perform three-dimensional visual inspection and volume inspection. In order to measure the dimensional accuracy of the precision parts by extracting the 3D shape of these products, The inspection speed is very slow and the precision is not very high.

아울러, 이러한 비전검사 시스템은 3D형상 정보에 따른 제품 불량만 판단할 뿐, 비전검사에 따라 생성되는 불량정보를 활용하여 제품 생산단계에 불량을 줄일 수 있는 방법은 제공하지 못해 효율성이 떨어지는 실정이다.
In addition, the vision inspection system only determines the product defects according to the 3D shape information, and the efficiency is low because the defective information generated by the vision inspection is used to provide a method of reducing defects in the product production stage.

따라서, 이러한 종래 3D 비전 검사 시스템의 불합리한 점을 극복하고 비전검사의 정밀도를 높이고, 비전검사속도를 향상시킬 수 있으며 비전검사에 따른 불량발생정보에 기초하여 불량발생요인을 추출하고, 제품 생산시스템 라인으로 피드백 정보를 제공할 수 있는 3D 비전 검사 시스템에 대한 요구가 높아지고 있는 실정이다.
Therefore, it is possible to overcome the unreasonableness of such a conventional 3D vision inspection system, to increase the accuracy of the vision inspection, to improve the speed of vision inspection, to extract the defect occurrence factors based on the defect occurrence information according to the vision inspection, There is an increasing demand for a 3D vision inspection system capable of providing feedback information to the 3D vision inspection system.

한국등록특허 제 102672호Korean Patent No. 102672

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 비전검사를 수행하기 전에 비전검사환경을 보정하여 비전검사의 정밀도를 높이며, 제품 검사속도를 향상시키도록 하는데 있다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems, and it is an object of the present invention to improve the accuracy of vision inspection and the inspection speed of a product by correcting the vision inspection environment before performing the vision inspection.

본 발명의 다른 목적은 비전검사를 수행하여 불량으로 판단되는 검사정보를 별도로 분류하여, 불량발생요인을 추출하고 이러한 정보를 제품 생산시스템 라인으로 피드백하여 제품 생산단계에서 사후조치를 취할 수 있도록 하는데 있다.
Another object of the present invention is to classify inspection information judged to be defective by performing vision inspection to separately extract factors causing defects and feed back such information to a product production system line so as to take post-measures at the product production stage .

상기와 같은 목적을 달성하기 위한 본 발명의 일측면에 따르면, 검사대상 기계부품을 테이블에 안착시키고, 카메라 촬영을 통해 검사대상 기계부품의 3D영상 이미지를 추출하는 영상추출모듈과, 상기 영상추출모듈에 의해 추출되는 검사대상 기계부품의 3D영상 정보와 검사표준 제품의 3D형상 정보가 각각 저장되는 영상데이터분류모듈과, 상기 영상데이터분류모듈에 저정되는 검사표준 제품의 3D형상 정보와 검사대상 기계부품의 3D영상 정보를 비교하여 제품불량여부를 판단하는 비전검사모듈을 포함하는 검사부와, 상기 검사대상 기계부품을 테이블에 안착시키고 상기 검사대상 기계부품을 촬영하기 전에 상기 검사대상 기계부품이 안착되는 테이블의 수평도 및 각도를 기설정된 값으로 보정하거나 상기 검사대상 기계부품을 카메라로 촬영한 영상을 기설정된 파라미터를 적용시켜 영상의 수평도 및 각도를 보정하는 검사환경 보정부와, 상기 검사부에서 불량으로 판단된 검사정보를 일정 카테고리별로 저장 및 분류시키고, 일정 불량정보에 기초한 불량발생인자를 추출하여 제품 생산시스템 라인으로 관련 정보를 전송하는 불량데이터관리부를 포함하여 제공된다.According to an aspect of the present invention, there is provided an image processing system including an image extraction module for placing a mechanical part to be inspected on a table and extracting a 3D image image of a mechanical part to be inspected through camera shooting, An image data classification module for storing the 3D image information of the inspection target mechanical part and the 3D shape information of the inspection standard product extracted by the image data classification module, And a vision inspection module for comparing the 3D image information of the inspection target mechanical part with the 3D image information of the inspection target machine part to determine whether the product is defective. The image of the mechanical part to be inspected is photographed with a camera An inspection environment correcting unit for correcting a horizontal angle and an angle of an image by applying preset parameters, and an inspection environment correcting unit for storing and classifying inspection information judged to be defective by a certain category and extracting defect occurrence factors based on certain defect information And a bad data management unit for transmitting related information to the product production system line.

여기서 상기 불량데이터관리부는 상기 검사부에서 불량으로 판단된 검사정보를 일정 카테고리별로 저장 및 분류시키는 불량데이터분류모듈과, 상기 불량데이터분류모듈에 저장되는 일정 불량정보에 기초한 불량발생인자를 추출하는 불량발생인자추출모듈과, 상기 불량발생인자추출모듈에서 추출되는 불량발생인자 정보를 제품 생산시스템 라인으로 기설정된 제어값에 의해 관련 정보를 선택적으로 전송하는 피드백데이터제공모듈을 포함하여 제공된다.The bad data management unit may include a bad data classification module that stores and classifies inspection information that is determined to be bad by the inspection unit on a predetermined category basis and a bad data classification module that extracts a bad generation factor based on certain bad information stored in the bad data classification module. And a feedback data providing module for selectively transmitting information on a failure occurrence factor extracted from the failure occurrence factor extracting module to a product production system line according to a predetermined control value.

