KR102613402B1 - Vision inspection system for battery cap - Google Patents
Vision inspection system for battery cap Download PDFInfo
- Publication number
- KR102613402B1 KR102613402B1 KR1020220119995A KR20220119995A KR102613402B1 KR 102613402 B1 KR102613402 B1 KR 102613402B1 KR 1020220119995 A KR1020220119995 A KR 1020220119995A KR 20220119995 A KR20220119995 A KR 20220119995A KR 102613402 B1 KR102613402 B1 KR 102613402B1
- Authority
- KR
- South Korea
- Prior art keywords
- battery cap
- video image
- shaped
- inspection system
- vision inspection
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 50
- 238000003466 welding Methods 0.000 claims abstract description 18
- 230000002950 deficient Effects 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- 238000003702 image correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 12
- 238000001914 filtration Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007773 negative electrode material Substances 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
- B23K31/125—Weld quality monitoring
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/028—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring lateral position of a boundary of the object
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Sealing Battery Cases Or Jackets (AREA)
Abstract
본 발명은 배터리 캡 비전 검사 시스템에 관한 것으로, 특히, 배터리 캡의 영상 이미지를 보정 처리하여, S자 용접부의 용접 유무 및 용접 불량을 판정할 수 있는 배터리 캡 비전 검사 시스템에 관한 것이다. 본 발명의 일 실시예에 따른 배터리 캡 비전 검사 시스템은, S자 용접부가 형성된 배터리 캡의 상부에서 빛을 조사하는 링 라이트 유닛, 상기 배터리 캡을 촬영하는 카메라, 및 상기 카메라로부터 전송되는 영상 이미지를 필터링 하여 노이즈를 제거하며, 노이즈가 제거된 영상 이미지의 S자 용접부의 피쳐(feature)를 검출하고, 미리 설정된 기준 데이터와 상기 피쳐를 비교하여 S자 용접부의 불량 여부를 판정하는 컨트롤러를 포함한다. The present invention relates to a battery cap vision inspection system, and in particular, to a battery cap vision inspection system that can determine whether an S-shaped weld zone is welded and whether welding is defective by correcting and processing a video image of a battery cap. The battery cap vision inspection system according to an embodiment of the present invention includes a ring light unit that radiates light from the top of the battery cap where the S-shaped weld is formed, a camera that photographs the battery cap, and a video image transmitted from the camera. It includes a controller that removes noise by filtering, detects features of the S-shaped weld in the video image from which the noise has been removed, and determines whether the S-shaped weld is defective by comparing the feature with preset reference data.
Description
본 발명은 배터리 캡 비전 검사 시스템에 관한 것으로, 특히, 배터리 캡의 영상 이미지를 보정 처리하여, S자 용접부의 용접 유무 및 용접 불량을 판정할 수 있는 배터리 캡 비전 검사 시스템에 관한 것이다. The present invention relates to a battery cap vision inspection system, and in particular, to a battery cap vision inspection system that can determine whether an S-shaped weld zone is welded and whether welding is defective by correcting and processing a video image of a battery cap.
배터리는 양극재, 음극재, 전해질을 포함하며, 배터리 제조 과정에서, 배터리의 (+)극 또는 (-)극에는 배터리 캡이 결합할 수 있다.A battery includes a positive electrode material, a negative electrode material, and an electrolyte, and during the battery manufacturing process, a battery cap may be attached to the (+) pole or (-) pole of the battery.
배터리 캡은 배터리 내부의 전해질이 외부로 누수되는 것을 방지함으로써, 폭발 등의 안전 사고를 예방할 수 있다. The battery cap can prevent safety accidents such as explosions by preventing the electrolyte inside the battery from leaking to the outside.
배터리 캡의 표면에는 S자 형태의 용접부가 형성되어, 마크 역할을 하며, 배터리에 과전류가 흘러 배터리가 커지거나 팽창할 경우, S자 용접부가 파손되어, 전류를 차단함으로써, 퓨즈 기능을 수행할 수 있다. An S-shaped weld is formed on the surface of the battery cap, which serves as a mark. If an overcurrent flows into the battery and the battery grows or expands, the S-shaped weld is damaged and can perform a fuse function by blocking the current. there is.
배터리 캡의 S자 용접부에 대해 비전 검사를 실행하여, 배터리 캡의 불량 여부를 검사할 수 있다. By performing a vision inspection on the S-shaped weld part of the battery cap, you can check whether the battery cap is defective.
종래의 비전 검사의 경우, 배터리 캡에 대한 조명 조건에 따라 검사 품질의 일관성을 확보할 수 없었으며, 획득된 영상 이미지에 대한 보정 처리 기법이 미진하였다. In the case of conventional vision inspection, consistency of inspection quality could not be secured depending on the lighting conditions for the battery cap, and correction processing techniques for the acquired video images were inadequate.
따라서, 개선된 비전 검사 시스템에 대한 연구 개발의 필요성이 있다. Therefore, there is a need for research and development on improved vision inspection systems.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명의 목적은 카메라를 통해 촬영되는 배터리 캡의 영상 이미지에 개선된 검사 알고리즘을 적용하여, S자 용접부의 용접 유무 및 용접 불량을 정밀하게 검출할 수 있는 배터리 캡 비전 검사 시스템을 제공하는 것이다.The present invention was created in consideration of the above circumstances, and the purpose of the present invention is to precisely detect the presence or absence of welding in the S-shaped weld zone and welding defects by applying an improved inspection algorithm to the video image of the battery cap captured through a camera. The goal is to provide a battery cap vision inspection system that can do this.
