KR102541166B1 - 로봇을 활용한 ai비전 검사 시스템 - Google Patents

로봇을 활용한 ai비전 검사 시스템 Download PDF

Info

Publication number
KR102541166B1
KR102541166B1 KR1020220142593A KR20220142593A KR102541166B1 KR 102541166 B1 KR102541166 B1 KR 102541166B1 KR 1020220142593 A KR1020220142593 A KR 1020220142593A KR 20220142593 A KR20220142593 A KR 20220142593A KR 102541166 B1 KR102541166 B1 KR 102541166B1
Authority
KR
South Korea
Prior art keywords
product
unit
inspection
vision
alarm
Prior art date
Application number
KR1020220142593A
Other languages
English (en)
Inventor
박정윤
박정현
정하일
홍기태
김연교
Original Assignee
주식회사 인터엑스
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 주식회사 인터엑스 filed Critical 주식회사 인터엑스
Priority to KR1020220142593A priority Critical patent/KR102541166B1/ko
Application granted granted Critical
Publication of KR102541166B1 publication Critical patent/KR102541166B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/20—Controlling the colour of the light

Abstract

본 발명은 AI모델이 로봇에 탑재된 비전 카메라로 제품의 전면을 촬영한 동영상을 이용하여 제품의 양불 여부를 빠르고 정확하게 분석 및 검사할 수 있는 로봇을 활용한 AI비전 검사 시스템에 관한 것으로, 본 발명의 일 실시예에 따른 로봇을 활용한 AI비전 검사 시스템은, 비전 카메라가 비전 검사공정이 진행될 때, 제품의 전면에 대한 실시간 동영상을 촬영하도록 상기 비전 카메라가 탑재된 로봇의 동작을 제어하는 시스템부; 및 AI모델이 학습 데이터를 기반으로 학습되며, 상기 AI모델이 상기 비전 카메라의 실시간 동영상으로부터 상기 제품의 전면에 대한 복수개의 제품 캡쳐 이미지를 수집한 후, 제품의 비전 검사를 통해 상기 제품이 양품 또는 불량품인지 검사하는 AI검사부;를 포함하고, 상기 AI검사부는, 상기 제품의 비전 검사에 대한 결과 데이터인 상기 제품의 불량 여부에 대한 정보가 포함된 제1 검사 데이터와, 상기 제품이 불량품으로 검사되는 경우에 상기 제품의 불량 검출 위치가 포함된 제2 검사 데이터를 생성할 수 있다.

