KR102207019B1 - Container recognition module and method of packaging sealer - Google Patents

Container recognition module and method of packaging sealer Download PDF

Info

Publication number
KR102207019B1
KR102207019B1 KR1020200012706A KR20200012706A KR102207019B1 KR 102207019 B1 KR102207019 B1 KR 102207019B1 KR 1020200012706 A KR1020200012706 A KR 1020200012706A KR 20200012706 A KR20200012706 A KR 20200012706A KR 102207019 B1 KR102207019 B1 KR 102207019B1
Authority
KR
South Korea
Prior art keywords
container
image
packaging
genuine
sealer
Prior art date
Application number
KR1020200012706A
Other languages
Korean (ko)
Inventor
김영민
송재학
박상현
Original Assignee
(주)세창실업
주식회사 이에스피
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)세창실업, 주식회사 이에스피 filed Critical (주)세창실업
Priority to KR1020200012706A priority Critical patent/KR102207019B1/en
Application granted granted Critical
Publication of KR102207019B1 publication Critical patent/KR102207019B1/en
Priority to PCT/KR2021/001314 priority patent/WO2021157984A1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • B65B57/02—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of binding or wrapping material, containers, or packages
    • G06K9/46—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Abstract

According to an embodiment, a module for recognizing a container of a packing sealer, which recognizes an image of a container inputted into a packing machine or a sealer to compare the inputted container image with a genuine product and then, proceeds a packing process when the inputted container is authenticated as the genuine product. According to the embodiment, the module for recognizing a container of a packing sealer restrains use to reduce a defect rate of the completed product when the module is not the genuine container and checks whether the recognized container is genuine regardless of an input direction of the container to be recognized to improve use convenience of the module.

Description

포장용 실링기의 용기 인식 모듈 및 방법{CONTAINER RECOGNITION MODULE AND METHOD OF PACKAGING SEALER}Container recognition module and method of packing sealing machine {CONTAINER RECOGNITION MODULE AND METHOD OF PACKAGING SEALER}

용기 인식 모듈 및 방법에 관한 것으로 구체적으로, 포장용 실링기에 장착되어 정품용기와 실링기로 투입된 용기 이미지를 비교하여 투입된 용기의 정품 여부를 확인하는 포장용 실링기의 용기 인식 모듈 및 방법에 관한 것이다. It relates to a container recognition module and method, and more particularly, to a container recognition module and method of a packaging sealer that is mounted on a packaging sealer and compares an image of a container put into the sealer with a genuine container to check whether the inserted container is genuine.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.Unless otherwise indicated herein, the content described in this section is not prior art to the claims of this application, and inclusion in this section is not admitted to be prior art.

포장기계(packaging machinery)는 물품을 포장 및 밀봉하는 기계로서, 자동포장기계(automatic packaging machinery)를 의미한다. 개별적인 기계를 가리킬 때는 포장기(packaging machine), 자동포장기(automatic packaging machine)라고 한다. 포장기계는 일반적으로 포장대상품과 포장재료의 공급방식에 따라 전자동포장기계와 반자동포장기계로 분류되고, 포장대상품의 취급 범위에 의해 범용포장기계, 겸용포장기계, 전용포장기계로 나뉘어진다. 또한, 포장의 종류에 따라 개장용이나 내장용 기계와 외장용 기계로 각각 분류된다. 실링기는 제품 생산 공장부터 가정에 이르기 까지 다양한 곳에서 사용되고 있다. Packaging machinery (packaging machinery) is a machine for packaging and sealing goods, it means automatic packaging machinery (automatic packaging machinery). When referring to individual machines, they are referred to as packaging machines and automatic packaging machines. Packaging machines are generally classified into fully automatic packaging machines and semi-automatic packaging machines according to the method of supplying packaging products and packaging materials, and are divided into general-purpose packaging machines, combined packaging machines, and dedicated packaging machines according to the scope of handling of packaging products. In addition, depending on the type of packaging, it is classified into retrofit or interior machines and exterior machines. Sealing machines are used in a variety of places from product manufacturing plants to homes.

종래 포장기계는 실링해야 할 제품 투입이 인식되면, 인식직후 포장 또는 실링을 진행하기 때문에 정품이 아닌 제품이 투입되더라도 자동으로 포장을 진행하여 완성 제품의 불량률을 높이는 문제가 있다. In the conventional packaging machine, when the input of the product to be sealed is recognized, packaging or sealing is performed immediately after recognition, so even if a non-genuine product is input, the packaging is automatically performed, thereby increasing the defect rate of the finished product.

