KR102259519B1 - 커팅불량 스프팩 검출시스템 - Google Patents

Abstract

본 발명에 따른 스프팩 커팅불량 검출방법은, 이송라인상에서 이송되는 스프팩을 촬영하여 스프팩에 대한 영상데이터를 획득하는 촬영장치와, 상기 영상데이터를 분석하여 스프팩의 커팅불량 여부를 판단하는 인공지능모델과, 상기 인공지능모델에 의해 커팅불량인 것으로 판단된 스프팩을 이송라인상에서 리젝팅하는 리젝터를 포함하여 이루어진다.
상기 인공지능모델은 비지도 학습방식의 딥러닝 로직으로 분석하여 스프팩의 커팅불량 여부를 판단한다.
본 발명에 따른 커팅불량 스프팩 검출시스템에 의한 커팅불량 스프팩 검출방법은, 이송라인상에서 이송되어 촬영영역으로 진입된 스프팩을 촬영장치가 촬영하여 스프팩에 대한 영상데이터를 획득하는 촬영단계와, 상기 영상데이터를 판독하여 스프팩의 커팅불량 여부를 판단하는 불량판단단계와, 상기 불량판단단계에서 특정 스프팩이 커팅불량이라고 판단되는 경우 해당 커팅불량스프팩을 이송라인에서 리젝팅하는 리젝팅단계를 포함하여 이루어진다.
불량판단단계는 상기 영상데이터를 비지도 학습방식의 딥러닝 로직으로 판독하여 스프팩의 커팅불량 여부를 판단하는 인공지능모델에 의해 이루어지며, 커팅불량으로 판단된 스프팩도 라면제품에 투입되도록 한다.
상기 리젝팅단계는 커팅불량 스프팩이 투입된 라면제품이 리젝팅 위치에 도달했을 때 해당 라면제품이 리젝터에 의해 타격되어 리젝팅되도록 한다.
본 발명에 따르면, 비지도학습방법의 딥러닝 로직으로 가동되는 인공지능모델에 의해 커팅불량 스프팩이 정밀하게 검출됨으로써 결과적으로 라면제품의 상품성향상에 도움이 된다는 이점이 있다.

Description

커팅불량 스프팩 검출시스템{cutting error detecting system for pack unti}

본 발명은 딥러닝 방식으로 학습된 인공지능모델을 이용하여 커팅불량 스프팩을 검출하기 위한 커팅불량 스프팩 검출방법에 관한 것이다.

일반적으로 라면제품은 면과 각종 스프가 함께 제공되도록 구성되는데, 제조공정에서 스프는 이송되는 면위에 올려지도록 투입되고, 면과 함께 포장되어 출시된다.

라면제품에 포함되는 스프는 내용물의 형태에 따라 분말스프, 블록스프 등으로 구분되며, 두께가 얇고 연속되는 포장필름에 일정한 간격을 두고 충진되어 연속된 스프팩 형태로 생산라인에 공급된다.

그리고, 연속된 스프팩(5)은 일정한 간격을 두고 커팅되어 개별 스프팩(6)을 구성하게 되며, 커팅되는 간격을 일정하게 유지하기 위하여 이른바 마크체크 방식이 사용되고 있다.

마크체크 방식은 도 1에 나타난 것과 같이 연속된 스프팩(5)의 포장지의 커팅예정 부위에 아이마크(M)가 프린팅됨으로써, 연속된 스프팩(6)이 이송되는 도중에 커팅장치의 센서가 아이마크(M)를 감지하여 아이마크(M)를 기준으로 커팅하게 되는 것이다.

한편, 연속된 스프팩(5)은 보관용기에 지그재그로 포개진 형태로 담겨져서 제공되며, 보관용기로부터 연속적으로 이끌려 나와서 커팅장치를 거쳐 면 이송라인으로 공급되는데, 이러한 보관상의 특성상 구부러진 부위가 발생하게 되고, 구부러진 부위가 펼쳐지지 않은 상태에서 커팅됨으로써 커팅라인이 정확하고 깔끔하게 형성되지 않은 이른바 커팅불량 스프팩(6')이 만들어지는 원인이 된다.

이와 같이 커팅불량 스프팩(6')이 라면제품에 투입되는 경우에는 결과적으로 라면제품의 상품성이 저하되는 결과를 초래하므로 이를 검출하여 생산라인에서 제외하였다.