Description

로봇을 활용한 AI비전 검사 시스템{AI vision inspection system using robot}
본 발명은 로봇을 활용한 AI비전 검사 시스템에 관한 것으로, 보다 상세하게는 AI모델이 로봇에 탑재된 비전 카메라로 제품의 전면을 촬영한 동영상을 이용하여 제품의 양불 여부를 빠르고 정확하게 분석 및 검사할 수 있는 로봇을 활용한 AI비전 검사 시스템에 관한 것이다.
산업 현장 내 설치된 센서, 설비, 비전에서 수집된 데이터를 통해 현장 내 발생할 수 있는 이상 신호 및 돌발상황을 예측할 수 있으며, 실시간으로 대응할 수 있어 설비의 재가동 시간 단축과 안정적인 설비 운영을 통한 생산 공정의 효율적인 개선과 최종 품질 영향 인자 제어를 확대할 수 있도록 산업 현장의 자동화가 지속적으로 개발되고 있다.
이중, PLC(Programmable Logic Control)는 산업 현장에서 각종 기기나 설비 등을 자동으로 제어하기 위한 전자제어 장치이다. PLC는 CPU, 통신, 특수, 입출력 등의 기능 모듈을 조합해 시스템을 다양하게 구성할 수 있을 뿐만 아니라, 제어 로직을 PLC 프로그램으로 작성할 수 있기 때문에, 제어 시스템을 빠르고 쉽게 설계 및 변경 가능하다는 등의 다양한 장점이 있다.
한편, 근래 AI(Artificial intelligence)기술이 산업 현장의 비전 검사에 적용되기 위해 제안되고 있는데, AI기술의 하나인 딥러닝(Deep learning) 기술은 사람의 신경 세포(Biological Neuron)를 모사하여 기계가 학습하도록 하는 인공 신경망(Artificial Neural Network) 기반의 기계 학습 방법을 의미한다. 최근, 딥러닝 기술은 이미지 인식, 음성 인식, 자연어 처리의 발전에 기여하면서 크게 주목받고 있다.
딥러닝 기술의 일 예로, 대한민국 공개특허 제10-2019-0063839호에는 "제조공정에서 딥러닝을 활용한 머신 비전 기반 품질 검사방법 및 시스템"이 개시되어 있다.
상기 한국공개특허공보에 개시된 기술은 학습용 제품 영상을 생성하고, 생성된 학습용 제품 영상으로 양품과 불량품을 구분하기 위한 분류기를 학습시키며, 학습된 분류기를 이용하여 제품을 양품 또는 불량품으로 판정하고 있다.
상기 한국공개특허공보에 개시된 기술과 같이, 딥러닝 기술은 양품과 불량품의 이미지 데이터와 해당 이미지가 불량품 이미지인지 아니면 양품 이미지인지를 기록한 레이블 정보가 분류기와 같은 학습 모델에 입력될 때 제품의 양불 검사를 위한 새로운 학습 모델로 학습이 이루어진다.
이러한 AI 기술 기반의 비전 검사 시스템이 산업 현장에 적용되는 경우, 앞서 설명한 바와 같이, PLC 장비와 통신을 통해, 카메라 모듈에 의해 촬영된 이미지를 수신하고, AI 기반의 학습 모델이 이미지를 통해 제품의 양불을 판단하게 된다.
그러나 기존 비전 검사 시스템은 제품의 이미지를 획득하는 비전 검사 과정에서 제품의 사이즈, 위치 및 형상과 조도 등의 주변 환경 영향을 많이 받아 비전 검사의 제약조건이 많았으며, 비전이 검사하지 못하는 부분은 사용자(또는 작업자)가 직접 검사해야만 하는 문제점이 있었다.
대한민국 공개특허 제10-2019-0063839호(2019.06.10 공개)
본 발명은 기존 비전 검사 시스템의 문제점을 개선하기 위해 안출된 것으로서, 본 발명의 목적은 제품의 비전 검사공정에서 로봇에 탑재된 비전 카메라로 제품의 전면을 동영상으로 실시간으로 촬영한 후, AI모델이 제품의 실시간 동영상으로부터 캡쳐한 복수개의 캡쳐 이미지를 기반으로 제품의 양불 여부를 빠르고 정확하게 분석 및 검사할 수 있는 로봇을 활용한 AI비전 검사 시스템을 제공함에 있다.
또한, 본 발명은 제품에 빛을 조사하는 LED 조명을 제어하여 동일 제품으로부터 획득 가능한 캡쳐 이미지를 증가시킴으로써, AI모델이 제품의 양불 여부를 최대한 많은 캡쳐 이미지로부터 분석 및 검사할 수 있도록 하는 로봇을 활용한 AI비전 검사 시스템을 제공함에 다른 목적이 있다.
그리고 본 발명은 제품의 양불 여부 판단 결과 제품이 불량품인 경우에 알람 기반의 모니터링 시스템을 통해 사용자에게 제품의 불량 부위를 안내할 수 있고, 알람이 발생될 때 제품에 부여된 LoT 번호를 기반으로 불량이 발생하게 된 제조공정을 추적하여 불량 발생의 원인이 된 제조공정에 조치를 취할 수 있도록 하는 로봇을 활용한 AI비전 검사 시스템을 제공함에 또 다른 목적이 있다.
다만, 본 발명에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 로봇을 활용한 AI비전 검사 시스템은, 비전 카메라가 비전 검사공정이 진행될 때, 제품의 전면에 대한 실시간 동영상을 촬영하도록 상기 비전 카메라가 탑재된 로봇의 동작을 제어하는 시스템부; 및 AI모델이 학습 데이터를 기반으로 학습되며, 상기 AI모델이 상기 비전 카메라의 실시간 동영상으로부터 상기 제품의 전면에 대한 복수개의 제품 캡쳐 이미지를 수집한 후, 제품의 비전 검사를 통해 상기 제품이 양품 또는 불량품인지 검사하는 AI검사부;를 포함하고, 상기 AI검사부는, 상기 제품의 비전 검사에 대한 결과 데이터인 상기 제품의 불량 여부에 대한 정보가 포함된 제1 검사 데이터와, 상기 제품이 불량품으로 검사되는 경우에 상기 제품의 불량 검출 위치가 포함된 제2 검사 데이터를 생성할 수 있다.
본 발명은 제품의 양불 여부를 판단할 수 있는 비전 카메라가 탑재된 로봇과 AI모델 기반의 무인 검사 자동화 시스템을 구축함으로써, 사용자의 육안을 통한 검사공정보다 빠르고 정확하게 분석 및 검사할 수 있고, 24시간 작업이 가능함과 동시에 제품 제조현장의 사용자를 대체할 수 있어 인건비 절약이 가능하다.