1. 한국 특허공개 제10-2018-0050635호(2018.05.15)1. Korean Patent Publication No. 10-2018-0050635 (2018.05.15)

포장기계 또는 실링기에 투입된 용기의 이미지를 인식하여 투입된 용기 이미지를 정품이미지와 비교한 후 투입된 용기가 정품용기로 승인된 경우 포장 프로세스를 진행하도록 하는 포장용 실링기의 용기 인식 모듈 및 방법을 제공한다. It provides a container recognition module and method of a packaging sealer that recognizes an image of a container put into a packaging machine or sealing machine, compares the image of the put container with the genuine image, and then proceeds with the packaging process when the inserted container is approved as a genuine container.

실시예에서는 전용 용기 인식 모듈을 활용하여 정품용기가 아닌 경우 사용을 제한하기 위해 배달용 용기 및 음표 자동 포장기에서 커버 실링 시 포장 용기가 정품 사용 여부를 확인하기 위한 포장용기의 정품 여부를 확인하여 영상인식에 의한 실링기 용기 정품 인식을 수행한다. 예컨대, 포장 용기에는 정품 인식을 위한 문자, 문양, 마크가 새겨져 있고 용기에 새겨진 모양을 카메라를 활용하역 인식 후 정품이 아닌 경우 자동 포장기의 사용을 제약한다. In the embodiment, in order to limit the use of non-genuine containers using a dedicated container recognition module, image recognition by checking whether the packaging container is genuine to check whether the packaging container is genuine when the cover is sealed in the delivery container and the automatic note packaging machine. Performs authentic recognition of the sealer container by For example, the packaging container is engraved with characters, patterns, and marks for authenticity recognition, and the use of an automatic packaging machine is restricted if the container is not genuine after unloading recognition using a camera.

실시예에 따른 인식 모듈은 인식하고자 하는 마크, 로고, 상표 등의 모양을 카메라 또는 이미지를 인식용 모듈에 학습하여 학습된 정보를 기반으로 새로운 용기가 투입 되었을 때 정품 여부를 파악 할 수 있다.The recognition module according to the embodiment may learn the shape of a mark, logo, trademark, etc. to be recognized by a camera or an image to the recognition module to determine whether a new container is genuine when a new container is inserted based on the learned information.

실시예에 따른 포장용 실링기의 용기 인식 모듈은 정품 용기의 이미지 및 용기 이미지 학습데이터를 저장하는 데이터베이스; 포장용 실링기로의 용기 투입을 인식하는 인식부; 용기 인식 모듈이 용기 이미지 학습 모드인 아닌 경우, 인식된 용기 이미지를 입력하여 머신 러닝(machine learning) 하고, 정품 용기 이미지 및 인식된 용기 이미지 패턴을 학습하는 학습부; 용기 인식 모듈이 이미지 비교 모드인 경우, 투입된 용기 이미지와 정품 용기 이미지를 학습부의 학습 결과에 따라 비교하는 비교부; 및 투입된 용기 이미지와 정품 용기 이미지 비교 결과에 따라 용기 포장 프로세스를 진행하는 제어부; 를 포함한다. The container recognition module of the packaging sealer according to the embodiment includes a database for storing images of genuine containers and container image learning data; Recognition unit for recognizing the input of the container into the sealing machine for packaging; When the container recognition module is not in the container image learning mode, a learning unit that inputs the recognized container image to perform machine learning, and learns the genuine container image and the recognized container image pattern; When the container recognition module is in the image comparison mode, a comparison unit for comparing the input container image and the genuine container image according to the learning result of the learning unit; And a control unit for performing a container packaging process according to a result of comparing the input container image and the genuine container image. Includes.

다른 실시예에 따른 포장용 실링기의 용기 인식 방법은 (A) 포장용 실링기의 용기 인식 모듈에 정품 용기의 이미지 및 용기 이미지 학습데이터를 저장하는 단계; (B) 포장용 실링기의 용기 인식 모듈에 포장용 실링기 안으로 용기 투입을 인식하는 단계; (C) 포장용 실링기의 용기 인식 모듈에서 작동 모드를 확인하는 단계; (D) 포장용 실링기의 용기 인식모듈이 학습모드인 경우, 인식된 용기 이미지를 입력하여 머신 러닝 하고, 정품 용기 이미지 및 인식된 용기 이미지 패턴을 학습하는 단계; (E) 포장용 실링기의 용기 인식모듈이 이미지 비교 모드인 경우, 투입된 용기 이미지와 정품 용기 이미지를 상기 패턴 학습 결과에 따라 비교하는 단계; 및 (F) 포장용 실링기의 용기 인식모듈에서 상기 투입된 용기 이미지와 정품 용기 이미지 비교 결과에 따라 용기 포장 프로세스를 진행하는 단계; 를 포함한다. A container recognition method of a packaging sealer according to another embodiment includes the steps of: (A) storing an image of a genuine container and container image learning data in a container recognition module of the packaging sealer; (B) recognizing the input of the container into the packaging sealer in the container recognition module of the packaging sealer; (C) checking an operation mode in the container recognition module of the packaging sealer; (D) when the container recognition module of the packaging sealer is in the learning mode, machine learning by inputting the recognized container image, and learning the genuine container image and the recognized container image pattern; (E) when the container recognition module of the packaging sealer is in the image comparison mode, comparing the input container image and the genuine container image according to the pattern learning result; And (F) performing a container packaging process according to the comparison result of the input container image and the genuine container image in the container recognition module of the packing sealer. Includes.