종래의 커팅불량 스프팩(6')을 검출하는 작업은 작업자가 직접 눈으로 보고 이를 라인에서 속아내는 수작업방식으로 이루어졌는데, 작업자의 숙련도에 따라 불량검출의 정확도가 달라지는 문제점이 있었다.

그리고, 특히 고속생산라인에서는 스프팩의 이동속도가 빠르기 때문에 작업자가 커팅불량 스프팩(6')을 검출하는 정확도가 크게 떨어지는 문제점이 있었다.

본 발명은 상술한 바와 같은 문제점을 해결하기 위한 것으로서, 인공지능모델을 이용하여 라면제품에 투입되는 커팅불량 스프팩을 정밀하게 검출할 수 있는 커팅불량 스프팩 검출시스템을 제공하기 위한 것이다.

상기 목적을 이루기 위하여 제공되는 본 발명에 따른 커팅불량 스프팩 검출시스템은, 이송라인상에서 이송되는 스프팩을 촬영하여 스프팩에 대한 영상데이터를 획득하는 촬영장치와, 상기 영상데이터를 분석하여 스프팩의 커팅불량 여부를 판단하는 인공지능모델과, 상기 인공지능모델에 의해 커팅불량인 것으로 판단된 스프팩을 이송라인상에서 리젝팅하는 리젝터를 포함하여 이루어진다.

상기 인공지능모델은 비지도 학습방식의 딥러닝 로직으로 분석하여 스프팩의 커팅불량 여부를 판단한다.

본 발명에 따른 커팅불량 스프팩 검출시스템에 의한 커팅불량 스프팩 검출방법은, 이송라인상에서 이송되어 촬영영역으로 진입된 스프팩을 촬영장치가 촬영하여 스프팩에 대한 영상데이터를 획득하는 촬영단계와, 상기 영상데이터를 판독하여 스프팩의 커팅불량 여부를 판단하는 불량판단단계와, 상기 불량판단단계에서 특정 스프팩이 커팅불량이라고 판단되는 경우 해당 커팅불량스프팩을 이송라인에서 리젝팅하는 리젝팅단계를 포함하여 이루어진다.

불량판단단계는 상기 영상데이터를 비지도 학습방식의 딥러닝 로직으로 판독하여 스프팩의 커팅불량 여부를 판단하는 인공지능모델에 의해 이루어지며, 커팅불량으로 판단된 스프팩도 라면제품에 투입되도록 한다.

상기 리젝팅단계는 커팅불량 스프팩이 투입된 라면제품이 리젝팅 위치에 도달했을 때 해당 라면제품이 리젝터에 의해 타격되어 리젝팅되도록 한다.

본 발명에 따르면, 비지도학습방법의 딥러닝 로직으로 가동되는 인공지능모델에 의해 커팅불량 스프팩이 정밀하게 검출됨으로써 결과적으로 라면제품의 상품성향상에 도움이 된다는 이점이 있다.

도 1: 일반적인 스프팩 커팅 과정을 나타낸 도면
도 2: 본 발명에 따른 커팅불량 스프팩 검출시스템의 구성을 나타낸 도면
도 3: 본 발명에 따른 커팅불량 스프팩 검출시스템의 구성을 나타낸 도면
도 4: 본 발명에 의해 검출되는 커팅불량 스프팩의 영상데이터를 나타낸 도면

이하, 본 발명의 실시를 위한 구체적인 내용을 도 2부터 도 4를 참조하여 상세하게 설명한다.

본 발명에 따른 커팅불량 스프팩 검출시스템은 도 2와 도 3에 나타난 것과 같이 이송라인상에서 이송되는 스프팩(6)을 촬영하여 이에 대한 영상데이터(도 4 참조)를 획득하는 촬영장치(10)와, 상기 영상데이터를 분석하여 스프팩(6)의 커팅불량 여부를 판단하는 인공지능모델과, 상기 인공지능모델에 의해 커팅불량인 것으로 판단된 스프팩(6')을 이송라인상에서 리젝팅하는 리젝터(20)를 포함하여 이루어진다.

상기 인공지능모델은 영상데이터를 비지도 학습방식의 딥러닝 로직으로 분석하여 스프팩(6)의 커팅불량 여부를 판단하게 된다.