아울러, 상기 불량데이터분류모듈은 각 기계부품에서의 치수비교 영역을 구분하고, 각 치수비교 영역에서의 치수오차가 발생되는 불량데이터를 누적하여 수집한다.In addition, the bad data classification module classifies the dimension comparison areas in the respective machine parts, and accumulates and collects bad data causing dimensional errors in the respective dimension comparison areas.

더욱이, 상기 불량발생인자추출모듈은 상기 각 치수비교 영역에 누적저장된 각각의 치수오차값 정보가 기설정 편차값 이내로 판단되면 금형설계불량으로 인식하고, 각각의 치수오차값 정보가 기설정 편차값 이상으로 판단되면 제품성형공정불량으로 인식하여 관련 불량발생인자 정보를 상기 피드백데이터제공모듈로 전송한다.
The defect occurrence factor extracting module recognizes that the dimensional error information is stored as a mold design defect when the dimensional error information stored cumulatively in each dimension comparison area is within the predetermined deviation value, It is recognized that the product forming process is defective and the related failure occurrence factor information is transmitted to the feedback data providing module.

상기와 같은 본 발명에 따르면, 3D 비전검사가 이루어지기 전에 검사대상 기계부품이 안착되는 테이블과 촬영되는 영상의 수평도 및 각도를 미리 보정하여 비전검사 정밀도가 보다 높으며, 제품 검사속도가 월등히 향상되는 효과가 있다.According to the present invention, before the 3D vision inspection is performed, the table on which the inspection target mechanical parts are placed and the horizontal angle and the angle of the photographed image are corrected in advance, so that the vision inspection accuracy is higher and the product inspection speed is significantly improved It is effective.

또한, 비전검사에 따라 불량으로 판단되는 검사정보를 별도로 분류하고, 이에 따른 불량발생요인을 추출하여 제품 생산시스템 라인으로 피드백 정보를 제공함에 의해 제품생산 단계에서 부품생산 불량율을 최소화시킬 수 있는 효과가 있다.
In addition, the inspection information classified as defective according to the vision inspection is classified separately, and the defect occurrence factor is extracted to provide feedback information to the product production system line, thereby minimizing the defective component production rate at the product production stage have.

도 1은 본 발명에 따른 3D 비전 검사 시스템에 의한 비전검사 단계를 도식화한 도면이다.
도 2는 본 발명에 따른 3D 비전 검사 시스템의 주요 구성을 나타낸 블럭도이다.
도 3은 치수비교 영역에 따른 불량데이터 분류 테이블을 나타낸 도면이다.
도 4는 본 발명의 따른 3D 비전 검사순서를 나타낸 순서도이다.1 is a diagram illustrating a vision inspection step by a 3D vision inspection system according to the present invention.
2 is a block diagram illustrating a main configuration of a 3D vision inspection system according to the present invention.
3 is a view showing a bad data classification table according to a dimension comparison area.
4 is a flowchart illustrating a 3D vision inspection procedure according to the present invention.

이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예를 상세하게 설명하기로 한다.Hereinafter, a preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 따른 3D 비전 검사 시스템에 의한 비전검사 단계를 도식화한 도면이고, 도 2는 본 발명에 따른 3D 비전 검사 시스템의 주요 구성을 나타낸 블럭도이다.FIG. 1 is a diagram illustrating a vision inspection step by a 3D vision inspection system according to the present invention, and FIG. 2 is a block diagram illustrating a main configuration of a 3D vision inspection system according to the present invention.

도면을 참조하면, 본 발명에 따른 3D 비전 검사 시스템은 제품 생산시스템 라인(40)에서 생상된 검사대상 기계부품이 컨베이어를 통해 이송되며, 3D 비전 검사 시스템의 테이블에 검사대상 기계부품을 안착시켜 비전검사를 수행하도록 한다.Referring to the drawings, in the 3D vision inspection system according to the present invention, the inspection target machine parts produced in the product production system line 40 are transferred through a conveyor, and the inspection target machine parts are placed on the table of the 3D vision inspection system, Perform the inspection.

이러한 본 발명에 따른 3D 비전 검사 시스템은 기계부품의 외부 3D 영상을 추출한 다음, 검사표준 제품과 비교하여 제품불량을 판단하는 검사부(10)와, 검사부(10)에서 비전검사를 수행하기 이전에 검사환경을 정밀하게 보정하는 검사환경 보정부(20)와, 검사부(10)에서 불량으로 판단된 검사정보를 기초로 하여 불량발생요인을 파악하여 제품 생산시스템 라인(40)으로 관련 정보를 전송하는 불량데이터 관리부(30)를 포함하여 제공된다.The 3D vision inspection system according to the present invention includes an inspection unit 10 for extracting an external 3D image of a mechanical part and comparing the inspection result with a standard inspection product to determine a product defect, An inspection environment correcting unit 20 for precisely correcting the environment, a failure detecting unit for detecting a failure occurrence factor on the basis of the inspection information judged to be defective by the inspection unit 10 and transmitting the relevant information to the product production system line 40 And a data management unit 30.