실시예에 따른 포장용 실링기의 용기 인식 모듈은 정품용기가 아닌 경우 사용을 제한하여 완성 제품의 불량률을 낮추고, 인식 대상이 되는 용기의 투입 방향과 관계 없이 인식 용기의 정품여부를 확인할 수 있도록 하여, 모듈의 이용편의성을 향상시킨다. The container recognition module of the packaging sealer according to the embodiment restricts the use of the container if it is not a genuine container to reduce the defective rate of the finished product, and allows you to check whether the recognition container is genuine regardless of the input direction of the container to be recognized, It improves the usability of the module.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the above effects, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.

도 1은 실시예에 따른 포장용 실링기의 용기인식모듈의 데이터 처리 구성을 나타낸 도면
도 2는 실시예에 따른 포장용 실링기의 용기인식 모듈의 특징 추출과정을 설명하기 위한 도면
도 3은 실시예에 따른 포장용 실링기의 용기 인식 방법의 데이터 처리과정을 나타낸 도면
도 4는 실시예에 따른 인식된 이미지와 정품이미지를 영역별로 비교하기 위한 영역별 섹터를 나타낸 도면1 is a view showing the data processing configuration of the container recognition module of the packaging sealing machine according to the embodiment
2 is a view for explaining a feature extraction process of the container recognition module of the packaging sealing machine according to the embodiment
3 is a view showing a data processing process of a container recognition method of a packaging sealer according to an embodiment
4 is a view showing sector-specific sectors for comparing a recognized image and a genuine image according to an embodiment.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.Advantages and features of the present invention, and a method of achieving them will become apparent with reference to the embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in a variety of different forms, only the present embodiments are intended to complete the disclosure of the present invention, and the general knowledge in the technical field to which the present invention pertains. It is provided to completely inform the scope of the invention to those who have it, and the invention is only defined by the scope of the claims. The same reference numerals refer to the same elements throughout the specification.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In describing embodiments of the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the subject matter of the present invention, a detailed description thereof will be omitted. In addition, terms to be described later are terms defined in consideration of functions in an embodiment of the present invention, which may vary according to the intention or custom of users or operators. Therefore, the definition should be made based on the contents throughout this specification.

도 1은 실시예에 따른 포장용 실링기의 용기인식모듈의 데이터 처리 구성을 나타낸 도면이다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다. 1 is a view showing a data processing configuration of a container recognition module of a packaging sealing machine according to an embodiment. The term'module' used in this specification should be interpreted as being capable of including software, hardware, or a combination thereof, depending on the context in which the term is used. For example, the software may be machine language, firmware, embedded code, and application software. As another example, the hardware may be a circuit, a processor, a computer, an integrated circuit, an integrated circuit core, a sensor, a MEMS (Micro-Electro-Mechanical System), a passive device, or a combination thereof.

도 1을 참조하면, 실시예에 따른 포장용 실링기의 용기인식 모듈은 카메라(10), 데이터베이스(15), 인식부(20), 학습부(30), 비교부(40), 제어부(50) 및 출력부(60)를 포함하여 구성될 수 있다. Referring to FIG. 1, the container recognition module of the packaging sealer according to the embodiment includes a camera 10, a database 15, a recognition unit 20, a learning unit 30, a comparison unit 40, and a control unit 50. And it may be configured to include an output unit 60.

데이터베이스(15)는 정품 용기의 이미지 및 용기 이미지 학습데이터를 저장한다. 예컨대, 데이터베이스(15)에는 정품용기에 나타난 로고, 정품마크, 상표 이미지, 정품 용기의 가로 세로 비율 등을 학습 시켜 저장하고, 인식된 용기 이미지의 학습 데이터 및 정품이 아닌 것으로 판정된 용기의 특징 데이터 등 이미지 판정 및 머신 러닝에 필요한 일련의 데이터를 저장한다. The database 15 stores images of genuine containers and container image learning data. For example, the database 15 learns and stores the logo, the genuine mark, the trademark image, the aspect ratio of the genuine container, etc. that appear on the genuine container, and the learning data of the recognized container image and the characteristic data of the container determined to be non-genuine It stores a series of data necessary for image judgment and machine learning, etc.