또한, 본 발명은 알람 기반의 모니터링 시스템을 통해 사용자에게 제품의 불량 부위를 안내함으로써, 사용자가 공간의 제약없이 제품 제조현장의 상황을 확인할 수 있다.
그리고 본 발명은 제품의 LoT 추적을 통해 제품의 불량을 발생시킨 제조공정을 추적하여 불량 발생의 원인이 된 제조공정에 조치를 취함으로써, 제품의 불량 발생률을 최소화시킬 수 있다.
다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 로봇을 활용한 AI비전 검사 시스템을 나타내는 블록도이다.
도 2 내지 4는 본 발명의 일 실시예에 따른 제품 비전 검사공정의 일례를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 시스템부의 추가 구성요소를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 제품 캡쳐 이미지의 일례를 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 AI모델의 일례를 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 결과 데이터의 일례를 나타내는 도면이다.
도 9는 본 발명의 AI비전 검사 시스템에 의해 수행되는 AI비전 검사 방법의 과정을 나타내는 흐름도이다.
이하에서는, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
AI비전 검사 시스템
이하에서는, 본 발명의 일 실시예에 따른 로봇을 활용한 AI비전 검사 시스템(100)에 대해 자세히 설명하도록 하겠다.
본 발명의 AI비전 검사 시스템(100)은 제조공정을 거쳐 제조된 제품(10)의 양불 여부를 빠르고 정확하게 분석 및 검사하기 위해 도 1에 도시된 바와 같이, 시스템부(110) 및 AI검사부(120)를 포함한다.
도 1은 본 발명의 일 실시예에 따른 로봇을 활용한 AI비전 검사 시스템을 나타내는 블록도이다.
도 1을 참조하면, 시스템부(110)는 제품(10)의 비전 검사공정을 위해, 제품(10)의 전면에 대한 실시간 동영상을 촬영하기 위한 비전 카메라(111)가 구비된다.
비전 카메라(111)는 로봇(115)에 탑재되어 제품(10)의 전면에 대한 실시간 동영상을 촬영하며, 비전 카메라(111)의 해상도 및 사양은 한정하지 아니하나, 일 실시예에서는 5Mpx 해상도와 300WD 사양의 카메라로서 시스템부(110)에 구비될 수 있다.
시스템부(110)는 비전 카메라(111)가 탑재된 로봇(115)의 동작을 제어하기 위한 로봇 제어부(112)가 구비되며, 로봇 제어부(112)로부터 동작이 제어되는 로봇(115)은 구조를 한정하지 아니하나, 일 실시예에서는 도 2 내지 도 4에 도시된 바와 같은 구조로 구성되어 제품(10)의 비전 검사공정이 진행되도록 한다.
도 2 내지 4는 본 발명의 일 실시예에 따른 제품 비전 검사공정의 일례를 나타내는 도면이다.
도 2 내지 도 4를 참조하면, 로봇(115)은 복수개의 링크(115a)와 복수개의 구동모터가 구비되며, 복수개의 구동모터는 로봇 제어부(112)에 의해 동작이 제어될 수 있다.
복수개의 링크(115a)는 비전 카메라(111)의 위치 조절을 위해 로봇(115)에 구비되는데, 비전 카메라(115)의 위치가 다양하게 설정 가능하도록 로봇(115)상에 복수개로 구비되는 것이 바람직하다.
구체적인 일례로, 링크(115a)는 후술될 제2 구동모터(115c)와 제3 구동모터(115d)의 사이에 구비되는 제1 링크와, 제3 구동모터(115d)와 후술될 제4 구동모터(115e) 사이에 구비되는 제2 링크로 구성될 수 있다.
복수개의 구동 모터는 비전 카메라(111)의 위치 조절 및 회전을 위해 로봇(115)에 구비되는데, 비전 카메라(115)의 위치가 다양하게 설정되도록 함과 동시에 회전이 가능하도록 로봇(115)상에 복수개로 구비되는 것이 바람직하다.
구체적인 일례로, 복수개의 구동모터는 비전 카메라(111)의 위치 이동을 위한 제1 구동모터(115b), 제2 구동모터(115c) 및 제3 구동모터(115d)와, 비전 카메라(111)의 회전을 위한 제4 구동모터(115e)로 구성될 수 있다.
즉, 로봇(115)은 일 실시예에서 복수개의 구동모터(115b~115e)에 의해 4축의 관절로 구성되는 로봇일 수 있다.
이러한 로봇(115)은 제1 구동모터(115b)가 Yaw모션에 의해 회전되어 비전 카메라(111)의 위치가 조절되도록 하며, 제2 구동모터(115c)를 통해 제1 링크를 회전시키고, 제3 구동모터(115d)가 제2 링크를 회전시키며, 제4 구동모터(115e)를 통해 비전 카메라(111)의 위치 변경 및/또는 비전 카메라(111)를 회전시킬 수 있다.
한편, 제품(10)은 제조공정을 거쳐 제조된 후에 비전 검사공정을 위해, 프레임부(130)의 내부공간에 배치된 안착부(140)의 상측에 안착된다.
이때, 제품(10)은 도면에 미도시된 지그(미도시)를 통해 프레임부(130)의 내부공간으로 투입되어 안착부(140)의 상측에 안착될 수 있다.
또한, 지그(미도시)는 제품(10)의 외면을 파지하여 제품을 안착부(140)로 운반하게 되는데, 다양한 형체의 제품(10)을 파지할 수 있도록 실린더 타입으로 적용될 수 있으며, 제품(10)의 파지 과정에서 제품(10)의 외면에 스크래치가 발생되는 것을 방지하기 위해 제품(10)의 외면을 파지하는 파지부의 내측에는 실리콘 등의 유연한 소재가 구비될 수 있다.
이러한 지그(미도시)는 별도의 제어수단을 통해 동작이 제어될 수 있으나, 로봇 제어부(112)에 의해 동작이 제어될 수도 있다.
프레임부(130)는 로봇(115) 및 안착부(140)가 배치될 내부공간을 형성하기 위해 복수개의 프레임이 결합된 구조로 이루어지며, 프레임의 결합 구조에 의해 형성된 내부공간에서는 제품(10)의 비전 검사공정이 진행될 수 있다.