검사부(10)는 영상추출모듈(11), 영상데이터분류모듈(12), 비전검사모듈(13)을 포함하여 구성된다. The inspection unit 10 includes an image extraction module 11, an image data classification module 12, and a vision inspection module 13.

영상추출모듈(11)은 테이블에 안착된 검사대상 기계부품의 3D영상 이미지를 추출하는 것으로서, 본 발명에서는 두 개의 카메라로 동일한 검사대상 기계부품을 촬영하여 구조광이 비춰진 형태의 특정 포인트에 대해 삼각법을 이용하여 연산하되, 기계부품에 레이저를 조사하여 레이저 슬릿 패턴광에 의해 더욱 세밀한 위치 데이터를 획득할 수 있도록 한다.The image extracting module 11 extracts a 3D image image of an inspection target mechanical part placed on a table. In the present invention, the same inspection target mechanical part is photographed with two cameras, So that more detailed positional data can be acquired by the laser slit pattern light by irradiating a laser to the mechanical parts.

영상데이터분류모듈(12)은 스크류, 레버, 클램프 등의 각 기계부품의 종류에 따른 검사표준 제품정보와 영상추출모듈(11)에 의해 추출된 검사대상 기계부품의 영상정보가 저장된다. 여기서 검사표준 제품 영상정보는 기계부품 생산을 위한 CAD 설계에 따른 3D형상 정보이고, 검사대상 기계부품의 영상정보는 제품 생산시스템 라인(40)에서 생산된 기계부품을 촬영하여 검사부(10)에서 추출된 3D영상 정보이다.The image data classification module 12 stores inspection standard product information according to the type of each mechanical component such as a screw, a lever, a clamp, and the like, and image information of the mechanical component to be inspected extracted by the image extraction module 11. Here, the inspection standard product image information is 3D shape information according to a CAD design for producing a mechanical part, and the image information of the inspection target mechanical part is taken by the inspection part 10 3D image information.

비전검사모듈(13)은 영상데이터분류모듈(12)에 저정되는 검사표준 제품의 3D형상 정보와 검사대상 기계부품의 3D영상 정보를 비교하여 치수허용오차에 따른 형상정밀도와 표면결함을 검사하여 제품불량여부를 판단하도록 한다.The vision inspection module 13 compares the 3D shape information of the inspection standard product stored in the image data classification module 12 with the 3D image information of the inspection target mechanical part to check the shape accuracy and the surface defects according to the dimensional tolerance, Judge whether it is bad or not.

검사환경 보정부(20)는 검사대상 기계부품이 컨베이어를 통해 테이블로 인입됨에 의해, 컨베이어 이송시 외부충격에 의한 오차가 많이 발생되고, 기계부품 촬영을 위해 테이블의 회전각도 변화 등에 의한 오차 등을 극복하기 위해 테이블의 위치를 XY축으로 거리를 재조정하거나 테이블 각도를 기설정된 값으로 보정하는 위치보정모듈(21)과, 기계부품을 촬영하기 위해 설치되는 카메라는 정확하게 수평상태를 유지하도록 장착되기 어렵고 장비를 사용하면서 바닥의 진동이나 충격에 의해 카메라의 수평도와 각도에 미세한 영향을 끼쳐 이에 대한 다양한 변수들을 적용하여 기설정된 파라미터에 의해 촬영되는 영상의 수평도 및 각도를 미리 보정하는 영상보정모듈(22)을 포함하여 구성된다.The inspection environment correcting unit 20 causes many errors due to external impact when the conveyor is transported due to the mechanical parts to be inspected into the table through the conveyor and errors due to the rotation angle of the table etc. The position correcting module 21 for correcting the position of the table by the XY axis or correcting the table angle to a predetermined value in order to overcome the difficulty and the camera installed for photographing the mechanical parts are hardly mounted The image correction module 22 (see FIG. 1) 22 corrects the horizontal angle and the angle of the image photographed by the predetermined parameters by applying various parameters to the horizontal and the vertical angles of the camera due to vibration or impact of the floor while using the equipment. ).

불량데이터 관리부(30)는 불량데이터분류모듈(31), 불량발생인자추출모듈(32) 및 피드백데이터제공모듈(33)을 포함하여 구성되며, 도 3을 통해 불량데이터 관리부를 더욱 자세히 설명하도록 한다.The bad data management unit 30 includes a bad data classification module 31, a failure occurrence factor extraction module 32 and a feedback data provision module 33. The bad data management unit 30 will be described in more detail with reference to FIG. .

도 3은 치수비교 영역에 따른 불량데이터 분류 테이블을 나타낸 도면이다.3 is a view showing a bad data classification table according to a dimension comparison area.

불량데이터분류모듈(31)은 비전검사모듈(13)에서 불량으로 판단된 검사정보를 일정 카테고리별로 저장 및 분류시키는 것으로서, 기계부품의 종류별로 각 기계부품의 형상에 따른 치수비교 영역을 구분하고, 각 치수비교 영역에서의 치수오차가 발생되는 불량데이터를 누적하여 수집하도록 한다. 도면을 참조하여 예를 들자면, 톡스 스크류의 경우 머리부의 외경 및 각도(A), 전장(B), 나사산의 길이 및 외경(C) 등으로 치수비교 영역 테이블로 구분시키고, 비전검사되는 각 톡스 스크류 제품을 각 치수비교 영역마다 치수오차값을 누적 저장하여 관련 치수오차 누적값을 기초로 다양한 피드백정보를 제공하도록 한다. The defective data classification module 31 is for storing and classifying inspection information judged to be defective in the vision inspection module 13 according to certain categories. The defect data classification module 31 classifies the dimension comparison areas according to the shapes of the respective machine parts, And accumulates and collects defective data in which a dimensional error occurs in each dimension comparison area. Referring to the drawings, for example, in the case of a TOX screw, the TOX is divided into a dimension comparison area table by the outer diameter and angle (A) of the head, the total length (B), the thread length and the outer diameter (C) The product is cumulatively stored in each dimension comparison area to provide various feedback information based on the accumulated dimensional error.