인식부(20)는 실링기 또는 포장기계로의 용기투입을 인식하는 센서로서, 실링기 또는 포장기계의 용기 투입구 측에 장착되어 인식할 용기가 투입되는 것을 인식하고, 인식완료 후 카메라로 이미지 생성 요청 신호를 전달한다. The recognition unit 20 is a sensor that recognizes the container input to the sealing machine or packaging machine, and is mounted on the container input port of the sealing machine or packaging machine to recognize that the container to be recognized is input, and after the recognition is completed, an image is generated by the camera. It carries the request signal.

카메라(10)는 인식부(20)로부터 전달된 이미지 생성 요청 신호에 따라 실링기의 용기 투입구에 장착되어 실링기 또는 포장기계로 진입하는 용기의 이미지를 생성하고, 생성된 이미지를 학습부(30)로 전달한다.The camera 10 generates an image of a container that is mounted at the container inlet of the sealing machine and enters the sealing machine or packaging machine according to the image generation request signal transmitted from the recognition unit 20, and uses the generated image to the learning unit 30 ).

학습부(30)는 용기 인식모듈의 동작모드를 확인하고, 용기 인식모듈이 이미지 학습 모드인 경우, 인식된 용기 이미지를 입력하여 머신 러닝 하고, 정품 용기 이미지 및 인식된 용기 이미지 패턴을 학습한다. 또한, 학습부(30)는 정품 이미지 정보와 인식된 이미지 정보가 결합된 학습 데이터를 생성하여 학습데이터로 인식된 이미지 데이터의 특징을 모델링 한다. 예컨대, 학습부(30)는 정품이미지와 인식된 이미지의 최 외곽 에지를 겹쳐 학습데이터를 생성하는 경우, 두 이미지의 크기 및 가로세로비율이 일치하는지 확인하고, 이미지 내부 객체들이 일정 수준 이상 겹쳐지는지 파악한다. 또한, 정품이미지 및 인식된 용기 이미지 크기에 따른 로고 및 정품인증마크, 상표의 비율과 크기를 학습한다.The learning unit 30 checks the operation mode of the container recognition module, and when the container recognition module is in the image learning mode, inputs the recognized container image to perform machine learning, and learns the genuine container image and the recognized container image pattern. In addition, the learning unit 30 models the characteristics of the image data recognized as the training data by generating training data in which genuine image information and the recognized image information are combined. For example, when generating training data by overlapping the genuine image and the outermost edge of the recognized image, the learning unit 30 checks whether the size and aspect ratio of the two images match, and whether the objects inside the image overlap a certain level or more. To grasp. In addition, it learns the ratio and size of the logo, genuine certification mark, and trademark according to the genuine image and the recognized container image size.

비교부(40)는 용기 인식 모듈의 용기 이미지 비교 모드가 시작되는 경우, 투입된 용기 이미지와 정품 용기 이미지를 비교한다. 학습부로부터 인식된 이미지 데이터의 특징 정보를 전달받고, 인식된 이미지에서 에지와 특징 점들을 추출하는 1차 비교 마스크를 생성하여, 정품이미지와 인식된 이미지의 에지와 특징점의 일치율을 추출한다.When the container image comparison mode of the container recognition module starts, the comparison unit 40 compares the input container image and the genuine container image. By receiving feature information of the recognized image data from the learning unit, and generating a first order comparison mask that extracts edges and feature points from the recognized image, the matching rate between the genuine image and the edge and feature points of the recognized image is extracted.

이후 비교부(40)은 정품이미지와 인식된 이미지의 에지와 특징점의 일치율이 설정값 이상인 경우, 인식된 이미지와 정품이미지를 영역별로 비교하여 영역별 섹터이미지 일치율의 최소값, 최대값, 평균값 및 표준편차 값을 산출한다. 비교부(40)는 산출된 섹터 이미지 일치율의 최소값과 최대값 차이가 기설정값 이하이고, 표준편차 값이 설정값 미만이고. 평균값과 최대값의 차이 및 평균값과 최소값의 차이가 일정 범위 미만인 경우, 인식된 이미지를 정품이미지로 승인한다.Thereafter, when the matching rate between the genuine image and the recognized image edge and the feature point is greater than or equal to the set value, the comparison unit 40 compares the recognized image and the genuine image for each area to determine the minimum, maximum, average and standard sector image matching rates for each area. Calculate the deviation value. The comparison unit 40 has a difference between a minimum value and a maximum value of the calculated sector image matching rate less than or equal to a preset value, and a standard deviation value less than the set value. If the difference between the average value and the maximum value and the difference between the average value and the minimum value are less than a certain range, the recognized image is approved as a genuine image.