또한, 본 발명의 목적은 링 라이트, 카메라, 컨트롤러를 조합하는 간단한 구조로 배터리 캡의 비전 검사를 용이하면서 신속하게 실행할 수 있는 배터리 캡 비전 검사 시스템을 제공하는 것이다.In addition, the purpose of the present invention is to provide a battery cap vision inspection system that can easily and quickly perform vision inspection of the battery cap with a simple structure that combines a ring light, a camera, and a controller.
본 발명의 일 실시예에 따른 배터리 캡 비전 검사 시스템은, S자 용접부가 형성된 배터리 캡의 상부에서 빛을 조사하는 링 라이트 유닛, 상기 배터리 캡을 촬영하는 카메라, 및 상기 카메라로부터 전송되는 영상 이미지를 필터링 하여 노이즈를 제거하며, 노이즈가 제거된 영상 이미지의 S자 용접부의 피쳐(feature)를 검출하고, 미리 설정된 기준 데이터와 상기 피쳐를 비교하여 S자 용접부의 불량 여부를 판정하는 컨트롤러를 포함한다. The battery cap vision inspection system according to an embodiment of the present invention includes a ring light unit that radiates light from the top of the battery cap where the S-shaped weld is formed, a camera that photographs the battery cap, and a video image transmitted from the camera. It includes a controller that removes noise by filtering, detects features of the S-shaped weld in the video image from which the noise has been removed, and determines whether the S-shaped weld is defective by comparing the feature with preset reference data.
일 실시예에서, 상기 컨트롤러는, 미리 설정한 지름 범위 내에서 상기 S자 용접부의 경계를 검출하여, 추출한 픽셀 밸류(pixel value)로부터 가장 정원에 근사한 원을 S자 용접부의 내원으로 검출하고, 검출한 내원의 중심과 상기 배터리 캡의 외곽의 중심의 편차를 미리 설정한 기준 편차와 비교하여 불량 여부를 판정할 수 있다.In one embodiment, the controller detects the boundary of the S-shaped welded portion within a preset diameter range, detects the circle closest to a circle from the extracted pixel value as the inner circle of the S-shaped welded portion, and detects The defect can be determined by comparing the deviation between the center of one inner circle and the center of the outer edge of the battery cap with a preset standard deviation.
일 실시예에서, 상기 컨트롤러는, 용접 공정 중, 핀홀 현상으로 인한 백색의 돌출 부분에 블랍 라벨링(blob Labeling) 알고리즘을 적용하여, 상기 돌출 부분이 미리 설정한 수치 이상이면, 핀홀 불량으로 분류할 수 있다. In one embodiment, the controller applies a blob labeling algorithm to the white protruding part caused by the pinhole phenomenon during the welding process, and if the protruding part exceeds a preset value, it can be classified as a pinhole defect. there is.
일 실시예에서, 상기 블랍 라벨링 알고리즘을 적용하여 미리 설정한 수치 정보는 폭(width), 높이(height), 또는, 폭 및 높이 정보가 될 수 있다. In one embodiment, the numerical information preset by applying the blob labeling algorithm may be width, height, or width and height information.
일 실시예에서, 상기 컨트롤러는, 상기 카메라에서 촬영된 영상 이미지의 S자 용접부의 백색의 돌출 부분과, 표면의 노이즈 부분을 구분하여, 상기 영상 이미지 보정을 실행할 수 있다. In one embodiment, the controller may perform video image correction by distinguishing between a white protruding part of an S-shaped weld part and a noise part of the surface of a video image captured by the camera.
일 실시예에서, 상기 컨트롤러는, 상기 S자 용접부의 픽셀 밸류를 기반으로 상기 S자 용접부 이외의 영역과의 표준 편차를 계산하여, 상기 표준 편차가 45 이상이면, 용접이 정상인 것으로 판정할 수 있다.In one embodiment, the controller calculates a standard deviation from areas other than the S-shaped welded portion based on the pixel value of the S-shaped welded portion, and if the standard deviation is 45 or more, it may be determined that the welding is normal. .
일 실시예에서, 상기 컨트롤러는, 상기 카메라로부터 전송되는 영상 이미지에 대해 검사 알고리즘을 적용하여, 다단계 보정을 실행하며, 표면에 노이즈가 제거된 영상 이미지를 획득할 수 있다. In one embodiment, the controller may apply an inspection algorithm to the video image transmitted from the camera, perform multi-step correction, and obtain a video image with noise removed from the surface.
일 실시예에서, 상기 배터리 캡은 알루미늄으로 구성되며, 링 라이트의 파장은 760 nm가 될 수 있다. In one embodiment, the battery cap is made of aluminum, and the wavelength of the ring light may be 760 nm.