불량발생인자추출모듈(32)은 불량데이터분류모듈(31)에 저장되는 일정 불량정보에 기초하여 불량발생인자를 추출하는 하는 것으로서, 각 치수비교 영역에 누적 저장된 각각의 치수오차값 정보를 기설정된 편차값과 비교하여 불량발생요인을 판단하게 된다. 즉, 치수오차값 정보가 기설정된 편차값 이내로 판단되면 불량발생요인을 금형설계불량으로 인식하고, 치수오차값 정보가 기설정된 편차값 이상으로 판단되면 제품성형공정불량으로 인식하여 관련 불량발생인자 정보를 피드백데이터제공모듈(33)로 전송하게 된다. The failure occurrence factor extracting module 32 extracts a failure occurrence factor based on the certain failure information stored in the failure data classification module 31. The failure occurrence factor extracting module 32 sets each dimensional error value information accumulated and stored in each of the dimension comparison areas It is judged by comparing the deviation value with the deviation value. In other words, if the dimension error information is determined to be within a predetermined deviation value, the cause of the defect is recognized as a mold design defect, and if the dimension error information is determined to be equal to or greater than a predetermined deviation value, To the feedback data providing module (33).

도면의 예를 통해 불량발생인자추출모듈(32)에서 인식되는 불량발생인자 정보를 살펴보자면, (A)영역에서의 치수비교 영역 테이블에서는 각 기계부품의 치수오차값 정보가 편차값 ±0.05 이내로 판단되어, 톡스 스크류의 머리부에 해당되는 금형이 잘못된 것으로 인식된다. 즉, 치수오차값에서도 나타나듯이 치수오차값이 +로 생산금형이 설계치수보다 크게 형성되는 것으로 인식될 수 있으며, 이러한 관련 불량발생인자 정보를 피드백데이터제공모듈(33)을 통해 제품 생산시스템 라인(40)으로 전송하여 해당되는 생산금형을 확인하도록 한다. Referring to the defect occurrence factor information recognized by the defect occurrence factor extracting module 32 through the example of the drawing, in the dimension comparison area table in the area (A), the dimensional error information of each mechanical part is determined to be within a deviation value of 0.05 So that the mold corresponding to the head portion of the toxic screw is recognized as erroneous. That is, as shown in the dimension error value, it can be recognized that the dimensional error value is formed to be larger than the design dimension, and the related failure occurrence factor information is transmitted to the product production system line ( 40) to identify the corresponding production mold.

그리고 (C)영역에서의 치수비교 영역 테이블을 살펴보면, 각 기계부품의 치수오차값 정보가 편차값 ±0.07 이내로 판단되지 않고 허용 편차값보다 더 큰 치수오차값을 가지는 기계부품 정보가 검출된다. 이에 따라 치수비교 영역(C)에 해당하는 나사산의 길이 및 외경을 형성하기 위한 제품성형공정 불량으로 인식하여, 관련 불량발생인자 정보를 피드백데이터제공모듈(33)을 통해 제품 생산시스템 라인(40)으로 전송하여 해당되는 공정을 다시 확인하도록 한다. In the dimension comparison area table in the area (C), the mechanical part information having a dimensional error value larger than the allowable deviation value is not determined to be within the deviation value ± 0.07 of the dimensional error information of each mechanical part. Accordingly, it is recognized that the product molding process is defective for forming the thread length and outer diameter corresponding to the dimension comparison area C, and the related failure occurrence factor information is transmitted to the product production system line 40 through the feedback data providing module 33. [ So that the corresponding process can be confirmed again.

피드백데이터제공모듈(33)은 불량발생인자추출모듈(32)에서 추출되는 불량발생인자 정보를 제품 생산시스템 라인(40)으로 기설정된 제어값에 의해 관련 정보를 선택적으로 전송한다. 이와 같이 피드백데이터제공모듈(33)은 제품 생산시스템 라인(40)으로 상시 불량발생인자 정보를 전송하는 것이 아니라, 각 치수비교 영역별로 불량으로 판단되는 치수오차값 정보가 일정 누적갯수 이상일 경우에만 전송하거나, 일정시간대를 설정하여 주간 또는 특정일간 간격으로 전송되도록 할 수 있다.The feedback data providing module 33 selectively transmits the defect occurrence factor information extracted from the defect occurrence factor extracting module 32 to the product production system line 40 according to a predetermined control value. Thus, the feedback data providing module 33 does not always transmit the defect occurrence factor information to the product production system line 40, but only transmits the defect occurrence information to the product production system line 40 only when the dimensional error value information, Alternatively, a certain time period may be set so as to be transmitted at intervals of a day or a specific day.