제어부(50)는 투입된 용기 이미지와 정품 용기 이미지 비교 결과에 따라 용기 포장 프로세스를 진행한다.The control unit 50 performs a container packaging process according to the comparison result of the input container image and the genuine container image.

출력부(60)는 투입된 용기의 인식 상태정보 및 비교 결과를 출력하여 사용자에게 제공한다. The output unit 60 outputs the recognition state information and the comparison result of the inserted container and provides it to the user.

도 2는 실시예에 따른 포장용 실링기의 용기인식 모듈의 특징 추출과정을 설명하기 위한 도면이다. 2 is a view for explaining a feature extraction process of the container recognition module of the packaging sealer according to the embodiment.

실시예에 따른 포장용 실링기의 용기 인식 모듈은 정품용기가 아닌 경우 실링기 또는 포장기의 사용을 제한하기 위해, 배달용 용기 및 자동 포장기에서 커버 실링 시 포장 용기가 정품 여부를 확인한다. 도 2에 도시된 바와 같이, 실시예에 따른 포장용 실링기의 용기 인식모듈의 비교부(40)는 인식된 용기 표면의 에지(E1)를 추출하여, 에지의 가로 세로 비율이 정품 용기와 동일한지 확인한다. 이후, 용기 표면에 로고, 정품마크, 브랜드 표시 등이 표시된 특징 영역(F1, F2, F3)을 추출하여 특징영역에 포함된 로고와 마크가 정품과 일치하는지 파악한다. The container recognition module of the packaging sealer according to the embodiment checks whether the packaging container is genuine when cover-sealing in a delivery container and an automatic packaging machine in order to limit the use of the sealer or the packaging machine if it is not a genuine container. As shown in Fig. 2, the comparison unit 40 of the container recognition module of the packaging sealer according to the embodiment extracts the edge E1 of the recognized container surface, and whether the aspect ratio of the edge is the same as the genuine container. Confirm. Thereafter, the feature regions F1, F2, F3 in which the logo, genuine mark, and brand mark are displayed on the container surface are extracted to determine whether the logo and mark included in the feature region match the genuine product.

이하에서는 포장용 실링기의 용기 인식 방법에 대해서 차례로 설명한다. 실시예에 따른 포장용 실링기의 용기 인식 방법의 작용(기능)은 포장용 실링기의 용기 인식모듈의 기능과 본질적으로 같은 것이므로 도 1 및 도 2와 중복되는 설명은 생략하도록 한다. Hereinafter, a container recognition method of the packaging sealer will be sequentially described. Since the function (function) of the container recognition method of the packaging sealer according to the embodiment is essentially the same as the function of the container recognition module of the packaging sealer, the overlapping description with FIGS. 1 and 2 will be omitted.

도 3은 실시예에 따른 포장용 실링기의 용기 인식 방법의 데이터 처리과정을 나타낸 도면이다. 3 is a view showing a data processing process of a container recognition method of a packaging sealer according to an embodiment.

포장용 실링기의 용기 인식 모듈에 정품 용기의 이미지 및 용기 이미지 학습데이터를 저장하고, S10 단계에서는 인식부에서 포장용 실링기 안으로 용기 투입을 인식한다. The image of the genuine container and the learning data of the container image are stored in the container recognition module of the packing sealer, and in step S10, the recognition unit recognizes the input of the container into the packing sealer.

S20 단계에서는 학습부에서 용기 인식 모듈에서 작동 모드를 확인한다. In step S20, the learning unit checks the operation mode in the container recognition module.

포장용 실링기의 용기 인식모듈이 이미지 학습 모드인 경우, S30 단계에서는 인식된 용기 이미지를 입력하여 머신 러닝 하고, 정품 용기 이미지 및 인식된 용기 이미지 패턴을 학습한다. 실시예에서 S30 단계는 정품 이미지 정보와 인식된 이미지 정보가 결합된 학습 데이터를 생성하여 상기 학습데이터로 인식된 이미지 데이터의 특징을 모델링 할 수 있다.When the container recognition module of the packaging sealer is in the image learning mode, in step S30, the recognized container image is input to perform machine learning, and the genuine container image and the recognized container image pattern are learned. In an embodiment, in step S30, training data in which genuine image information and recognized image information are combined may be generated to model characteristics of the image data recognized as the training data.

