KR102253385B1 - 불량 멀티포장제품 검출시스템 - Google Patents

Abstract

본 발명에 따른 불량 멀티포장제품 검출시스템은, 개별포장된 낱개 라면제품이 정해진 수량만큼 밀집배치되어 구성된 멀티세트를 촬영하여 이에 대한 영상데이터를 획득하는 촬영장치와, 상기 영상데이터를 분석하여 멀티세트를 구성하는 라면제품의 수량오류를 판단하는 인공지능모델과, 상기 인공지능모델에 의해 라면제품 수량오류인 것으로 판단된 불량 멀티포장제품을 이송라인상에서 리젝트하는 리젝터를 포함하여 이루어진다.
상기 불량 멀티포장제품 검출시스템에 의한 검출방법은, 개별포장된 낱개 라면제품이 정해진 수량만큼 밀집배치되어 구성된 멀티세트를 촬영장치가 촬영하여 이에 대한 영상데이터를 획득하는 촬영단계와, 상기 촬영단계에서 획득된 영상데이터를 분석하여 멀티세트를 구성하는 낱개 라면제품의 수량오류 여부를 판단하는 불량판단단계와, 상기 불량판단단계에서 수량오류인 것으로 판단된 멀티세트가 포함된 불량 멀티포장제품을 이송라인상에서 리젝트하는 리젝트단계를 포함하여 이루어진다.
상기 불량판단단계는 R-CNN 방식의 딥러닝 로직으로 학습된 인공지능모델에 의해 진행된다.
상기 딥러닝 로직은 멀티세트를 구성하는 낱개 라면제품 외관의 특징요소를 특정하는 라벨링과정과, 상기 낱개 라면제품 외관의 특징요소를 인식하고 기억하는 학습과정과, 상기 낱개 라면제품 외관의 특징요소가 정해진 개수만큼 인식되는지 확인하는 확인과정을 포함한다.
본 발명에 따른 불량 멀티포장제품 검출시스템에 의하면 인공지능모델을 이용하여 신속하고 정확하게 불량 멀티포장제품을 검출하여 리젝트함으로써 멀티포장에 관련된 불량률이 저하되어 상품성 향상에 도움이 된다는 이점이 있다.

Description

불량 멀티포장제품 검출시스템{detecting system of multi-packaging error}

본 발명은 인공지능을 이용하여 라면생산공정에서 멀티포장 시에 발생할 수 있는 수량오류를 신속하고 정확하게 검출할 수 있도록 하는 불량 멀티포장제품 검출시스템에 관한 것이다.

포장지에 의해 면과 스프가 포장된 구성으로 이루어지는 이른바 봉지면 라면제품은, 다수개의 낱개 제품이 한묶음으로 포장된 이른바 멀티포장제품으로 구성되기도 하는데 이는 라면제품을 낱개로 상품화하는 것보다 물류 및 유통과정에서 효율이 향상되고 판매량이 향상되기 때문이다.

도 1에 나타난 것과 같이 멀티포장제품(10)을 만들기 위한 멀티포장공정은 개별포장된 낱개 라면제품(5)을 정해진 수량만큼 밀집배치하여 하나의 멀티세트(6)를 구성하고, 각각의 멀티세트(6)가 연속되는 포장지 위에 올려진 상태에서 멀티포장지(7)를 배접한 다음, 일정한 간격을 두고 멀치포장지(6)를 절단 및 실링함으로써 실링부와 실링부 사이에 각각의 멀티세트(6)가 구분되어 포장되도록 하는 방식으로 이루어진다.

이와 같은 멀티포장공정에 있어서는 다수개의 라면제품(5)이 수량만큼 서로 밀집배치되어 각각의 멀티세트(6)를 이루고, 각각의 멀티세트(6) 사이에는 일정한 간격이 유지되도록 하는 것이 중요하다고 볼 수 있다.

그러나, 다수개의 낱개 라면제품(5)을 밀집배치하여 멀티세트(6)를 만드는 과정에서 오류가 발생하여 하나의 멀티세트(6)에 포함되는 낱개 라면제품(5)이 정해진 수량에 미치지 못하거나 정해진 수량을 초과한 상태에서 그대로 포장되어 불량 멀티포장제품(10')이 만들어질 수 있다.

그리고, 종래에는 이와 같은 불량 멀티포장제품(10')을 선별하기 위하여, 중량체크기(8)를 이용하여 각각의 멀티포장제품(10)(10')의 중량을 체크하고 그 중량값이 기준치를 초과하거나 기준치에 못미치는 경우 이를 리젝트하는 방법을 사용하였다.