일 실시예에서, 상기 컨트롤러는, 상기 S자 용접부가 형성된 배터리 캡에 대한 과거의 영상 이미지들에 기반하여 AI 모델을 생성하는 AI 모델 생성부, 상기 카메라로부터 전송되는 영상 이미지에 대한 보정을 실행하는 데이터 전처리부, 상기 데이터 전처리부에서 보정한 영상 이미지를 상기 AI 모델에 적용하여 상기 AI 모델을 트레이닝 시키는 트레이닝부, 및 상기 S자 용접부의 불량 여부 판정의 기준 데이터 생성을 위해 상기 S자 용접부에 대한 피쳐를 설정하는 피쳐 설정부를 포함하며, 상기 AI 모델은, 상기 데이터 전처리부에서 보정한 영상 이미지의 S자 용접부의 피쳐를 검출하여, 미리 설정된 상기 기준 데이터를 기반으로 상기 S자 용접부의 불량 여부를 판정할 수 있다.In one embodiment, the controller includes an AI model generator that generates an AI model based on past video images of the battery cap on which the S-shaped weld is formed, and a device that performs correction on the video image transmitted from the camera. A data pre-processing unit, a training unit for training the AI model by applying the video image corrected by the data pre-processing unit to the AI model, and a data processing unit for generating reference data for determining whether the S-shaped weld part is defective. It includes a feature setting unit that sets features, and the AI model detects the feature of the S-shaped weld part in the video image corrected by the data pre-processing unit and determines whether the S-shaped weld part is defective based on the preset reference data. can be judged.
일 실시예에서, 상기 S자 용접부에 대한 피쳐는, 상기 S자 용접부의 내원, 외원 또는 백색의 돌출 부분이 될 수 있다. In one embodiment, the feature for the S-shaped weld may be an inner circle, an outer circle, or a white protruding portion of the S-shaped weld.
본 발명에 따른 배터리 캡 비전 검사 시스템은 카메라를 통해 촬영되는 배터리 캡의 영상 이미지에 개선된 검사 알고리즘을 적용하여, 영상 이미지의 픽셀 밸류를 기반으로 S자 용접부의 용접 유무를 판정하며, S자 용접부의 위치를 검사하여 용접 불량을 정밀하게 검출할 수 있는 효과가 있다. The battery cap vision inspection system according to the present invention applies an improved inspection algorithm to the video image of the battery cap captured through a camera, determines whether the S-shaped weld zone is welded based on the pixel value of the video image, and determines whether the S-shaped weld zone is welded. It is effective in detecting welding defects precisely by inspecting the location of the.
또한, 본 발명에 따른 배터리 캡 비전 검사 시스템은 링 라이트, 카메라, 컨트롤러를 조합하는 간단한 구조로 배터리 캡의 비전 검사를 용이하면서 신속하게 실행할 수 있는 효과가 있다. In addition, the battery cap vision inspection system according to the present invention has a simple structure that combines a ring light, a camera, and a controller, and has the effect of enabling easy and quick vision inspection of the battery cap.
또한, 본 발명에 따른 배터리 캡 비전 검사 시스템은 배터리 캡의 영상 이미지에 대해 다단계로 검사 알고리즘을 적용하여, 노이즈를 제거하고, S자 용접부의 경계를 보정함으로써, 비전 검사의 정확도를 높일 수 있는 효과가 있다.In addition, the battery cap vision inspection system according to the present invention has the effect of increasing the accuracy of vision inspection by applying a multi-step inspection algorithm to the video image of the battery cap, removing noise, and correcting the boundary of the S-shaped weld zone. There is.
도 1은 본 발명의 일 실시예에 따른 배터리 캡 비전 검사 시스템의 구성을 도시한 도면이다.
도 2는 배터리 캡의 S자 용접부의 용접 위치 검사를 설명하기 위한 도면이다.
도 3은 배터리 캡의 S자 용접부의 핀홀 불량 검사를 설명하기 위한 도면이다.
도 4는 배터리 캡의 S자 용접부의 용접 유무 판단을 설명하기 위한 도면이다.
도 5는 배터리 캡의 영상 이미지에 대해 다단계의 검사 알고리즘을 적용하여 보정한 영상 이미지들을 도시한다.
도 6은 도 1의 컨트롤러의 구성을 도시한 블록도이다.1 is a diagram illustrating the configuration of a battery cap vision inspection system according to an embodiment of the present invention.
Figure 2 is a diagram for explaining the welding position inspection of the S-shaped weld part of the battery cap.
Figure 3 is a diagram for explaining pinhole defect inspection of the S-shaped weld part of the battery cap.
Figure 4 is a diagram for explaining the determination of whether or not the S-shaped weld portion of the battery cap is welded.
Figure 5 shows video images corrected by applying a multi-step inspection algorithm to the video image of the battery cap.
FIG. 6 is a block diagram showing the configuration of the controller of FIG. 1.
이하에서는, 본 발명의 일 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. Hereinafter, embodiments of the present invention will be described in detail through exemplary drawings. When adding reference numerals to components in each drawing, it should be noted that identical components are given the same reference numerals as much as possible even if they are shown in different drawings. Additionally, in describing the present invention, if it is determined that a detailed description of a related known configuration or function may obscure the gist of the present invention, the detailed description will be omitted.
도 1은 본 발명의 일 실시예에 따른 배터리 캡 비전 검사 시스템의 구성을 도시한 도면이다. 1 is a diagram illustrating the configuration of a battery cap vision inspection system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 배터리 캡 비전 검사 시스템(100)은 링 라이트 유닛(110), 카메라(120) 및 컨트롤러(130)를 포함한다. Referring to FIG. 1, the battery cap vision inspection system 100 of the present invention includes a ring light unit 110, a camera 120, and a controller 130.