S40 단계에서는 인식된 용기 이미지를 입력하여 머신 러닝을 수행하고, S50 단계에서는 인식된 용기 이미지 학습이 종료되었는지 파악한다. 종료된 경우, S60 단계에서 학습정보를 저장하고 용기 이미지 학습이 종료되지 않은 경우에는 S40 단계로 다시 진입한다.In step S40, machine learning is performed by inputting the recognized container image, and in step S50, it is determined whether learning of the recognized container image has ended. When it is finished, the learning information is stored in step S60, and if the container image learning is not finished, the process goes back to step S40.

S20 단계에서 용기 인식 모듈이 이미지 비교모드인 경우, S70 단계로 진입하여 실링기 또는 포장기계에 용기를 투입한다. S80 단계에서는 투입된 용기 이미지와 비교할 정품 이미지를 로드하고, S90 단계에서는 용기 이미지와 정품 이미지가 일치하는지 파악한다. In the case where the container recognition module is in the image comparison mode in step S20, the container enters the step S70 and inserts the container into the sealing machine or packaging machine. In step S80, a genuine image to be compared with the input container image is loaded, and in step S90, it is determined whether the container image and the genuine image match.

실시예에서 S90 단계에서는 학습부로부터 인식된 이미지 데이터의 특징 정보를 전달받고, 인식된 이미지에서 에지와 특징 점들을 추출하는 1차 비교 마스크를 생성하고, 정품이미지와 인식된 이미지의 에지와 특징점의 일치율을 추출한다. 또한, 정품이미지와 인식된 이미지의 에지와 특징점의 일치율이 설정값 이상인 경우, 인식된 이미지와 정품이미지를 영역별로 비교하여 영역별 섹터이미지 일치율의 최소값, 최대값, 평균값 및 표준편차 값을 산출한다.In the embodiment, in step S90, feature information of the recognized image data is received from the learning unit, a first order comparison mask is generated for extracting edges and feature points from the recognized image, and between the genuine image and the edge and feature points of the recognized image. Extract the match rate. In addition, when the matching rate between the edge and feature points of the genuine image and the recognized image is greater than or equal to the set value, the recognized image and the genuine image are compared for each area to calculate the minimum, maximum, average and standard deviation values of the sector image matching rate for each area. .

실시예에서는 산출된 섹터 이미지 일치율의 최소값과 최대값 차이가 기설정값 이하이고, 표준편차 값이 설정값 미만이고, 평균값과 최대값의 차이 및 평균값과 최소값의 차이가 일정 범위 미만인 경우, 인식된 이미지를 정품이미지로 승인한다. 이후, S100 단계에서 용기 일치 메시지를 출력하고 S110 단계에서는 정품 이미지로 승인된 용기의 포장 프로세스를 진행한다. 만일 S90 단계에서 용기 이미지가 일치하지 않는 것으로 판단된 경우, S95 단계에서 용기 불일치 메시지를 출력한다. In the embodiment, when the difference between the minimum and maximum values of the calculated sector image matching rate is less than a preset value, the standard deviation value is less than the set value, the difference between the average value and the maximum value, and the difference between the average value and the minimum value is less than a certain range, the recognized The image is approved as a genuine image. Thereafter, in step S100, a container matching message is output, and in step S110, a packaging process of a container approved as a genuine image is performed. If it is determined in step S90 that the container images do not match, a container mismatch message is output in step S95.

도 4는 실시예에 따른 인식된 이미지와 정품이미지를 영역별로 비교하기 위한 영역별 섹터를 나타낸 도면이다. 4 is a view showing sector-by-region comparisons between a recognized image and a genuine image according to an embodiment.

도 4를 참조하면, 실시예에 따른 포장용 실링기의 용기인식모듈은 인식된 용기 이미지와 정품이미지를 영역별로 나눈 섹터(S1, S2)를 생성하고 두 이미지에서 각각의 섹터를 비교한다. 영역별 섹터이미지 일치율의 최소값, 최대값, 평균값 및 표준편차 값을 산출한다. 실시예에서는 산출된 섹터 이미지 일치율의 최소값과 최대값 차이가 기설정값 이하이고, 표준편차 값이 설정값 미만이고, 평균값과 최대값의 차이 및 평균값과 최소값의 차이가 일정 범위 미만인 경우, 인식된 용기를 정품으로 승인한다. 실시예에서는 영역별 섹터 각각의 일치율을 산출함으로써, 인식된 용기 이미지 전 영역의 일치율이 일정 수준 이상인 경우에만 정품이미지로 승인하여 로고, 상표 도용을 막고, 정품용기와 일치하지 않는 부분이 있는 경우, 작은 차이까지 검출할 수 있도록 한다. 4, the container recognition module of the packaging sealing machine according to the embodiment generates sectors S1 and S2 in which the recognized container image and the genuine image are divided by regions, and compares each sector in the two images. Calculate the minimum, maximum, average and standard deviation values of the sector image matching rate for each area. In the embodiment, when the difference between the minimum and maximum values of the calculated sector image matching rate is less than a preset value, the standard deviation value is less than the set value, the difference between the average value and the maximum value, and the difference between the average value and the minimum value is less than a certain range, the recognized Authorize the container as genuine. In the embodiment, by calculating the matching rate of each sector for each area, it is approved as a genuine image only when the matching rate of all areas of the recognized container image is higher than a certain level to prevent theft of logos and trademarks, and when there is a part that does not match the genuine container, It makes it possible to detect even small differences.