아울러, 편차값을 지나치게 이탈되는 특정 치수오차값 정보가 검출될 경우에는 상기의 제어값 정보와 관계없이 제품 생산시스템 라인(40)으로 관련 정보가 전송되도록 하여 제품 생산시스템 라인(40)이 가동되지 않도록 제어하여 이후 생산되는 제품의 불량을 사전에 방지할 수 있도록 한다.
In addition, when specific dimensional error value information that deviates too much from the deviation value is detected, the related information is transmitted to the product production system line 40 regardless of the control value information, so that the product production system line 40 is not operated So that the defective product can be prevented in advance.

아래에서는 본 발명의 따른 3D 비전 검사 방법에 대해 자세히 설명하도록 한다.Hereinafter, the 3D vision inspection method according to the present invention will be described in detail.

도 4는 본 발명의 따른 3D 비전 검사순서를 나타낸 순서도이다.4 is a flowchart illustrating a 3D vision inspection procedure according to the present invention.

본 발명의 따른 3D 비전 검사는 기계부품 안착 단계(S410), 검사환경 보정 단계(S420), 비전검사 단계(S430), 불량발생요인 추출 단계(S440) 및 피드백 단계(S450)를 포함하여 이루어진다.The 3D vision inspection according to the present invention includes a machine component seating step S410, an inspection environment correction step S420, a vision inspection step S430, a defect occurrence factor extraction step S440, and a feedback step S450.

기계부품 안착 단계(S410)에서는 제품 생산시스템 라인(40)에서 생산되는 기계부품이 컨베이어에 의해 인입되어 비전검사 테이블에 안착된다. In the machine part seating step (S410), the machine parts produced in the product production system line (40) are drawn by the conveyor and set on the vision inspection table.

검사환경 보정단계(S420)에서는 검사대상 기계부품이 컨베이어를 통해 테이블로 인입될 때에 발생되는 외부충격 등에 의한 오차를 보정하기 위해 테이블의 위치를 XY축으로 거리를 재조정하거나 테이블 각도를 일정값으로 보정하도록 한다. 아울러, 카메라 장착에 따른 오차를 보정하기 위해 카메라의 수평도와 각도에 미세한 영향을 끼치는 다양한 변수들을 적용하여 기설정된 파라미터에 의해 촬영되는 영상의 수평도 및 각도를 보정하도록 한다. 이러한 검사환경 보정단계(S420)를 거치지 않고 비전검사를 수행하게 되면, 테이블을 회전시키면서 360°로 촬영되는 이미지를 매번 보정하여야 하여 제품 측정속도에 큰 영향을 미치게 된다. In the inspection environment correction step S420, in order to correct an error due to an external impact generated when the inspection target mechanical parts are brought into the table through the conveyor, the distance of the table is adjusted by the XY axis, . In addition, in order to correct an error caused by mounting the camera, various parameters having a small influence on the horizontal and the angle of the camera are applied to correct the horizontal and angle of the image taken by the predetermined parameters. If the vision inspection is performed without going through the inspection environment correction step S420, the image to be photographed at 360 ° is corrected each time while rotating the table, thereby greatly affecting the product measurement speed.

비전검사 단계(S430)에서는 테이블에 안착된 검사대상 기계부품을 스테레오 카메라로 촬영하여, 촬영된 이미지 데이터를 기반으로 검사대상 기계부품의 3D영상 이미지를 추출한다. 촬영단계에서 기계부품에 레이저를 조사하여 레이저 슬릿 패턴광에 의해 더욱 세밀한 위치 데이터를 획득할 수 있도록 한다. 이와 같이 추출된 3D영상정보는 영상데이터분류모듈(12)에 저장되고, 영상데이터분류모듈(12)에 기저장된 검사표준 제품 3D 영상정보와 비교하여 제품불량을 판단하도록 한다. In the vision inspection step S430, the inspection target machine parts placed on the table are photographed by a stereo camera, and a 3D image image of the inspection target mechanical part is extracted based on the photographed image data. In the photographing step, the laser is irradiated on the mechanical parts so that more detailed positional data can be obtained by the laser slit pattern light. The extracted 3D image information is stored in the image data classification module 12 and compared with the inspection standard product 3D image information previously stored in the image data classification module 12 to determine the product defect.

불량발생요인 추출 단계(S440)에서는 비전검사 단계(S430)에서 불량으로 판단된 검사정보를 일정 카테고리별로 저장 및 분류시키고, 분류된 불량이력정보를 기초로 불량발생요인을 추출하여 관련 정보를 제품 생산시스템 라인(40)으로 전송하도록 하여, 제품생산 단계에 피드백 정보를 제공하도록 한다. In the defect occurrence factor extracting step S440, inspection information determined to be defective in the vision inspection step S430 is stored and classified for each category, defect factors are extracted based on the classified defect history information, System line 40 to provide feedback information to the product production stage.