이와 같은 본 발명에 따른 커팅불량 스프팩 검출시스템에 의한 커팅불량 스프팩 검출방법은, 이송라인상에서 이송되어 촬영영역으로 진입된 스프팩(6)을 촬영장치(10)가 촬영하여 스프팩(6)에 대한 영상데이터를 획득하는 촬영단계와, 상기 영상데이터를 판독하여 스프팩(6)의 커팅불량 여부를 판단하는 불량판단단계와, 상기 불량판단단계에서 특정 스프팩(6')이 커팅불량이라고 판단되는 경우 해당 커팅불량 스프팩(6')을 이송라인에서 리젝팅하는 리젝팅단계를 포함하여 이루어진다.

상기 불량판단단계는 상기 영상데이터를 비지도 학습방식의 딥러닝 로직으로 판독하여 스프팩(6)의 커팅불량 여부를 판단하는 인공지능모델에 의해 이루어진다.

상기 비지도 학습방법은 오토인코더(autoencoder) 방식을 이용하여 스프팩(6)이 커팅불량임을 판단할 수 있는 핵심적인 데이터를 취합하여 이를 특징별로 분류하는 클러스터(cluster) 기술로 이루어진다.

이는 스프팩 이송라인(30) 상에서 이송되는 스프팩(6)의 속도가 매우 빠르기 때문에 인위적으로 커팅불량 스프팩(6')의 샘플을 설비에 두고 같은 상황으로 사진을 촬영하는 것이 거의 불가능하기 때문에 상기 비지도학습방법이 적용되었다.

본 발명에 따른 비지도 학습방식에 의하면 도 4 에 나타난 것과 같이, 스프팩(6)을 촬영한 영상데이터를 인공지능모델이 지속적으로 분석함으로써 커팅된 스프팩(6)의 형태별 특징을 스스로 인지하여 스프팩(6)의 커팅 상태를 유형별 확률로 구분하여 정상집단과 다른 불량집단에 대해서는 이를 커팅불량에 해당한다고 판단하게 된다.

예시적으로 한시간에 14000장의 영상데이터 전체를 학습하고 군집을 여러개로 나누어 이중에서 커팅불량 스프팩이 있는지 검사하고 커팅불량 스프팩에 해당되는 영상데이터를 모으는 방식으로 진행되었으며, 이와 같은 방법으로 영상데이터가 500장 정도가 되고 나서는 지도학습(CNN)을 이용하여 실시간 영상데이터 분석 및 판독을 진행하였고, 이때 커팅불량 스프팩이라고 얻어진 영상데이터를 재분류해서 다시 학습하는 방식으로 영상데이터 수를 확대하는 방식으로 이루어질 수 있다.

본 발명에 의하면 불량판단단계에서 커팅불량으로 판단된 스프팩(6')에 대해서도 특별한 조치를 취하지 않고 라면제품(9)에 투입되도록 하며, 상기 리젝팅단계에서는 커팅불량 스프팩(6')이 투입된 라면제품(9')이 리젝팅 위치에 도달했을 때 해당 라면제품(9')이 리젝터(20)에 의해 타격되어 리젝팅되도록 함으로써 결과적으로 커팅불량 스프팩(6')이 포함된 라면제품(9')이 출고되지 않도록 한다.

이는 스프팩 이송라인이 상당히 고속으로 가동되기 때문에 이송라인상에서 커팅불량 스프팩(6')만을 리젝팅하기 위해서는 커팅불량판단이 이루어진 시점에서부터 리젝팅 시점에 이르기까지 매우 정밀한 딜레이 타임이 설정되어야 하며, 리젝터의 작동 또한 매우 정교하고 빠르게 작동하여야 하지만, 이러한 조건을 만족하는 시스템을 구성하기 쉽지 않을 뿐만 아니라, 실제 작동과정에서는 오작동이 발생할 우려가 크기 때문이다.

본 발명에서는 다음과 같은 원리로 커팅불량 스프팩(6')이 포함된 라면제품(9')이 리젝팅되도록 한다.