실시예에 따른 포장용 실링기의 용기 인식 모듈은 정품용기가 아닌 경우 사용을 제한하여 완성 제품의 불량률을 낮추고, 인식 대상이 되는 용기의 투입 방향과 관계 없이 인식 용기의 정품여부를 확인할 수 있도록 하여, 모듈의 이용편의성을 향상시킨다. The container recognition module of the packaging sealer according to the embodiment restricts the use of the container if it is not a genuine container to reduce the defective rate of the finished product, and allows you to check whether the recognition container is genuine regardless of the input direction of the container to be recognized, It improves the usability of the module.

개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.The disclosed contents are only examples, and various changes can be made by those of ordinary skill in the art without departing from the gist of the claims claimed in the claims, so the scope of protection of the disclosed contents is It is not limited to the examples.

Claims (10)

삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 포장용 실링기의 용기 인식 방법에 있어서,
(A) 포장용 실링기의 용기 인식 모듈에 정품 용기의 이미지 및 용기 이미지 학습데이터를 저장하는 단계;
(B) 포장용 실링기의 용기 인식 모듈에 포장용 실링기 안으로 용기 투입을 인식하는 단계;
(C) 포장용 실링기의 용기 인식 모듈에서 작동 모드를 확인하는 단계;
(D) 포장용 실링기의 용기 인식모듈이 학습모드인 경우, 인식된 용기 이미지를 입력하여 머신 러닝 하고, 정품 용기 이미지 및 인식된 용기 이미지 패턴을 학습하는 단계;
(E) 포장용 실링기의 용기 인식모듈이 이미지 비교 모드인 경우, 투입된 용기 이미지와 정품 용기 이미지를 상기 패턴 학습 결과에 따라 비교하는 단계; 및
(F) 포장용 실링기의 용기 인식모듈에서 상기 투입된 용기 이미지와 정품 용기 이미지 비교 결과에 따라 용기 포장 프로세스를 진행하는 단계; 를 포함하는 포장용 실링기의 용기 인식 방법.
In the container recognition method of a packaging sealing machine,
(A) storing the image of the genuine container and the container image learning data in the container recognition module of the packaging sealer;
(B) recognizing the input of the container into the packaging sealer in the container recognition module of the packaging sealer;
(C) checking an operation mode in the container recognition module of the packaging sealer;
(D) when the container recognition module of the packaging sealer is in the learning mode, machine learning by inputting the recognized container image, and learning the genuine container image and the recognized container image pattern;
(E) when the container recognition module of the packaging sealer is in the image comparison mode, comparing the input container image and the genuine container image according to the pattern learning result; And
(F) performing a container packaging process according to the comparison result of the input container image and the genuine container image in the container recognition module of the packing sealer; Container recognition method of a packaging sealer comprising a.
 제 6항에 있어서, 상기 (D)의 단계; 는
정품 이미지 정보와 인식된 이미지 정보가 결합된 학습 데이터를 생성하여 상기 학습데이터로 인식된 이미지 데이터의 특징을 모델링 하는 것을 특징으로 하는 포장용 실링기의 용기 인식 방법.
According to claim 6, The step of (D); Is
A container recognition method for a packaging sealing machine, characterized in that by generating training data in which genuine image information and recognized image information are combined to model characteristics of the image data recognized as the training data.
 삭제delete 삭제delete 삭제delete
KR1020200012706A 2020-02-03 2020-02-03 Container recognition module and method of packaging sealer KR102207019B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200012706A KR102207019B1 (en) 2020-02-03 2020-02-03 Container recognition module and method of packaging sealer
PCT/KR2021/001314 WO2021157984A1 (en) 2020-02-03 2021-02-01 Container recognition module and method for packaging sealer