이를 위해, 먼저 불량데이터분류모듈(31)에서는 기계부품의 종류별로 각 기계부품의 형상에 따른 치수비교 영역을 구분하고, 각 치수비교 영역에서의 치수오차가 발생되는 불량데이터를 누적하여 수집한다. 그리고 불량발생인자추출모듈(32)에서 각 치수비교 영역에 누적 저장된 각각의 치수오차값 정보를 기설정된 편차값과 비교하여 불량발생요인을 판단하도록 한다. 이러한 불량발생요인 판단은 치수오차값 정보가 기설정된 편차값 이내로 판단되면 불량발생요인을 금형설계불량으로 인식하고, 치수오차값 정보가 기설정된 편차값 이상으로 판단되면 제품성형공정불량으로 인식하여 관련 불량발생인자 정보를 피드백데이터제공모듈(33)로 전송한다. 그런 다음 피드백데이터제공모듈(33)에서는 치수비교 영역별로 불량으로 판단되는 치수오차값 정보갯수가 일정 누적갯수 이상일 경우, 또는 일정 시간간격으로 불량발생인자 정보를 제품 생산시스템 라인(40)으로 전송하게 된다.To this end, the defect data classification module 31 firstly divides the dimension comparison areas according to the types of the mechanical parts according to the types of the mechanical parts, and accumulates and collects the defective data in which dimensional errors occur in the respective dimension comparison areas. The defect occurrence factor extracting module 32 compares each dimensional error value information cumulatively stored in each dimension comparison area with a predetermined deviation value to determine a defect occurrence factor. If the dimension error value information is determined to be within the predetermined deviation value, the defect occurrence factor is recognized as the mold design defect, and if the dimensional error information is determined to be equal to or larger than the preset deviation value, And transmits the failure occurrence factor information to the feedback data providing module 33. Then, the feedback data providing module 33 transmits the defect occurrence factor information to the product production system line 40 at a predetermined time interval when the number of dimensional error information information that is determined to be defective for each dimension comparison area is more than a predetermined cumulative number do.

이렇게 제품 생산시스템 라인(40)으로 전송되는 불량발생인자 정보는 작업자 단말기 등을 통해 작업자가 확인하여 불량발생에 따른 사후조치를 취하도록 한다. The defect occurrence factor information transmitted to the product production system line 40 is confirmed by the operator through the operator's terminal or the like so as to take a post-corrective action according to the defect occurrence.

비록 본 발명이 상기 언급된 바람직한 실시예와 관련하여 설명되어졌지만, 발명의 요지와 범위로부터 벗어남이 없이 다양한 수정이나 변형을 하는 것이 가능하다. 따라서 첨부된 특허등록청구의 범위는 본 발명의 요지에서 속하는 이러한 수정이나 변형을 포함할 것이다.
Although the present invention has been described in connection with the above-mentioned preferred embodiments, it is possible to make various modifications and variations without departing from the spirit and scope of the invention. Accordingly, the scope of the appended claims should include all such modifications and changes as fall within the scope of the present invention.

10 : 검사부 11 : 영상추출모듈
12 : 영상데이터분류모듈 13 : 비전검사모듈
20 : 검사환경 보정부 21 : 위치보정모듈
22 : 영상보정모듈
30 : 불량데이터 관리부 31 : 불량데이터분류모듈
32 : 불량발생인자추출모듈 33 : 피드백데이터제공모듈
40 : 제품 생산시스템 라인10: Inspection section 11: Image extraction module
12: image data classification module 13: vision inspection module
20: Inspection environment correction unit 21: Position correction module
22: Image correction module
30: Bad data management unit 31: Bad data classification module
32: failure occurrence factor extracting module 33: feedback data providing module
40: Product production system line

Claims (4)