리젝트된 불량 멀티포장제품(10')은 정상 멀티포장제품(10)과 비교하여 볼때, 라면제품(5)의 수량에 대한 불량만이 있을 뿐이며, 제품 자체의 품질에는 문제가 없기 때문에 이를 수거하여 멀티포장을 해체하고 각각의 라면제품(5)은 다시 멀티포장공정으로 투입하게 되는데, 이를 위해 리젝트된 불량 멀티포장제품(10')은 별도의 수거박스에 담아서 임시로 보관하게 된다.

한편, 라면생산공정에서는 다양한 문제로 인하여 일시적으로 각각의 공정이 정지될 수 있으며, 문제가 발생한 공정은 정지되더라도 타 공정은 계속 가동되기 때문에 전체적으로 라면제품(5) 생산에 큰 차질이 없도록 각 공정을 이루는 라인의 가동속도를 조율해야 하는 상황이 발생할 수 있다.

예시적으로 멀티포장제품을 포장상자에 담는 이른바 최종포장공정에서 문제가 발생하면 최종포장라인은 멈추게 되는 반면, 이에 앞선 멀티포장공정의 라인은 계속 가동되므로 멀티포장제품이 최종포장라인으로 넘어가지 않도록 일부 멀티포장제품을 빼내는 작업이 필요하게 되며, 이러한 작업이 작업자의 수작업방식으로 이루어진다.

그리고, 이 경우에 빼내어진 멀티포장제품들을 수거박스에 담았다가 최종포장공정이 정상화되면, 이를 다시 투입하게 되는데, 이때 외관상으로 보기에는 정상 멀티포장제품(10)과 불량 멀티포장제품(10')을 구분하기 쉽지 않기 때문에 일부 불량 멀티포장제품(10')이 다시 최종포장공정으로 투입됨으로써 결과적으로 라면제품(5)에 대한 신뢰성이 떨어지는 문제가 발생하였다.

본 발명은 상술한 바와 같은 문제점을 해결하기 위한 것으로서, 멀티포장공정에서 인공지능모델을 이용하여 라면제품의 수량오류가 있는 불량 멀티포장제품을 신속하고 정확하게 검출할 수 있는 검출시스템을 제공하기 위한 것이다.

상기 목적을 이루기 위하여 제공되는 본 발명에 따른 불량 멀티포장제품 검출시스템은, 개별포장된 낱개 라면제품이 정해진 수량만큼 밀집배치되어 구성된 멀티세트를 촬영하여 이에 대한 영상데이터를 획득하는 촬영장치와, 상기 영상데이터를 분석하여 멀티세트를 구성하는 라면제품의 수량오류를 판단하는 인공지능모델과, 상기 인공지능모델에 의해 라면제품 수량오류인 것으로 판단된 불량 멀티포장제품을 이송라인상에서 리젝트하는 리젝터를 포함하여 이루어진다.

상기 불량 멀티포장제품 검출시스템에 의한 검출방법은, 개별포장된 낱개 라면제품이 정해진 수량만큼 밀집배치되어 구성된 멀티세트를 촬영장치가 촬영하여 이에 대한 영상데이터를 획득하는 촬영단계와, 상기 촬영단계에서 획득된 영상데이터를 분석하여 멀티세트를 구성하는 낱개 라면제품의 수량오류 여부를 판단하는 불량판단단계와, 상기 불량판단단계에서 수량오류인 것으로 판단된 멀티세트가 포함된 불량 멀티포장제품을 이송라인상에서 리젝트하는 리젝트단계를 포함하여 이루어진다.

상기 불량판단단계는 R-CNN 방식의 딥러닝 로직으로 학습된 인공지능모델에 의해 진행된다.

상기 딥러닝 로직은 멀티세트를 구성하는 낱개 라면제품 외관의 특징요소를 특정하는 라벨링과정과, 상기 낱개 라면제품 외관의 특징요소를 인식하고 기억하는 학습과정과, 상기 낱개 라면제품 외관의 특징요소가 정해진 개수만큼 인식되는지 확인하는 확인과정을 포함한다.

본 발명에 따른 불량 멀티포장제품 검출시스템에 의하면 인공지능모델을 이용하여 신속하고 정확하게 불량 멀티포장제품을 검출하여 리젝트함으로써 멀티포장에 관련된 불량률이 저하되어 상품성 향상에 도움이 된다는 이점이 있다.