배터리 캡(20)의 표면에는 S자 용접부(30)가 형성되며, 링 라이트 유닛(110)은 검사대(10) 상에 놓이는 배터리 캡(20)의 상부에서 빛을 조사한다. An S-shaped weld portion 30 is formed on the surface of the battery cap 20, and the ring light unit 110 irradiates light from the top of the battery cap 20 placed on the inspection table 10.
링 라이트 유닛(110)의 내측면에는 복수의 광원이 설치되며, 링 라이트 유닛(110)의 중앙 영역은 카메라(130)가 배터리 캡(20)을 촬영할 수 있도록 개방될 수 있다. A plurality of light sources are installed on the inner surface of the ring light unit 110, and the central area of the ring light unit 110 may be opened so that the camera 130 can photograph the battery cap 20.
카메라(110)는 배터리 캡(20)을 촬영하여, 영상 이미지를 컨트롤러(130)로 전송할 수 있다. 카메라(110)가 촬영하는 영상 이미지를 보다 선명하게 획득하기 위해, 배터리 캡(20)을 소정의 재료로 구성하며, 링 라이트의 파장을 760 nm로 설정할 수 있다.The camera 110 can photograph the battery cap 20 and transmit the video image to the controller 130. In order to obtain clearer images captured by the camera 110, the battery cap 20 can be made of a predetermined material, and the wavelength of the ring light can be set to 760 nm.
배터리 캡(20)의 소재는 알루미늄이 될 수 있으며, 알루미늄은 빛의 반사가 많이 발생하는 재질이어서, 장파장 검사일 때 유리하므로, 링 라이트의 파장이 760 nm로 선정될 수 있다.The material of the battery cap 20 may be aluminum, and since aluminum is a material that causes a lot of light reflection, it is advantageous for long-wavelength inspection, so the wavelength of the ring light may be selected at 760 nm.
컨트롤러(130)는 카메라(120)로부터 전송되는 영상 이미지를 필터링 하여 노이즈를 제거하며, 노이즈가 제거된 영상 이미지의 S자 용접부(30)의 피쳐(feature)를 검출하고, 미리 설정된 기준 데이터와 상기 피쳐를 비교하여 S자 용접부(30)의 불량 여부를 판정한다. The controller 130 filters the video image transmitted from the camera 120 to remove noise, detects the feature of the S-shaped weld portion 30 in the video image from which the noise has been removed, and combines preset reference data with the By comparing the features, it is determined whether the S-shaped welded portion 30 is defective.
도 2는 배터리 캡의 S자 용접부의 용접 위치 검사를 설명하기 위한 도면이다. Figure 2 is a diagram for explaining the welding position inspection of the S-shaped weld part of the battery cap.
도 2를 참조하면, 컨트롤러(130)는 미리 설정한 지름 범위 내에서 S자 용접부(30)의 경계를 검출하여, 추출한 픽셀 밸류(pixel value)로부터 가장 정원에 근사한 원을 S자 용접부(30)의 내원으로 검출하고, 검출한 내원의 중심과 배터리 캡(20)의 외곽의 중심의 편차를 미리 설정한 기준 편차와 비교하여 불량 여부를 판정할 수 있다. Referring to FIG. 2, the controller 130 detects the boundary of the S-shaped welded portion 30 within a preset diameter range and creates a circle that most closely approximates a circle from the extracted pixel value as the S-shaped welded portion 30. It is possible to determine whether the battery is defective by detecting the inner circle and comparing the deviation between the center of the detected inner circle and the center of the outer edge of the battery cap 20 with a preset standard deviation.
픽셀 밸류는 카메라(120)에서 렌즈를 통해서 보는 픽셀 분해능을 지칭하며, 하나의 픽셀당 몇 ㎛ 인지를 나타내는 값이 될 수 있다. Pixel value refers to the pixel resolution seen through the lens of the camera 120, and can be a value indicating how many ㎛ per pixel.
상기 내원은 도 2에서 적색으로 표시된 부분을 나타낸다. 상기 미리 설정한 지름 범위는, 배터리 캡(20)의 크기에 따라 변경될 수 있으며, 예를 들어, 1.40mm 내지 2.20mm가 될 수 있다. The inner circle represents the part marked in red in Figure 2. The preset diameter range may vary depending on the size of the battery cap 20, and may be, for example, 1.40 mm to 2.20 mm.
컨트롤러(130)는 S자 용접부(30)의 내원을 S자 용접부(30)의 피쳐로 미리 설정할 수 있으며, S자 용접부(30)의 내원의 크기, 내원의 중심의 위치 등을 기준 데이터로 미리 설정할 수 있다. The controller 130 can preset the inner circle of the S-shaped welded portion 30 as a feature of the S-shaped welded portion 30, and preset the size of the inner circle of the S-shaped welded portion 30, the position of the center of the inner circle, etc. as reference data. You can set it.
다른 실시예에서, 컨트롤러(130)는 미리 설정한 지름 범위 내에서 S자 용접부(30)의 경계를 검출하여, 추출한 픽셀 밸류(pixel value)로부터 가장 정원에 근사한 원을 S자 용접부(30)의 외원으로 검출하고, 검출한 외원의 중심과 배터리 캡(20)의 외곽의 중심의 편차를 미리 설정한 기준 편차와 비교하여 불량 여부를 판정할 수 있다. In another embodiment, the controller 130 detects the boundary of the S-shaped welded portion 30 within a preset diameter range and creates a circle that most closely approximates a circle from the extracted pixel value of the S-shaped welded portion 30. It is possible to determine whether the battery is defective by detecting it as an outer circle and comparing the deviation between the center of the detected outer circle and the center of the outer edge of the battery cap 20 with a preset standard deviation.