또한, 프레임부(130)는 로봇(115)의 교체와 제품(10)의 투입 및 배출을 위해 일부가 개방된 형태일 수 있다.
그리고 프레임부(130)는 내부공간을 형성하기 위한 복수개의 프레임 중 상측의 프레임에 제품(10)의 비전 검사공정동안 제품(10)을 향해 빛을 조사하는 LED 조명(118)이 결합될 수 있다.
안착부(140)는 제품(10)이 상측에 안착되는 것을 감지하기 위한 센서(미도시)와, 상기 센서가 제품(10)을 감지하는 경우에 상기 제품(10)을 안착부(140)의 상측에 고정시키기 위한 고정수단(미도시)이 구비될 수 있다.
또한, 안착부(140)는 비전 카메라(111)가 제품(10)과 적정 거리를 유지한 상태로 제품(10)의 전면에 대한 실시간 동영상을 촬영할 수 있도록 하는 것과, 비전 카메라(111)와 제품(10)이 충돌되는 것을 방지하기 위해 제품(10)의 크기에 따라 제품(10)과 비전 카메라(111)가 적정 거리를 유지하도록 높낮이 조절수단(예: 모터 등)이 구비될 수 있다.
이러한 안착부(140)의 고정수단 및 높낮이 조절수단은 별도의 제어수단을 통해 동작이 제어될 수 있으나, 로봇 제어부(112)에 의해 동작이 제어될 수도 있다.
다시 도 1을 참조하면, 시스템부(100)는 AI검사부(120)에 의해 이루어진 제품(10)의 비전 검사에 대한 결과 데이터를 출력하기 위한 모니터링부(113)가 구비된다.
모니터링부(113)는 AI검사부(120)로부터 제품(10)의 비전 검사에 대한 결과 데이터를 수신하게 되는데, 제품(10)이 양품으로 검사되는 경우에는 제1 검사 데이터만 출력하게 되며, 제품(10)이 불량품으로 검사되는 경우에는 제1 검사 데이터와 함께 제2 검사 데이터를 출력하게 된다.
일 실시예에서, 제1 검사 데이터는 제품(10)의 불량 여부에 대한 정보가 포함된 데이터이며, 제2 검사 데이터는 제품(10)의 불량 검출 위치가 포함된 데이터일 수 있다.
모니터링부(113)는 AI검사부(120)로부터 제2 검사 데이터를 수신할 때 알람 제어 데이터를 생성하며, 생성된 알람 제어 데이터를 알람부(114)로 송신한다.
일 실시예에서, 알람 제어 데이터는 AI검사부(120)에 의해 불량이 검출된 제품(10)의 명칭, 상기 제품(10)에게 부여된 LoT 번호, 제2 검사 데이터에 포함된 상기 제품(10)의 불량 검출 위치로 구성되는 정보일 수 있다.
알람부(114)는 모니터링부(113)로부터 알람 제어 데이터를 수신할 때, 알람 장치에서 제1 알람을 출력한다.
일 실시예에서, 제1 알람은 알람 제어 데이터를 구성하는 불량이 검출된 제품(10)의 명칭, 상기 제품(10)에게 부여된 LoT 번호, 제2 검사 데이터에 포함된 상기 제품(10)의 불량 검출 위치를 텍스트 형태로 출력하는 신호일 수 있으며, 알람 장치에서는 제1 알람이 출력될 때 특정 음성(제1 음성)이 함께 출력될 수도 있다.
일 실시예에서, 알람 장치는 AI비전 검사 시스템(100)의 사용자가 구비한 단말 또는 상기 단말이 액세스한 AI비전 검사 시스템(100)용 웹사이트일 수 있다.
또한, 단말 및 웹사이트는 알람 장치로서 활용될 뿐만 아니라, 시스템부(110) 및 AI검사부(120)를 원격으로 제어하기 위한 원격 제어 수단으로도 이용이 가능하다.
시스템부(100)는 AI검사부(120)로부터 진행된 비전 검사공정에서 불량품으로 검사된 제품(10)의 제조공정을 추적하기 위해 도 5에 도시된 바와 같이 LoT부(116) 및 데이터베이스(117)가 더 구비된다.
도 5는 본 발명의 일 실시예에 따른 시스템부의 추가 구성요소를 나타내는 도면이다.
도 5를 참조하면, LoT부(116)는 비전 카메라(111)가 제품(10)의 비전 검사공정을 진행하기 전에, 비전 검사공정을 거칠 예정인 각 제품(10)에 대해 LoT 번호를 부여한 후, 각 제품(10)에 대한 LoT 번호 데이터를 데이터베이스(117)에 저장한다.
이러한 LoT부(116)는 알람부(114)로부터 제1 알람이 발생되는 경우, 모니터링부(113)로부터 알람 제어 데이터를 수신하고, 알람 제어 데이터의 LoT 번호를 이용하여 제품(10)의 불량을 발생시킨 불량 제조공정을 정방향 또는 역방향으로 추적한다.
이때, LoT부(116)가 LoT 번호를 이용하여 불량 제조공정을 추적하는 과정은 통상적인 LoT 공정과 동일하므로, 이에 대한 자세한 설명은 편의상 생략하도록 하겠다.
LoT부(116)는 불량 제조공정의 추적이 완료되는 경우, 추적된 불량 제조공정을 사용자에게 안내하기 위해 정방향 또는 역방향으로 추적한 불량 제조공정에 대한 불량 제조공정 데이터를 알람부(114)로 송신한다.
이때, 알람부(114)는 LoT부(116)로부터 불량 제조공정 데이터를 수신할 때 알람 장치에서 제2 알람을 출력한다.
일 실시예에서, 제2 알람은 불량 제조공정 데이터를 구성하는 제품(10)에 불량을 발생시킨 불량 제조공정에 대한 정보를 텍스트 형태로 출력하는 신호일 수 있으며, 알람 장치에서는 제2 알람이 출력될 때 제1 알람이 출력될 때의 음성과 다른 음성(제2 음성)이 함께 출력될 수도 있다.
시스템부(110)는 비전 검사공정을 거칠 제품(10)을 향해 빛을 조사하기 위해 도 5에 도시된 바와 같이, LED 조명(118) 및 LED 조명 제어부(119)가 더 구비된다.
LED 조명(118)은 도면에 미도시되었으나, 안착부(140)의 상측에 안착된 제품(10)을 향해 빛을 조사하기 위해 프레임부(130)의 상측에 배치되는데, 교체를 위해 탈부착이 가능한 방식으로 마련될 수 있다.
한편, 프레임부(130)는 LED 조명(118)이 탈부착될 상측의 프레임에 LED 조명(118)의 슬라이딩 이동을 위한 레일(미도시)이 구비될 수 있다.