검사대상 기계부품을 테이블에 안착시키고, 카메라 촬영을 통해 검사대상 기계부품의 3D영상 이미지를 추출하는 영상추출모듈과, 상기 영상추출모듈에 의해 추출되는 검사대상 기계부품의 3D영상 정보와 검사표준 제품의 3D형상 정보가 각각 저장되는 영상데이터분류모듈과, 상기 영상데이터분류모듈에 저정되는 검사표준 제품의 3D형상 정보와 검사대상 기계부품의 3D영상 정보를 비교하여 제품불량여부를 판단하는 비전검사모듈을 포함하는 검사부와;
상기 검사대상 기계부품을 테이블에 안착시키고 상기 검사대상 기계부품을 촬영하기 전에 상기 검사대상 기계부품이 안착되는 테이블의 수평도 및 각도를 기설정된 값으로 보정하거나 상기 검사대상 기계부품을 카메라로 촬영한 영상을 기설정된 파라미터를 적용시켜 영상의 수평도 및 각도를 보정하는 검사환경 보정부와;
상기 검사부에서 불량으로 판단된 검사정보를 일정 카테고리별로 저장 및 분류시키고, 일정 불량정보에 기초한 불량발생인자를 추출하여 제품 생산시스템 라인으로 관련 정보를 전송하는 불량데이터관리부를; 포함하되,
상기 불량데이터관리부는
상기 검사부에서 불량으로 판단된 검사정보를 일정 카테고리별로 저장 및 분류시키고, 각 기계부품에서의 치수비교 영역을 구분하여 각 치수비교 영역에서의 치수오차가 발생되는 불량데이터를 누적하여 수집하는 불량데이터분류모듈과,
상기 불량데이터분류모듈에 저장되는 일정 불량정보에 기초한 불량발생인자를 추출하는 불량발생인자추출모듈과,
상기 불량발생인자추출모듈에서 추출되는 불량발생인자 정보를 제품 생산시스템 라인으로 기설정된 제어값에 의해 관련 정보를 선택적으로 전송하는 피드백데이터제공모듈을 포함하여,
상기 불량발생인자추출모듈은 상기 각 치수비교 영역에 누적저장된 각각의 치수오차값 정보가 기설정 편차값 이내로 판단되면 금형설계불량으로 인식하고, 각각의 치수오차값 정보가 기설정 편차값 이상으로 판단되면 제품성형공정불량으로 인식하여 관련 불량발생인자 정보를 상기 피드백데이터제공모듈로 전송하는 것을 특징으로 하는 3D 비전 검사 시스템.
An image extraction module for placing the inspection target mechanical part on a table and extracting a 3D image image of the inspection target mechanical part through camera photographing, a 3D image information acquisition part for acquiring 3D image information of the inspection target mechanical part extracted by the image extraction module, A vision inspection module for comparing the 3D shape information of the inspection standard product stored in the image data classification module with the 3D image information of the inspection target mechanical part to determine whether the product is defective or not, An inspection unit including an inspection unit;
Wherein the inspection target machine part is placed on a table, the horizontal degree and angle of the table on which the inspection target machine part is seated is corrected to a predetermined value before shooting the inspection target machine part, An inspection environment correcting unit for correcting a horizontal angle and an angle of an image by applying predetermined parameters to the image;
A bad data management unit for storing and classifying inspection information judged to be defective by the inspection unit according to a certain category, extracting a failure occurrence factor based on the certain failure information, and transmitting related information to the product production system line; Including,
The bad data management unit
The inspection information judged to be defective by the inspection unit is stored and classified according to certain categories, and the defect comparison data is classified by classifying the defect comparison data in each machine component, and the defect data in which cumulative errors are generated Module,
A failure occurrence factor extracting module for extracting a failure occurrence factor based on the certain failure information stored in the bad data classification module;
And a feedback data providing module for selectively transmitting information on the failure occurrence factor extracted by the failure occurrence factor extracting module to a product production system line according to a predetermined control value,
The defect occurrence factor extracting module recognizes that the dimensional error information is stored in the dimension comparison area and determines that the dimension error value information is equal to or larger than the predetermined deviation value And recognizes the defect as a defective product forming process, and transmits the defect occurrence factor information to the feedback data providing module.
삭제delete 삭제delete 삭제delete
KR1020140191723A 2014-12-29 2014-12-29 3d vision inspection system KR101631841B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140191723A KR101631841B1 (en) 2014-12-29 2014-12-29 3d vision inspection system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140191723A KR101631841B1 (en) 2014-12-29 2014-12-29 3d vision inspection system

Publications (1)

Publication Number Publication Date
KR101631841B1 true KR101631841B1 (en) 2016-06-21

Family

ID=56353979

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140191723A KR101631841B1 (en) 2014-12-29 2014-12-29 3d vision inspection system

Country Status (1)

Country Link
KR (1) KR101631841B1 (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018026053A1 (en) * 2016-08-01 2018-02-08 한화테크윈 주식회사 Ammunition monitoring apparatus, self-propelled artillery, and ammunition carrier
KR20180071764A (en) * 2016-12-20 2018-06-28 (주)마젠타로보틱스 Distance measuring system for atypical line using 3-dimension map
KR101991277B1 (en) * 2017-12-18 2019-06-20 한국기술교육대학교 산학협력단 An automobile parts quality assurancing method using markers and a device thereof
KR20190083803A (en) 2018-01-05 2019-07-15 영산대학교산학협력단 Automatic feeding device of extraction method
KR20190083796A (en) 2018-01-05 2019-07-15 영산대학교산학협력단 Automatic feeding device of discharge type
KR102108956B1 (en) 2019-11-13 2020-05-12 주식회사 만컴퍼니 Apparatus for Performing Inspection of Machine Vision and Driving Method Thereof, and Computer Readable Recording Medium
KR20200070905A (en) * 2018-12-10 2020-06-18 (주) 에스비네트워크 A apparatus and method for inspecting surface defect of screw type cutting processed goods
CN111352411A (en) * 2018-12-20 2020-06-30 北京新联铁集团股份有限公司 Hollow axle positioning method and device and intelligent hollow axle flaw detector
KR102177726B1 (en) * 2019-05-15 2020-11-12 한국기계연구원 Method and apparatus for inspecting workpiece
KR102520888B1 (en) 2022-07-12 2023-04-14 배종옥 Artificial Intelligence Three-Dimensional Vision Inspection System
KR102573361B1 (en) 2022-12-05 2023-09-01 (주)일광테크 Defect inspection and sorting discharge system for parts processed using bar processing equipment
KR102638254B1 (en) * 2023-10-16 2024-02-16 방수온 Methods and systems for dimensional measurement of mechanical workpieces based on machine vision comparative analysis techniques

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090115537A (en) * 2008-05-02 2009-11-05 중앙대학교 산학협력단 Robot and method for quality inspection
KR100933697B1 (en) * 2009-09-24 2009-12-24 주식회사 나노베이스 Apparatus for inspecting three dimensional shape using camera, inspection system including the same and inspection method using the same

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090115537A (en) * 2008-05-02 2009-11-05 중앙대학교 산학협력단 Robot and method for quality inspection
KR100933697B1 (en) * 2009-09-24 2009-12-24 주식회사 나노베이스 Apparatus for inspecting three dimensional shape using camera, inspection system including the same and inspection method using the same