여기서, 컨트롤러(130)는 S자 용접부(30)의 외원을 S자 용접부(30)의 피쳐로 미리 설정할 수 있으며, S자 용접부(30)의 외원의 크기, 외원의 중심의 위치 등을 기준 데이터로 미리 설정할 수 있다. Here, the controller 130 can preset the outer circle of the S-shaped welded portion 30 as a feature of the S-shaped welded portion 30, and the size of the outer circle of the S-shaped welded portion 30, the location of the center of the outer circle, etc. are used as reference data. It can be set in advance.
도 3은 배터리 캡의 S자 용접부의 핀홀 불량 검사를 설명하기 위한 도면이다. Figure 3 is a diagram for explaining pinhole defect inspection of the S-shaped weld part of the battery cap.
도 3을 참조하면, 컨트롤러(130)는, 용접 공정 중, 핀홀(pin hole) 현상으로 인한 백색의 돌출 부분(32)에 블랍 라벨링(blob Labeling) 알고리즘을 적용하여, 돌출 부분(32)이 미리 설정한 수치 이상이면, 핀홀 불량으로 분류할 수 있다.Referring to FIG. 3, the controller 130 applies a blob labeling algorithm to the white protruding portion 32 due to the pin hole phenomenon during the welding process, so that the protruding portion 32 is If it is above the set value, it can be classified as a pinhole defect.
블랍 라벨링 알고리즘은, 영상 이미지의 인접한 화소에 모두 동일한 라벨(label)을 부여하고, 연결되지 않는 다른 성분에는 다른 라벨을 부여한다. 이에 따라, S자 용접부(30) 내에 핀홀 현상으로 인한 돌출 부분(32)은 인접한 화소와 상이한 라벨이 부여되어, 구분된다. The blob labeling algorithm assigns the same label to all adjacent pixels of a video image and assigns different labels to other unconnected components. Accordingly, the protruding portion 32 within the S-shaped welded portion 30 due to the pinhole phenomenon is assigned a different label from the adjacent pixel and is thus distinguished.
배터리 캡(20)과 S자 용접부(30)는 표면의 거칠기에 따라 조명이 반사되어 더 밝게 촬영되거나, 또는 더 어둡게 촬영될 수 있다. The battery cap 20 and the S-shaped weld portion 30 may be photographed brighter or darker as light is reflected depending on the roughness of the surface.
S자 용접부(30)의 경우, 조명 조건에 따라 주변보다 어둡게 보이는 현상이 발생하며, 검사 알고리즘이 적용된 영상 이미지에서, S자 용접부(30) 내의 돌출 부분(32)은 색반전을 통해 주변 픽셀과의 대비차가 더 크게 발생할 수 있다. In the case of the S-shaped welded area 30, a phenomenon occurs where it appears darker than the surrounding area depending on the lighting conditions, and in the video image to which the inspection algorithm is applied, the protruding portion 32 within the S-shaped welded area 30 is similar to the surrounding pixels through color inversion. The difference may be larger.
일 실시예에서, 상기 블랍 라벨링 알고리즘을 적용하여 미리 설정한 수치 정보는 폭(width), 높이(height), 또는, 폭 및 높이 정보가 될 수 있으며, 컨트롤러(130)는 백색의 돌출 부분(32)의 폭, 높이, 또는, 폭 및 높이가 미리 설정한 수치 이상이면, 핀홀 불량으로 분류할 수 있다. In one embodiment, the numerical information preset by applying the blob labeling algorithm may be width, height, or width and height information, and the controller 130 controls the white protruding portion 32. ), or if the width and height are more than a preset value, it can be classified as a pinhole defect.
핀홀은 용접이 과다 또는 과소하게 진행된 경우 발생하는 에러점을 지칭하며, 2차원 영상 이미지 상에서, 백색의 돌출 부분(32)의 폭은 X축 방향의 길이, 높이는 Y축 방향의 길이를 나타낼 수 있다. A pinhole refers to an error point that occurs when welding is excessive or insufficient. On a two-dimensional video image, the width of the white protruding portion 32 may represent the length in the X-axis direction, and the height may represent the length in the Y-axis direction. .
일 실시예에서, 컨트롤러(130)는, 카메라(120)에서 촬영된 영상 이미지의 S자 용접부(30)의 백색의 돌출 부분(32)과, 표면의 노이즈 부분을 구분하여, 영상 이미지 보정을 실행할 수 있다. In one embodiment, the controller 130 performs video image correction by distinguishing between the white protruding portion 32 of the S-shaped weld 30 and the noise portion of the surface in the video image captured by the camera 120. You can.
도 4는 배터리 캡의 S자 용접부의 용접 유무 판단을 설명하기 위한 도면이다. Figure 4 is a diagram for explaining the determination of whether or not the S-shaped weld portion of the battery cap is welded.
도 4를 참조하면, 컨트롤러(130)는, S자 용접부(30)의 픽셀 밸류를 기반으로 S자 용접부(30) 이외의 영역과의 표준 편차를 계산하여, 상기 표준 편차가 45 이상이면, 용접이 정상인 것으로 판정할 수 있다.Referring to FIG. 4, the controller 130 calculates the standard deviation from areas other than the S-shaped welding area 30 based on the pixel value of the S-shaped welding area 30, and if the standard deviation is 45 or more, the welding This can be judged to be normal.