LED 조명(118)은 상측의 프레임에 구비된 레일에 부착된 후 슬라이딩 이동으로 제품(10)으로 빛을 조사하기 위한 위치가 변경될 수 있으며, 이러한 슬라이딩 이동은 LED 조명 제어부(119) 또는 프레임부(130)에 구비된 레일의 제어수단을 통해 이루어질 수 있다.
또한, LED 조명(118)은 AI검사부(120)에서 제품 캡쳐 이미지를 빛의 색상별로 수집하도록 복수개의 색상의 빛을 제품(10)을 향해 조사할 수 있으며, LED 조명 제어부(119)에 의해 제품(10)을 향해 조사하는 빛의 색상이 변경될 수 있다.
구체적인 일례로, LED 조명(118)은 LED 조명 제어부(119)에 의해 제1 색상(전구색, 색온도: 2700~3000 k), 제2 색상(온백색, 색온도: 3001~4500 k), 제3 색상(주백색, 색온도: 4501~5700 k), 제4 색상(주광색, 색온도: 5701~7100 k) 중 적어도 하나의 색상의 빛을 제품(10)을 향해 조사할 수 있다.
LED 조명 제어부(119)는 LED 조명(118)의 밝기 및 위치 조절을 위해 시스템부(100)에 구비되며, 제품(10)의 비전 검사공정동안 LED 조명(118)의 밝기를 복수개의 색상으로 제어하는 경우, AI검사부(120)에서 LED 조명 제어부(119)에 의해 제어된 LED 조명(118)의 색상별로 복수개의 제품 캡쳐 이미지가 수집되도록 한다.
이러한 LED 조명 제어부(119)는 AI검사부(120)에서 LED 조명(118)에서 조사되는 빛의 색상별로 복수개의 제품 캡쳐 이미지가 수집되도록 함으로써, 동일 제품(10)을 기준으로 제품(10)에 대한 복수개의 제품 캡쳐 이미지의 개수(또는 종류)를 증가시키며, 이를 통해 AI검사부(120)가 최대한 많은 개수의 제품 캡쳐 이미지를 통해 AI모델(125)의 학습 과정에서는 AI모델(125)의 학습이 이루어지도록 하며, AI모델(125)의 학습이 완료된 후에는 후술될 검사부(123)에서 최대한 많은 개수의 제품 캡쳐 이미지를 기반으로 제품(10)의 양불 여부가 판단되도록 함으로써, 제품(10)의 양불 여부가 최대한 정확하게 검사되도록 한다.
AI검사부(120)는 AI모델(125)이 학습 데이터를 기반으로 학습되며, 학습된 AI모델(125)을 이용하여 비전 카메라(111)의 실시간 동영상으로부터 제품(10)의 전면에 대한 복수개의 제품 캡쳐 이미지를 수집한 후, 제품(10)의 비전 검사를 통해 제품(10)이 양품 또는 불량품인지 검사한다.
이러한 AI검사부(120)는 도 1에 도시된 바와 같이 전처리부(121), 학습부(122), 검사부(123) 및 저장부(124)가 구비된다.
도 1을 참조하면, 전처리부(121)는 AI모델(125)이 학습되기 전에는 학습 데이터의 기반이 될 복수개의 제품 캡쳐 이미지를 수집한 후에 전처리한다.
또한, 전처리부(121)는 AI모델(125)의 학습이 완료되어 AI모델(125)이 AI비전 검사 시스템(100)에 적용되는 경우, 비전 카메라(111)가 촬영한 제품(10)의 전면에 대한 실시간 동영상으로부터 제품(10)의 전면에 대한 복수개의 제품 캡쳐 이미지를 수집한 후 전처리함으로써, 도 6에 도시된 바와 같이 전처리된 복수개의 제품 캡쳐 이미지(121a)를 획득하게 된다.
이러한 전처리부(121)가 제품 캡쳐 이미지를 전처리하는 것은 연산량(오차)을 줄이기 위한 과정일 수 있으며, 연산량을 줄이기 위해 제품 캡쳐 이미지를 흑백 처리하는 과정으로 이루어질 수 있다.
학습부(122)는 전처리부(121)로부터 전처리된 제품 캡쳐 이미지 기반의 학습 데이터로 AI모델(125)을 학습시킨다.
일 실시예에서, 학습부(122)가 학습시킬 본 발명의 AI모델(125)은 도 7에 도시된 바와 같이 CNN(Convolutional Neural Networks) 기반의 객체 감지 모델일 수 있다.
이때, CNN 기반의 객체 감지 모델인 AI모델(125)은 CNN의 특성상 복수개의 제품 캡쳐 이미지(121a)를 분류한 후 특징을 추출하는 것이 가능한데, 일 실시예에서 추출할 특징이라 함은 AI검사부(120)로부터 제품(10)이 불량품으로 검사되도록 하는 요인(예: 스크래치, 기공 등)일 수 있다.
이러한 AI모델(125)이 학습하는 과정은 통상적인 CNN 인공지능모델의 학습 과정과 동일하므로, 이에 대한 자세한 설명은 편의상 생략하도록 하겠다.
학습부(122)는 AI모델(125)의 성능 테스트를 통해 AI모델(125)의 학습이 완료된 후에도 전처리부(121)로부터 전처리된 제품 캡쳐 이미지(121a)가 생성될 때마다, 상기 전처리된 제품 캡쳐 이미지(121a)를 이용하여 AI모델(125)을 실시간으로 학습시켜 상기 AI모델(125)이 실시간으로 업데이트되도록 하며, 이를 통해 AI모델(125)은 학습이 완료된 후에 특징 추출 정확도가 향상될 수 있다.
검사부(123)는 학습부(122)로부터 학습된 AI모델(125) 기반의 검출 알고리즘이 저장되며, 전처리부(121)로부터 전처리된 복수개의 제품 캡쳐 이미지(121a)를 수신한 후, 검출 알고리즘으로 전처리된 복수개의 제품 캡쳐 이미지(121a)에서 제품(10)을 분석하여 상기 제품(10)이 양품 또는 불량품인지 검사한다.
일 실시예에서, 검사부(123)의 검출 알고리즘은 복수개의 제품 캡쳐 이미지(121a)를 분석하는 과정에서 도 8에 도시된 바와 같이 제품(10)이 불량품으로 검사될 특징(예: 스크래치)이 포함된 불량 검출 이미지(123a)를 적어도 하나 이상 확인하게 될 때, 상기 제품(10)이 불량품인 것으로 판단하게 된다.
이러한 검사부(123)의 검출 알고리즘은 학습부(122)에서 AI모델(125)이 실시간으로 업데이트될 때 함께 실시간으로 업데이트되며, AI모델(125)와 함께 전처리된 복수개의 제품 캡쳐 이미지(121a)로부터 특징을 추출하는 정확도가 향상될 수 있다.