도 1: 종래기술에 따른 멀티포장공정을 나타낸 도면
도 2: 본 발명에 따른 불량 멀티포장제품 검출시스템을 나타낸 도면
도 3: 본 발명에 있어서 정상 멀티세트의 영상데이터를 나타낸 도면
도 4: 본 발명에 있어서 수량오류에 의한 불량 멀티세트의 영상데이터를 나타낸 도면
도 5: 본 발명에 있어서 정렬오류에 의한 불량 멀티세트의 영상데이터를 나타낸 도면
도 6: 본 발명에 있어서 불량 멀티포장제품의 형태를 나타낸 도면
도 7: 본 발명에 있어서 불량 멀티포장제품의 리젝트 작동을 나타낸 도면

이하, 본 발명의 실시를 위한 구체적인 내용을 도 2 부터 도 7 까지 참조하여 상세하게 설명한다.

본 발명에 따른 불량 멀티포장제품 검출시스템은, 도 2에 나타난 것과 같이 개별포장된 낱개 라면제품(5)이 정해진 수량만큼 밀집배치되어 구성된 멀티세트(6)를 촬영하여 이에 대한 영상데이터를 획득하는 촬영장치(20)와, 상기 영상데이터를 분석하여 멀티세트(6)를 구성하는 라면제품(5)의 수량오류를 판단하는 인공지능모델과, 상기 인공지능모델에 의해 수량오류인 것으로 판단된 불량 멀티포장제품(12)을 이송라인에서 리젝트하는 리젝터(30)를 포함하여 이루어진다.

이와 같은 불량 멀티포장제품 검출시스템에 의한 불량 멀티포장제품 검출방법은, 개별포장된 낱개 라면제품(5)이 밀집배치되어 구성된 멀티세트(6)를 촬영장치(20)가 촬영하여 이에 대한 영상데이터를 획득하는 촬영단계와, 상기 촬영단계에서 획득된 영상데이터를 분석하여 멀티세트(6)를 구성하는 낱개 라면제품(5)의 수량이 기준수량과 일치하는지를 판단하는 불량판단단계와, 상기 불량판단단계에서 수량오류인 것으로 판단된 불량 멀티세트(6')가 포함된 불량 멀티포장제품(12)을 이송라인상에서 리젝트하는 리젝트단계를 포함하여 이루어진다.

상기 인공지능모델에 의하여 이루어지는 라면제품(5) 수량오류에 대한 판단 즉 불량판단은 상기 영상데이터를 통해 라면제품(5)의 포장지에 인쇄된 특정한 문양을 인식하고 이를 기초로 라면제품(5)의 개체에 대한 수량을 파악하는 R-CNN 방식으로 이루어진다.

상기 딥러닝 로직은 멀티세트(6)를 구성하는 낱개 라면제품(5) 외관의 특징요소(5-1)를 특정하는 라벨링과정 및 상기 낱개 라면제품(5) 외관의 특징요소(5-1)를 인식하고 기억하는 학습과정과, 상기 특징요소(5-1)가 정해진 개수만큼 인식되는지 확인하는 확인과정을 포함한다.

상기 특징요소(5-1)는 라면제품(5)의 포장지에 프린팅된 특정문양이 될 수 있는데, 상기 특정문양로서는 예시적으로 일정크기 이상으로 표현된 글자(ex: 辛)가 될 수 있다.

상기 불량판단단계에서 사용되는 R-CNN(Regions with Convolutional Neural Network) 방식의 딥러닝 로직은 CNN 의 개념에 지역적으로 탐색부분을 나눈다는 개념을 더한 것으로서, 촬영영역에 있는 모든 이미지를 탐색하는 것 보다 특정영역에 대해서만 이미지를 탐색하는 것이다.

라면제품 수량오류를 판단함에 있어서 인공지능모델이 라면제품(5) 자체가 아니라 특징요소(5-1)를 인식토록 하는 것은, 라면제품(5)이 세로로 세워진 상태에서 서로 밀집되어 멀티세트(6)를 구성하기 때문에 영상데이터상에서 라면제품(5)의 외곽을 구분하여 인식하는 것이 어렵기 때문이다.

라면제품(5)의 외곽을 인식하지 않고, 보다 인식이 용인한 특징요소(5-1)를 인식토록 하게 되면, 높은 수준의 연산성능을 갖는 프로세서를 사용하지 않아도 되기 때문에 구성상의 비용이 절감되고, 인식과정에서의 정확도 또한 향상된다.