표준 편차는 카메라(120)에서 촬영된 영상 이미지의 각 픽셀의 그레이 밸류(gray value)인 스케일 값을 기반으로 산출될 수 있다.The standard deviation may be calculated based on a scale value that is the gray value of each pixel of the video image captured by the camera 120.
도 5는 배터리 캡의 영상 이미지에 대해 다단계의 검사 알고리즘을 적용하여 보정한 영상 이미지들을 도시한다.Figure 5 shows video images corrected by applying a multi-step inspection algorithm to the video image of the battery cap.
도 5를 참조하면, 컨트롤러(130)는, 카메라(120)로부터 전송되는 영상 이미지에 대해 검사 알고리즘을 적용하여, 다단계 보정을 실행하며, 표면에 노이즈가 제거된 영상 이미지를 획득할 수 있다. Referring to FIG. 5, the controller 130 may apply an inspection algorithm to the video image transmitted from the camera 120, perform multi-step correction, and obtain a video image with noise removed from the surface.
도 5에서, (a)는 보정 전의 영상 이미지를 나타내며, (b) 내지 (f)는 5단계로 각각 보정이 이루어진 영상 이미지들을 나타낸다. In Figure 5, (a) represents a video image before correction, and (b) to (f) represent video images that have been corrected in five steps.
(a) 내지 (f)의 영상 이미지들은 모두 오픈소스 모폴로지 알고리즘을 기본적으로 적용할 수 있으며, 각 단계마다 별개의 검사 알고리즘을 적용하여, 이미지 필터 과정이 실행될 수 있다.The open source morphology algorithm can be basically applied to all of the video images in (a) to (f), and the image filter process can be performed by applying a separate inspection algorithm to each step.
일 실시예에서, 컨트롤러(130)는, 모폴로지(Morphology), 이미지 오픈(Image Open), 이미지 클로즈(Image Close) 등의 연산을 적용한 검사 알고리즘을 통해 S자 용접부(30)의 위치를 검출할 수 있다. In one embodiment, the controller 130 can detect the position of the S-shaped weld portion 30 through an inspection algorithm that applies operations such as morphology, image open, and image close. there is.
도 6은 도 1의 컨트롤러의 구성을 도시한 블록도이다. FIG. 6 is a block diagram showing the configuration of the controller of FIG. 1.
도 6을 참조하면, 컨트롤러(130)는 AI 모델 생성부(132), 데이터 전처리부(134), 트레이닝부(136) 및 피쳐 설정부(138)를 포함할 수 있다.Referring to FIG. 6, the controller 130 may include an AI model creation unit 132, a data preprocessing unit 134, a training unit 136, and a feature setting unit 138.
AI 모델 생성부(132)는 S자 용접부(30)가 형성된 배터리 캡(20)에 대한 과거의 영상 이미지들에 기반하여 AI 모델을 생성할 수 있다. 과거의 영상 이미지들은 S자 용접부(30)가 정상적으로 형성된 배터리 캡(20)에 관한 영상 이미지와, S자 용접부(30)가 불량하게 형성된 배터리 캡(20)에 관한 영상 이미지를 포함한다. The AI model generator 132 may generate an AI model based on past video images of the battery cap 20 in which the S-shaped weld portion 30 is formed. Past video images include video images of the battery cap 20 in which the S-shaped welded portion 30 is formed normally, and video images of the battery cap 20 in which the S-shaped welded portion 30 is formed poorly.
데이터 전처리부(134)는 카메라(120)로부터 전송되는 영상 이미지에 대한 보정을 실행한다. 영상 이미지에 대한 보정을 위해 도 5에서와 같은 과정이 이루어질 수 있다. The data pre-processing unit 134 performs correction on the video image transmitted from the camera 120. The same process as in FIG. 5 may be performed to correct the video image.
트레이닝부(136)는 데이터 전처리부(134)에서 보정한 영상 이미지를 AI 모델에 적용하여 AI 모델을 트레이닝 시킨다. AI 모델을 생성할 때 적용한 과거의 영상 이미지들 외에 AI 모델이 생성된 이후에 발생하는 영상 이미지들을 입력하여 AI 모델을 기계 학습시킴으로써, AI 모델을 통해 산출되는 결과 값의 신뢰성을 높일 수 있다. The training unit 136 trains the AI model by applying the video image corrected by the data preprocessor 134 to the AI model. By machine learning the AI model by inputting video images that occur after the AI model is created, in addition to past video images applied when creating the AI model, the reliability of the results calculated through the AI model can be increased.
피쳐 설정부(138)는 S자 용접부(30)의 불량 여부 판정의 기준 데이터 생성을 위해 S자 용접부(30)에 대한 피쳐를 설정한다. The feature setting unit 138 sets features for the S-shaped welded portion 30 to generate reference data for determining whether the S-shaped welded portion 30 is defective.
S자 용접부(30)에 대한 피쳐는, 예를 들어, S자 용접부(30)의 내원, 외원 또는 백색의 돌출 부분(32)이 될 수 있다. The features for the S-shaped weld 30 can be, for example, an inner circle, an outer circle, or a white, protruding portion 32 of the S-shaped weld 30.