검사부(123)는 제품(10)에 대한 검사를 완료하게 될 때, 생성되는 결과 데이터를 모니터링부(113)와 저장부(124)로 송신한다.
저장부(124)는 검사부(123)의 검출 알고리즘에 의해 진행된 제품(10)의 비전 검사에 의한 결과 데이터를 저장하는데, 제품(10)이 양품인 경우에는 상기 제품(10)에 대한 제1 검사 데이터만 저장될 수 있으며, 이와 달리 제품(10)이 불량품인 경우에는 상기 제품(10)에 대한 제1, 2 검사 데이터가 저장될 수 있다.
AI비전 검사 방법
이하에서는, 본 발명의 일 실시예에 따른 AI비전 검사 시스템(100)에 의해 수행되는 AI비전 검사 방법(S100)에 대해 자세히 설명하도록 하겠으며, 이하의 AI검사부(120)는 AI모델(125)이 학습 완료된 상태인 것을 기준으로 하여 설명하도록 하겠다.
도 9는 본 발명의 AI비전 검사 시스템에 의해 수행되는 AI비전 검사 방법의 과정을 나타내는 흐름도이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 AI비전 검사 방법(S100)에 따른 제품(10)의 양불 여부를 판단하기 위해 먼저, 제품(10)이 안착부(140)의 상측에 안착되는지 판단할 수 있다(S1001).
이 단계(S1001)에서, 제품(10)이 안착부(140)의 상측에 안착되는지 여부는 안착부(140)에 구비된 센서를 통해 판단될 수 있다.
이때 만약, 제품(10)이 안착부(140)의 상측에 안착되지 않는 경우(S1001-NO), 알람부(114)는 안착부(140)의 센서로부터 수신한 후, 제품(10)이 안착부(140)의 상측에 안착되지 않은 상태를 사용자에게 안내하기 위해 알람 장치에서 제3 알람을 출력할 수 있다(S1002).
이와 달리 만약, 제품(10)이 안착부(140)의 상측에 안착되는 경우(S1001-YES), 로봇(115)에 탑재된 비전 카메라(111)는 로봇 제어부(112)에 의해 동작이 제어되어 안착부(140)의 상측에 안착된 제품(10)의 전면을 촬영할 수 있다(S1003).
그 후, 전처리부(121)는 비전 카메라(111)가 촬영한 제품(10)의 전면에 대한 실시간 동영상으로부터 복수개의 제품 캡쳐 이미지를 수집한 후, 이를 전처리하여 전처리된 복수개의 제품 캡쳐 이미지(121a)를 획득하게 된다(S1004).
그 후, 검사부(123)는 학습된 AI모델(125) 기반의 검출 알고리즘으로 전처리된 복수개의 제품 캡쳐 이미지(121a)로부터 제품(10)을 분석하여 상기 제품(10)이 양품 또는 불량품인지 검사할 수 있다(S1005).
이때 만약, 제품(10)이 양품인 것으로 검사되는 경우(S1006-NO), 검사부(123)는 제품(10)의 검사 결과로서 결과 데이터인 제1 검사 데이터를 생성하며, 저장부(124)는 검사부(123)로부터 제1 검사 데이터를 수신한 후 저장할 수 있다(S1007).
이와 달리 만약, 제품(10)이 불량품인 것으로 검사되는 경우(S1006-YES), 검사부(123)는 결과 데이터로서 제1 검사 데이터와 제2 검사 데이터를 생성하며, 저장부(124)는 검사부(123)로부터 제1, 2 검사 데이터를 수신한 후 저장할 수 있다(S1008).
이러한 단계(S1007, S1008) 후, 모니터링부(113)는 검사부(123)의 결과 데이터를 출력할 수 있다(S1009).
이때 만약, 모니터링부(113)에서 제1 검사 데이터 뿐만 아니라 제2 검사 데이터가 출력되는 경우(S1010-YES), 모니터링부(113)는 알람부(114)로 알람 제어 데이터를 송신하고, 알람부(114)는 모니터링부(113)로부터 알람 제어 데이터를 수신할 때, 알람 장치에서 제1 알람을 출력할 수 있다(S1011).
그 후, LoT부(116)는 모니터링부(113)로부터 알람 제어 데이터를 수신하고, 알람 제어 데이터의 LoT 번호를 이용하여 제품(10)의 불량을 발생시킨 불량 제조공정을 정방향 또는 역방향으로 추적할 수 있다(S1012).
그 후, LoT부(116)는 정방향 또는 역방향으로 추적한 불량 제조공정에 대한 불량 제조공정 데이터를 알람부(114)로 송신하고, 알람부(114)는 LoT부(116)로부터 불량 제조공정 데이터를 수신할 때 알람 장치에서 제2 알람을 출력할 수 있다(S1013).
이와 달리 만약, 모니터링부(113)에서 제1 검사 데이터는 출력되되, 제2 검사 데이터가 출력되지 않는 경우(S1010-NO), 시스템부(110) 및 AI검사부(120)는 제품(10)의 비전 검사를 종료한 후, 안착부(140)에 안착되는 다른 제품(10)의 비전 검사를 진행할 수 있으며(S1014), 이러한 과정은 비전 검사를 거칠 예정의 제품(10)의 비전 검사가 종료되면 종료될 수 있다.
상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.
본 발명은 본 발명의 기술적 사상 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
10: 제품, 100: AI비전 검사 시스템,
110: 시스템부, 111: 비전 카메라,
112: 로봇 제어부, 113: 모니터링부,
114: 알람부, 115: 로봇,
115a: 링크, 115b, 115c, 115d, 115e: 구동모터,
116: LoT부, 117: 데이터베이스,
118: LED 조명, 119: LED 조명 제어부,
120: AI검사부, 121: 전처리부,
121a: 전처리된 제품 캡쳐 이미지, 122: 학습부,
123: 검사부, 123a: 불량 검출 이미지,
124: 저장부, 125: AI모델,
130: 프레임부, 140: 안착부.