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200012706A KR102207019B1 (en) 2020-02-03 2020-02-03 Container recognition module and method of packaging sealer

Publications (1)

Publication Number Publication Date
KR102207019B1 true KR102207019B1 (en) 2021-01-25

Family

ID=74237939

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200012706A KR102207019B1 (en) 2020-02-03 2020-02-03 Container recognition module and method of packaging sealer

Country Status (2)

Country Link
KR (1) KR102207019B1 (en)
WO (1) WO2021157984A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021157984A1 (en) * 2020-02-03 2021-08-12 (주) 세창실업 Container recognition module and method for packaging sealer
KR20220169718A (en) 2021-06-21 2022-12-28 주식회사 에이치앤디에스 Sealing device for packaging container

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6318568Y2 (en) * 1983-03-22 1988-05-25
JP2016064867A (en) * 2014-09-26 2016-04-28 ゼネラルパッカー株式会社 Packaging machine with printing avoidance function
KR20180050635A (en) 2018-05-04 2018-05-15 (주)에이치아이티에스 Sealing device of the packaging equipment automation machine
JP2019040281A (en) * 2017-08-23 2019-03-14 キリンテクノシステム株式会社 Label inspection method and inspection apparatus
KR20190039297A (en) * 2016-10-19 2019-04-10 주식회사 코글릭스 Inspection method and apparatus
JP2019191086A (en) * 2018-04-27 2019-10-31 株式会社明治 Inspection method and inspection apparatus for twisted package

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102207019B1 (en) * 2020-02-03 2021-01-25 (주)세창실업 Container recognition module and method of packaging sealer

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6318568Y2 (en) * 1983-03-22 1988-05-25
JP2016064867A (en) * 2014-09-26 2016-04-28 ゼネラルパッカー株式会社 Packaging machine with printing avoidance function
KR20190039297A (en) * 2016-10-19 2019-04-10 주식회사 코글릭스 Inspection method and apparatus
JP2019040281A (en) * 2017-08-23 2019-03-14 キリンテクノシステム株式会社 Label inspection method and inspection apparatus
JP2019191086A (en) * 2018-04-27 2019-10-31 株式会社明治 Inspection method and inspection apparatus for twisted package
KR20180050635A (en) 2018-05-04 2018-05-15 (주)에이치아이티에스 Sealing device of the packaging equipment automation machine

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021157984A1 (en) * 2020-02-03 2021-08-12 (주) 세창실업 Container recognition module and method for packaging sealer
KR20220169718A (en) 2021-06-21 2022-12-28 주식회사 에이치앤디에스 Sealing device for packaging container

Also Published As

Publication number Publication date
WO2021157984A1 (en) 2021-08-12

Similar Documents

Publication Publication Date Title
KR102207019B1 (en) Container recognition module and method of packaging sealer
CN113139445A (en) Table recognition method, apparatus and computer-readable storage medium
CN109325538B (en) Object detection method, device and computer-readable storage medium
CN105184957B (en) A kind of paper money discrimination method and system
CN108320373B (en) Method and device for detecting anti-counterfeiting mark of paper money
US20160203291A1 (en) Drug verification device, drug verification system and drug verification method
CN106875007A (en) End-to-end deep neural network is remembered based on convolution shot and long term for voice fraud detection
WO2014156430A1 (en) Authenticity determination system, feature point registration device, operation control method therefor, matching determination device, and operation control method therefor
US20110222744A1 (en) Face recognition apparatus and method using plural face images
US20220415012A1 (en) Image processing based methods and apparatus for planogram compliance
CN105321255B (en) Sheet paper identification device, bill handling device and paper recognition methods
CN110533704B (en) Method, device, equipment and medium for identifying and verifying ink label
CN105787419A (en) Palm detection method and palm detection system for palm image
US8505810B1 (en) Systems and methods for adding authenticating features to process molded parts and the resultant molded parts
CN109493084A (en) A kind of anti-fake method for preventing goods from altering based on the identification of sequential image information code
US8791793B2 (en) Systems and methods for identifying process molded parts
US20230085252A1 (en) Product Packaging and Associated System and Method for Authenticating a Product
WO2019170090A1 (en) Anti-counterfeit label and anti-counterfeit label verification method
CN109318612A (en) A kind of method for anti-counterfeit of seal, device and intelligent seal
CN115035523A (en) Data identification method and mobile terminal
CN103902995A (en) Method and device for automatically typing in form content
CN114067182A (en) Model processing method and device, storage medium and electronic equipment
JP2002092674A (en) Device and method of detecting postage stamp and device and method of dealing with letter
US20210082321A1 (en) Automated detection of tampering
Guo et al. Face detection with abstract template

Legal Events

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