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10866044B2 (en) 2016-08-01 2020-12-15 Hanwha Defense Co., Ltd. Ammunition monitoring apparatus, self-propelled artillery, and ammunition carrier
KR20180014558A (en) * 2016-08-01 2018-02-09 한화지상방산 주식회사 Ammunition monitoring apparatus, self-propelled artillery, and ammunition transporting vehicle
US20190120581A1 (en) * 2016-08-01 2019-04-25 Hanwha Land Systems Co., Ltd. Ammunition monitoring apparatus, self-propelled artillery, and ammunition carrier
KR102560683B1 (en) * 2016-08-01 2023-07-28 한화에어로스페이스 주식회사 Ammunition monitoring apparatus, self-propelled artillery, and ammunition transporting vehicle
WO2018026053A1 (en) * 2016-08-01 2018-02-08 한화테크윈 주식회사 Ammunition monitoring apparatus, self-propelled artillery, and ammunition carrier
KR20180071764A (en) * 2016-12-20 2018-06-28 (주)마젠타로보틱스 Distance measuring system for atypical line using 3-dimension map
KR101916203B1 (en) 2016-12-20 2019-01-30 (주)마젠타로보틱스 Distance measuring system for atypical line using 3-dimension map
US11315236B2 (en) 2017-12-18 2022-04-26 Korea University Of Technology And Education Industry-University Cooperation Foundation Method and apparatus for quality assurance of automobile component using marker
KR101991277B1 (en) * 2017-12-18 2019-06-20 한국기술교육대학교 산학협력단 An automobile parts quality assurancing method using markers and a device thereof
WO2019124919A1 (en) * 2017-12-18 2019-06-27 한국기술교육대학교 산학협력단 Method and apparatus for quality assurance of automobile component using marker
KR20190083803A (en) 2018-01-05 2019-07-15 영산대학교산학협력단 Automatic feeding device of extraction method
KR20190083796A (en) 2018-01-05 2019-07-15 영산대학교산학협력단 Automatic feeding device of discharge type
KR102261173B1 (en) 2018-12-10 2021-06-07 (주)스마트딥 A apparatus and method for inspecting surface defect of screw type cutting processed goods
KR20200070905A (en) * 2018-12-10 2020-06-18 (주) 에스비네트워크 A apparatus and method for inspecting surface defect of screw type cutting processed goods
CN111352411A (en) * 2018-12-20 2020-06-30 北京新联铁集团股份有限公司 Hollow axle positioning method and device and intelligent hollow axle flaw detector
CN111352411B (en) * 2018-12-20 2024-05-24 北京新联铁集团股份有限公司 Hollow axle positioning method and device and intelligent hollow axle flaw detector
KR102177726B1 (en) * 2019-05-15 2020-11-12 한국기계연구원 Method and apparatus for inspecting workpiece
KR102108956B1 (en) 2019-11-13 2020-05-12 주식회사 만컴퍼니 Apparatus for Performing Inspection of Machine Vision and Driving Method Thereof, and Computer Readable Recording Medium
KR102520888B1 (en) 2022-07-12 2023-04-14 배종옥 Artificial Intelligence Three-Dimensional Vision Inspection System
KR102573361B1 (en) 2022-12-05 2023-09-01 (주)일광테크 Defect inspection and sorting discharge system for parts processed using bar processing equipment
KR102638254B1 (en) * 2023-10-16 2024-02-16 방수온 Methods and systems for dimensional measurement of mechanical workpieces based on machine vision comparative analysis techniques

Similar Documents

Publication Publication Date Title
KR101631841B1 (en) 3d vision inspection system
KR20170080910A (en) 3d shape inspection system
CN100547351C (en) A kind of machine vision localization method
CN114041168A (en) Automated 360-degree dense point object inspection
CN104913722B (en) A kind of car body controller connector pin normotopia degree detection method
US8180476B2 (en) Machining state checking method and machining state checking apparatus
EP3102018A1 (en) Quality management device and method for controlling quality management device
KR102056664B1 (en) Method for work using the sensor and system for performing thereof
JP2013515959A (en) System and method for runtime determination of camera miscalibration
CN104359404A (en) Quick visual detection method for plenty of guide holes of small sizes in airplane parts
DE102008041524A1 (en) Method and device for carrying out three-dimensional measurements
US10782671B2 (en) Method for operating a pass-through machine and a pass-through machine for edge machining and trimming of workpieces
DE102009030644B4 (en) Non-contact detection device
CN112233994B (en) Chip gold wire detection method
CN107121967A (en) A kind of laser is in machine centering and inter process measurement apparatus
US9743527B2 (en) Stencil programming and inspection using solder paste inspection system
CN105023018A (en) Jet code detection method and system
CN111626995B (en) Intelligent insert detection method and device for workpiece
CN102538707B (en) Three dimensional localization device and method for workpiece
CN104197850A (en) Component pin detection method and device based on machine vision
JP6829946B2 (en) Parts inspection equipment and methods
US20130342659A1 (en) Three-dimensional position/attitude recognition apparatus, three-dimensional position/attitude recognition method, and three-dimensional position/attitude recognition program
CN107367245A (en) Null Spot detection and elimination method in optical three-dimensional contour measurement
CN111829948A (en) Electronic component detection system and method
CN111738971A (en) Circuit board stereo scanning detection method based on line laser binocular stereo vision

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190401

Year of fee payment: 4