Claims (7)

  1. 비전 카메라가 비전 검사공정이 진행될 때, 제품의 전면에 대한 실시간 동영상을 촬영하도록 상기 비전 카메라가 탑재된 로봇의 동작을 제어하는 시스템부; 및
    AI모델이 학습 데이터를 기반으로 학습되며, 상기 AI모델이 상기 비전 카메라의 실시간 동영상으로부터 상기 제품의 전면에 대한 복수개의 제품 캡쳐 이미지를 수집한 후, 제품의 비전 검사를 통해 상기 제품이 양품 또는 불량품인지 검사하는 AI검사부;를 포함하고,
    상기 AI검사부는,
    상기 제품의 비전 검사에 대한 결과 데이터인 상기 제품의 불량 여부에 대한 정보가 포함된 제1 검사 데이터와, 상기 제품이 불량품으로 검사되는 경우에 상기 제품의 불량 검출 위치가 포함된 제2 검사 데이터를 생성하며,
    상기 시스템부는,
    상기 비전 카메라가 탑재된 로봇의 동작을 제어하기 위한 로봇 제어부;
    상기 AI검사부로부터 수신하는 상기 제1, 2 검사 데이터를 출력하며, 상기 AI검사부로부터 상기 제2 검사 데이터를 수신할 때 알람 제어 데이터를 생성하는 모니터링부; 및
    상기 모니터링부로부터 상기 알람 제어 데이터를 수신할 때, 알람 장치에서 제1 알람을 출력하는 알람부;를 포함하고,
    상기 알람 제어 데이터는,
    상기 AI검사부에 의해 불량이 검출된 제품의 명칭, 상기 제품에게 부여된 LoT 번호, 상기 제2 검사 데이터에 포함된 상기 제품의 불량 검출 위치로 구성되는 정보이며,
    상기 시스템부는,
    상기 제품을 향해 빛을 조사하는 LED 조명의 밝기를 제어하기 위한 LED 조명 제어부;를 포함하고,
    상기 LED 조명 제어부는,
    상기 제품의 비전 검사공정동안 상기 LED 조명의 밝기를 다르게 제어하여, 상기 AI검사부에서 상기 LED 조명에서 조사되는 빛의 색상별로 복수개의 제품 캡쳐 이미지가 수집되도록 하며,
    상기 로봇은,
    상기 비전 카메라의 위치 변경 및/또는 상기 비전 카메라를 회전시키기 위해 복수개의 링크와, 상기 로봇 제어부에 의해 동작이 제어되는 복수개의 구동모터가 구비되고,
    상기 제품은,
    복수개의 프레임이 결합된 구조로 이루어진 프레임부의 내부공간에 배치된 안착부의 상측에 안착되어 상기 프레임부의 내부공간에서 비전 검사공정이 진행되며,
    상기 프레임부는,
    상기 제품의 비전 검사동안 상기 제품을 향해 빛을 조사하기 위한 상기 LED 조명이 상기 복수개의 프레임 중 상측 프레임에 탈부착 방식으로 결합되고, 상기 LED 조명의 슬라이딩 이동을 위한 레일이 상기 상측 프레임에 구비되며,
    상기 LED 조명은,
    상기 상측 프레임의 레일에 부착된 후 상기 LED 조명 제어부에 의한 슬라이딩 이동으로 상기 제품으로 빛을 조사하기 위한 위치가 변경 가능하고,
    상기 안착부는,
    상기 제품이 상측에 안착되는 것을 감지하기 위한 센서와, 상기 센서가 제품을 감지하는 경우에 상기 제품을 상기 안착부의 상측에 고정시키기 위한 고정수단이 구비되고,
    상기 비전 카메라가 상기 제품과 적정 거리를 유지한 상태로 상기 제품의 전면에 대한 실시간 동영상을 촬영할 수 있도록 하는 것과, 상기 비전 카메라와 상기 제품이 충돌되는 것을 방지하기 위해, 상기 제품의 크기에 따라 상기 제품과 상기 비전 카메라가 적정 거리를 유지하도록 하는 높낮이 조절수단이 더 구비되며,
    상기 고정수단과 상기 높낮이 조절수단이 상기 로봇 제어부에 의해 동작이 제어되는 것을 특징으로 하는 로봇을 활용한 AI비전 검사 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 제1 알람은,
    상기 알람 제어 데이터를 구성하는 불량이 검출된 제품의 명칭, 상기 제품에게 부여된 LoT 번호, 상기 제품의 불량 검출 위치를 텍스트 형태로 출력하는 신호인 것을 특징으로 하는 로봇을 활용한 AI비전 검사 시스템.
  4. 제 1 항에 있어서,
    상기 시스템부는,
    상기 비전 카메라가 비전 검사공정을 진행하기 전에, 상기 비전 검사공정을 거칠 예정인 각 제품에 대해 LoT 번호를 부여한 후, 상기 각 제품에 대한 LoT 번호 데이터를 데이터베이스에 저장하는 LoT부;를 포함하고,
    상기 LoT부는,
    상기 알람부로부터 제1 알람이 발생되는 경우, 상기 모니터링부로부터 알람 제어 데이터를 수신하고, 상기 알람 제어 데이터의 LoT 번호를 이용하여 상기 제품의 불량을 발생시킨 불량 제조공정을 추적하며, 추적된 불량 제조공정을 사용자에게 안내하기 위한 불량 제조공정 데이터를 상기 알람부로 송신하는 것을 특징으로 하는 로봇을 활용한 AI비전 검사 시스템.
  5. 제 4 항에 있어서,
    상기 알람부는,
    상기 LoT부로부터 상기 불량 제조공정 데이터를 수신하는 경우, 상기 알람 장치에서 제2 알람을 출력하고,
    상기 제2 알람은,
    상기 불량 제조공정 데이터를 구성하는 상기 제품에 불량을 발생시킨 불량 제조공정에 대한 정보를 텍스트 형태로 출력하는 신호인 것을 특징으로 하는 로봇을 활용한 AI비전 검사 시스템.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 AI검사부는,
    상기 비전 카메라의 실시간 동영상으로부터 상기 제품의 전면에 대한 복수개의 제품 캡쳐 이미지를 수집한 후 전처리하는 전처리부;
    상기 전처리부로부터 전처리된 제품 캡쳐 이미지를 기반의 학습 데이터로 AI모델을 학습시키는 학습부;
    상기 AI모델의 학습이 완료되는 경우에 상기 AI모델 기반의 검출 알고리즘이 저장되며, 상기 검출 알고리즘을 이용하여 상기 전처리부로부터 전처리된 복수개의 제품 캡쳐 이미지를 기반으로 상기 제품을 분석하여 상기 제품이 양품 또는 불량품인지 검사하는 검사부; 및
    상기 검출 알고리즘에 의해 진행된 제품의 비전 검사에 의한 결과 데이터를 저장하기 위한 저장부;를 포함하는 것을 특징으로 하는 로봇을 활용한 AI비전 검사 시스템.
KR1020220142593A 2022-10-31 2022-10-31 로봇을 활용한 ai비전 검사 시스템 KR102541166B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220142593A KR102541166B1 (ko) 2022-10-31 2022-10-31 로봇을 활용한 ai비전 검사 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220142593A KR102541166B1 (ko) 2022-10-31 2022-10-31 로봇을 활용한 ai비전 검사 시스템