따라서, 이와 같은 본 발명에 의하면 정상 멀티세트(6)에 포함되는 라면제품(5)의 기준수량이 5개로 설정된 경우에 있어서, 영상데이터의 판독결과 5개의 특정문양이 인식되면 수량정상으로 판단하게 되고(도 3 참조), 영상데이터의 판독결과 4개의 특정문양이 인식되면 수량부족오류로 판단하게 되고(도 4 참조), 6개의 특정문양이 인식되면 수량초과오류(도면생략)로 판단하게 된다.

또한, 멀티세트(6)에 포함되는 라면제품(5)의 수량이 기준수량과 일치하더라도 영상데이터의 판독결과 수량부족오류로 판단될 수 있는데, 이는 멀티세트(6)를 구성하는 라면제품(5) 중에서 일부 제품의 정렬방향이 다른 제품들과 어긋나게 배치되었기 때문이며, 이러한 경우에도 불량으로 판단하게 된다.(도 5 참조)

그리고, 본 발명에서는 도 6에 나타난 것과 같이 상기 불량판단단계에서 불량이라고 판단된 이른바 불량 멀티세트(6')와, 이에 인접 배치된 정상 멀티세트(6)를 함께 포장하여 하나의 불량 멀티포장제품(12)을 만들게 된다.

여기서, 불량 멀티세트(6')와 정상 멀티세트(6)가 함께 멀티포장되도록 하기 위해서는, 불량 멀티세트(6')와 정상 멀티세트(6)의 사이는 멀티포장지(7)가 절단되지 않도록 하고, 불량 멀티세트(6')의 앞선단과 정상 멀티세트(6)의 뒷선단에 해당하는 멀티포장지(7)의 부위가 절단 및 실링되도록 하는 방식을 사용하게 된다.

리젝트단계에서는 도 7에 나타난 것과 같이 불량 멀티포장제품(12)이 리젝터(30)에 의해 리젝트되도록 한다.

이와 같은 본 발명에 있어서, 리젝트된 불량 멀티포장제품(12)은 그 부피가 정상 멀티포장제품(10)의 거의 두배에 가깝기 때문에 작업자가 육안으로 보더라도 불량 멀티포장제품(12)과 정상 멀티포장제품(10)의 차이가 확연히 구분될 수 있다.

따라서, 작업자가 불량 멀티포장제품(12)과 정상 멀티포장제품(10)을 혼동하여 불량 멀티포장제품(12)을 이송라인으로 재투입하는 문제가 발생하지 않게 된다.

Claims (11)

1. 삭제
2. 삭제
3. 삭제
4. 개별포장된 낱개 라면제품이 정해진 수량만큼 밀집배치되어 구성된 멀티세트를 촬영장치가 촬영하여 이에 대한 영상데이터를 획득하는 촬영단계와, 상기 촬영단계에서 획득된 영상데이터를 분석하여 멀티세트를 구성하는 낱개 라면제품의 수량오류 여부를 판단하는 불량판단단계와, 상기 불량판단단계에서 수량오류인 것으로 판단된 멀티세트가 포함된 불량 멀티포장제품을 이송라인상에서 리젝트하는 리젝트단계를 포함하며,
   상기 불량판단단계는 R-CNN 방식의 딥러닝 로직으로 학습된 인공지능모델에 의해 진행되며, 상기 딥러닝 로직은 멀티세트를 구성하는 낱개 라면제품 외관의 특징요소를 특정하는 라벨링과정과, 상기 낱개 라면제품 외관의 특징요소를 인식하고 기억하는 학습과정과, 상기 낱개 라면제품 외관의 특징요소가 정해진 개수만큼 인식되는지 확인하는 확인과정을 포함하며,
   상기 낱개 라면제품 외관의 특징요소는 라면제품의 포장지에 프린팅된 특정문양인 것을 특징으로 하며,
   상기 불량판단단계에서 수량오류라고 판단된 불량 멀티세트와, 이에 인접배치된 정상 멀티세트를 함께 포장하여 하나의 불량 멀티포장제품을 만드는 것을 특징으로 하는 불량 멀티포장제품 검출방법.
   
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 제4항에 있어서,
    상기 리젝트단계에서는 불량 멀티포장제품이 리젝터에 의해 리젝트되는 것을 특징으로 하는 불량 멀티포장제품 검출방법.

Images