기준 데이터는, 예를 들어, S자 용접부(30)의 내원의 크기, 중심의 위치, 외원의 크기, 중심의 위치, 백색의 돌출 부분의 폭 또는 높이 등이 될 수 있으며, 피쳐 설정부(138)에서 설정한 피쳐의 종류, 성질에 따라 기준 데이터도 변경될 수 있다. The reference data may be, for example, the size of the inner circle, the position of the center, the size of the outer circle, the position of the center, the width or height of the white protruding part, etc. of the S-shaped welded portion 30, and the feature setting unit 138 ), the reference data may also change depending on the type and nature of the feature set.
컨트롤러(130)의 AI 모델은, 데이터 전처리부(134)에서 보정한 영상 이미지의 S자 용접부(30)의 피쳐를 검출하여, 미리 설정된 기준 데이터를 기반으로 S자 용접부(30)의 불량 여부를 판정할 수 있다.The AI model of the controller 130 detects the features of the S-shaped welded portion 30 in the video image corrected by the data pre-processing unit 134 and determines whether the S-shaped welded portion 30 is defective based on preset reference data. can be judged.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 어셈블리로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로 컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서 (parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented as hardware components, software components, and/or assemblies of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, and a field programmable gate (FPGA). It may be implemented using one or more general-purpose or special-purpose computers, such as an array, programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. A processing device may execute an operating system (OS) and one or more software applications that run on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include multiple processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.Although the present invention has been described in detail with reference to preferred embodiments so far, the present invention is not limited to the above-described embodiments, and the technical field to which the present invention pertains without departing from the gist of the present invention as claimed in the following claims. Anyone skilled in the art will recognize that the technical idea of the present invention extends to the extent that various changes or modifications can be made.
10: 검사대 20: 배터리 캡
30: S자 용접부 32: 돌출 부분
100: 배터리 캡 비전 검사 시스템 110: 링 라이트 유닛
120: 카메라 130: 컨트롤러
132: AI 모델 생성부 134: 데이터 전처리부
136: 트레이닝부 138: 피쳐 설정부10: Inspection table 20: Battery cap
30: S-shaped weld portion 32: Protruding portion
100: Battery cap vision inspection system 110: Ring light unit
120: Camera 130: Controller
132: AI model creation unit 134: Data preprocessing unit
136: Training section 138: Feature setting section
Claims (10)
상기 배터리 캡을 촬영하는 카메라; 및
상기 카메라로부터 전송되는 영상 이미지를 필터링 하여 노이즈를 제거하며, 노이즈가 제거된 영상 이미지의 S자 용접부의 피쳐(feature)를 검출하고, 미리 설정된 기준 데이터와 상기 피쳐를 비교하여 S자 용접부의 불량 여부를 판정하는 컨트롤러;를 포함하고,
상기 컨트롤러는,
미리 설정한 지름 범위 내에서 상기 S자 용접부의 경계를 검출하여, 추출한 픽셀 밸류(pixel value)로부터 가장 정원에 근사한 원을 S자 용접부의 내원으로 검출하고, 검출한 내원의 중심과 상기 배터리 캡의 외곽의 중심의 편차를 미리 설정한 기준 편차와 비교하여 불량 여부를 판정하는, 배터리 캡 비전 검사 시스템. A ring light unit that irradiates light from the top of the battery cap where the S-shaped weld is formed;
a camera that photographs the battery cap; and
The video image transmitted from the camera is filtered to remove noise, the feature of the S-shaped weld in the noise-removed video image is detected, and the feature is compared with preset reference data to determine whether the S-shaped weld is defective. Includes a controller that determines,
The controller is,
The boundary of the S-shaped welded portion is detected within a preset diameter range, the circle closest to a circle from the extracted pixel value is detected as the inner circle of the S-shaped welded portion, and the center of the detected inner circle and the battery cap are A battery cap vision inspection system that determines defects by comparing the deviation of the outer center with a preset standard deviation.
상기 컨트롤러는,
용접 공정 중, 핀홀 현상으로 인한 백색의 돌출 부분에 블랍 라벨링(blob Labeling) 알고리즘을 적용하여, 상기 돌출 부분이 미리 설정한 수치 이상이면, 핀홀 불량으로 분류하는, 배터리 캡 비전 검사 시스템. According to paragraph 1,
The controller is,
A battery cap vision inspection system that applies a blob labeling algorithm to the white protruding part caused by the pinhole phenomenon during the welding process and classifies it as a pinhole defect if the protruding part exceeds a preset value.
상기 블랍 라벨링 방식을 적용하여 미리 설정한 수치 정보는 폭(width), 높이(height), 또는, 폭 및 높이 정보인, 배터리 캡 비전 검사 시스템. According to paragraph 3,
A battery cap vision inspection system in which the numerical information preset by applying the blob labeling method is width, height, or width and height information.
상기 컨트롤러는,
상기 카메라에서 촬영된 영상 이미지의 S자 용접부의 백색의 돌출 부분과, 표면의 노이즈 부분을 구분하여, 상기 영상 이미지 보정을 실행하는, 배터리 캡 비전 검사 시스템. According to paragraph 3,
The controller is,
A battery cap vision inspection system that performs video image correction by distinguishing between a white protruding part of the S-shaped weld part and a noise part of the surface of the video image captured by the camera.