우선, 스프팩 이송라인(30)의 최종구간은 라면제품 이송라인(40)의 상방에서 라면제품 이송라인(40)과 겹쳐지도록 구성되며, 이에 따라 스프팩 이송라인(30)에 의해 이송된 스프팩(6)은 아래로 떨어져서, 라면제품 이송라인(40) 상에서 이송되는 면(8)의 위에 올려지게 되며, 면(8) 위에 스프팩(6)이 올려진 상태에서 라면제품(9)의 포장이 완료된다.

그리고, 라면제품 이송라인(40)을 구성하는 콘베이어(42)에는 일렬로 이송되는 라면제품(9)이 일정한 간격을 유지토록 각각의 라면제품(9)을 가이드하는 돌출턱(421)(일명 아다치)이 일정한 간격을 두고 구비되어 있으며, 특정 위치에서 상기 돌출턱(421)을 센싱하는 센서(도면상 표시 안함)가 구비되어 있다.

또한, 상기 촬영장치(10)는 특정 위치에 고정되어 스프팩(6)이 면(9)에 올려진 다음에 스프팩(6)을 촬영하도록 구성되어 있기 때문에 촬영지점에서부터 리젝터(20)가 있는 위치까지의 거리는 그 사이에 있는 돌출턱(421)의 개수로 환산될 수 있으며, 이러한 돌출턱(421)의 개수는 항상 일정하게 유지된다.

따라서, 예시적으로 촬영지점과 리젝터(20) 사이에 24 개의 돌출턱(421)이 있는 경우에는, 커팅불량 스프팩(6')이 판별된 후에 상기 센서에 의해 감지되는 돌출턱(421)의 이동 개수가 24 개가 되는 시점에서 리젝터(20)를 가동하면, 커팅불량 스프팩(6')이 포함된 라면제품(9')이 리젝팅되는 것이다.

이와 같은 본 발명에 의하면, 센서에 의해 감지되는 돌출턱(421)의 개수를 기준으로 하여 커팅불량 스프팩(6')이 포함된 라면제품(9')이 리젝팅 위치에 도달했는지를 파악하기 때문에 이송라인의 가동속도에 상관없이 해당 제품의 이동거리가 정확하게 파악되어 리젝팅되어야 하는 라면제품(9')이 정확하게 선별된다.

그러므로 이와 같은 본 발명에 의하면 기존의 방식으로는 정확한 판단이 어려웠던 커팅불량 스프팩(6')을 인공지능을 이용하여 정확하게 판단하고, 검출할 수 있게 된다.

6: 스프팩 6': 커팅불량 스프팩
10: 촬영장치 20: 리젝터
30: 스프팩 이송라인 40: 라면제품 이송라인

Claims (6)

1. 삭제
2. 삭제
3. 이송라인상에서 이송되어 촬영영역으로 진입된 스프팩을 촬영장치가 촬영하여 스프팩에 대한 영상데이터를 획득하는 촬영단계와,
   상기 영상데이터를 판독하여 스프팩의 커팅불량 여부를 판단하는 불량판단단계와,
   상기 불량판단단계에서 특정 스프팩이 커팅불량이라고 판단되는 경우 해당 커팅불량스프팩을 이송라인에서 리젝팅하는 리젝팅단계를 포함하며,
   불량판단단계는 상기 영상데이터를 비지도 학습방식의 딥러닝 로직으로 판독하여 스프팩의 커팅불량 여부를 판단하는 인공지능모델에 의해 이루어지고,
   커팅불량으로 판단된 스프팩도 라면제품에 투입되도록 하며,
   
   상기 촬영단계에서는 스프팩이 면에 올려진 다음에 상기 촬영장치가 특정 위치에서 스프팩을 촬영하며,
   상기 리젝팅단계에서는 촬영지점에서 리젝터가 있는 위치까지의 거리를 콘베이어에 구비된 돌출턱의 이동개수로 환산하고, 커팅불량 스프팩이 판별된 후에, 돌출턱을 감지하는 센서에 의해 돌출턱의 이동개수를 파악하고, 돌출턱이 특정개수만큼 이동된 시점에서 리젝터를 가동함으로써, 커팅불량 스프팩이 투입된 라면제품이 리젝터에 의해 타격되어 리젝팅되도록 하는 것
   을 특징으로 하는 커팅불량 스프팩 검출시스템.
4. 삭제
5. 삭제
6. 삭제

Images