Publications (1)

Publication Number Publication Date
KR102541166B1 true KR102541166B1 (ko) 2023-06-14

Family

ID=86744638

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220142593A KR102541166B1 (ko) 2022-10-31 2022-10-31 로봇을 활용한 ai비전 검사 시스템

Country Status (1)

Country Link
KR (1) KR102541166B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170069178A (ko) * 2017-05-13 2017-06-20 주식회사 에이피에스 멀티 광학 모듈 비전 검사 시스템
KR20190063839A (ko) 2017-11-30 2019-06-10 전자부품연구원 제조 공정에서 딥러닝을 활용한 머신 비전 기반 품질검사 방법 및 시스템
KR20200054065A (ko) * 2018-11-09 2020-05-19 한국기술교육대학교 산학협력단 스마트 러닝 팩토리 시스템
KR20220042916A (ko) * 2020-09-28 2022-04-05 (주)미래융합정보기술 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템
KR20220097743A (ko) * 2020-12-31 2022-07-08 동국대학교 산학협력단 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170069178A (ko) * 2017-05-13 2017-06-20 주식회사 에이피에스 멀티 광학 모듈 비전 검사 시스템
KR20190063839A (ko) 2017-11-30 2019-06-10 전자부품연구원 제조 공정에서 딥러닝을 활용한 머신 비전 기반 품질검사 방법 및 시스템
KR20200054065A (ko) * 2018-11-09 2020-05-19 한국기술교육대학교 산학협력단 스마트 러닝 팩토리 시스템
KR20220042916A (ko) * 2020-09-28 2022-04-05 (주)미래융합정보기술 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템
KR20220097743A (ko) * 2020-12-31 2022-07-08 동국대학교 산학협력단 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템

Similar Documents

Publication Publication Date Title
US20210318673A1 (en) In-Situ Inspection Method Based on Digital Data Model of Weld
CN109840900A (zh) 一种应用于智能制造车间的故障在线检测系统及检测方法
KR20210157000A (ko) 차량 하부 검사 시스템 및 그 방법
CN112945972B (zh) 一种基于机器视觉的钢丝绳状态检测装置及方法
CN103116351A (zh) 一种纺织疵布检测摄像头及其检测系统
CN108844966A (zh) 一种屏幕检测方法及检测系统
CN109693140A (zh) 一种智能化柔性生产线及其工作方法
AU2022318275B2 (en) Acquiring and inspecting images of ophthalmic lenses
KR102541166B1 (ko) 로봇을 활용한 ai비전 검사 시스템
CN106645185A (zh) 一种智能检测工业零件表面质量的方法及装置
CN116128879B (zh) 一种轻量化输电线路缺陷检测方法和装置
CN109142377A (zh) 一种饮用矿泉水水质检测装置
CN206146851U (zh) 一种智能检测工业零件表面质量的装置
US20230115037A1 (en) Ply templating for composite fabrication with ai quality control modules
CN111028250A (zh) 一种实时智能验布方法及系统
TWI788175B (zh) 皮革瑕疵檢測系統
US20230038435A1 (en) Method and apparatus for determining the size of defects during a surface modification process
CN114677597B (zh) 基于改进YOLOv5网络的齿轮缺陷视觉检测方法及系统
US20220067914A1 (en) Method and apparatus for the determination of defects during a surface modification method
CN114047195A (zh) 一种新能源电池帽缺陷检测方法和系统
El Hachem et al. Welding seam classification in the automotive industry using deep learning algorithms
CN114550334A (zh) 一种桥梁机器人巡检教培系统、方法及存储介质
KR102294899B1 (ko) 딥 러닝을 이용한 ai 기반 자동차용 선루프의 결함 검사 시스템 및 그 방법
CN111610205A (zh) 一种金属零部件x光图像缺陷检测装置
US20220375067A1 (en) Automated part inspection system

Legal Events

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