상기 컨트롤러는,
상기 S자 용접부의 픽셀 밸류를 기반으로 상기 S자 용접부 이외의 영역과의 표준 편차를 계산하여, 상기 표준 편차가 45 이상이면, 용접이 정상인 것으로 판정하는, 배터리 캡 비전 검사 시스템. According to paragraph 1,
The controller is,
A battery cap vision inspection system that calculates the standard deviation from areas other than the S-shaped welded area based on the pixel value of the S-shaped welded area, and determines that the welding is normal if the standard deviation is 45 or more.
상기 컨트롤러는,
상기 카메라로부터 전송되는 영상 이미지에 대해 검사 알고리즘을 적용하여, 다단계 보정을 실행하며, 표면에 노이즈가 제거된 영상 이미지를 획득하는, 배터리 캡 비전 검사 시스템. According to paragraph 1,
The controller is,
A battery cap vision inspection system that applies an inspection algorithm to the video image transmitted from the camera, performs multi-step correction, and obtains a video image with noise removed from the surface.
상기 배터리 캡은 알루미늄으로 구성되며, 링 라이트의 파장은 760 nm인, 배터리 캡 비전 검사 시스템.According to paragraph 1,
A battery cap vision inspection system wherein the battery cap is made of aluminum, and the wavelength of the ring light is 760 nm.
상기 컨트롤러는,
상기 S자 용접부가 형성된 배터리 캡에 대한 과거의 영상 이미지들에 기반하여 AI 모델을 생성하는 AI 모델 생성부;
상기 카메라로부터 전송되는 영상 이미지에 대한 보정을 실행하는 데이터 전처리부;
상기 데이터 전처리부에서 보정한 영상 이미지를 상기 AI 모델에 적용하여 상기 AI 모델을 트레이닝 시키는 트레이닝부; 및
상기 S자 용접부의 불량 여부 판정의 기준 데이터 생성을 위해 상기 S자 용접부에 대한 피쳐를 설정하는 피쳐 설정부;를 포함하며,
상기 AI 모델은, 상기 데이터 전처리부에서 보정한 영상 이미지의 S자 용접부의 피쳐를 검출하여, 미리 설정된 상기 기준 데이터를 기반으로 상기 S자 용접부의 불량 여부를 판정하는, 배터리 캡 비전 검사 시스템. According to paragraph 1,
The controller is,
an AI model generator that generates an AI model based on past video images of the battery cap on which the S-shaped weld is formed;
a data pre-processing unit that performs correction on the video image transmitted from the camera;
a training unit that trains the AI model by applying the video image corrected by the data preprocessor to the AI model; and
It includes a feature setting unit that sets features for the S-shaped welded portion to generate reference data for determining whether the S-shaped welded portion is defective,
The AI model is a battery cap vision inspection system that detects features of the S-shaped welding part of the video image corrected by the data preprocessing unit and determines whether the S-shaped welding part is defective based on the preset reference data.
상기 S자 용접부에 대한 피쳐는, 상기 S자 용접부의 내원, 외원 또는 백색의 돌출 부분인, 배터리 캡 비전 검사 시스템.According to paragraph 1,
The battery cap vision inspection system wherein the feature for the S-shaped weld is an inner circle, an outer circle, or a white protruding portion of the S-shaped weld.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220119995A KR102613402B1 (en) | 2022-09-22 | 2022-09-22 | Vision inspection system for battery cap |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220119995A KR102613402B1 (en) | 2022-09-22 | 2022-09-22 | Vision inspection system for battery cap |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102613402B1 true KR102613402B1 (en) | 2023-12-14 |
Family
ID=89166896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220119995A KR102613402B1 (en) | 2022-09-22 | 2022-09-22 | Vision inspection system for battery cap |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102613402B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117554378A (en) * | 2024-01-02 | 2024-02-13 | 宁德时代新能源科技股份有限公司 | Welding detection system and defect detection method |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060076562A (en) * | 2004-12-29 | 2006-07-04 | 삼성중공업 주식회사 | The prosecuting equipment for weld zone defect prosecuting |
| KR20070005968A (en) * | 2005-07-05 | 2007-01-11 | 삼성중공업 주식회사 | Method and apparatus for detecting defects of the welded part |
| KR20080032856A (en) * | 2006-10-11 | 2008-04-16 | 삼성중공업 주식회사 | Recognition method of welding line position in shipbuilding subassembly stage |
| KR102439163B1 (en) * | 2022-06-24 | 2022-09-01 | 주식회사 아이브 | Apparatus, method, and program for detecting defective products using unsupervised learning models based on AI |
-
2022
- 2022-09-22 KR KR1020220119995A patent/KR102613402B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060076562A (en) * | 2004-12-29 | 2006-07-04 | 삼성중공업 주식회사 | The prosecuting equipment for weld zone defect prosecuting |
| KR20070005968A (en) * | 2005-07-05 | 2007-01-11 | 삼성중공업 주식회사 | Method and apparatus for detecting defects of the welded part |
| KR20080032856A (en) * | 2006-10-11 | 2008-04-16 | 삼성중공업 주식회사 | Recognition method of welding line position in shipbuilding subassembly stage |
| KR102439163B1 (en) * | 2022-06-24 | 2022-09-01 | 주식회사 아이브 | Apparatus, method, and program for detecting defective products using unsupervised learning models based on AI |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117554378A (en) * | 2024-01-02 | 2024-02-13 | 宁德时代新能源科技股份有限公司 | Welding detection system and defect detection method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113646801B (en) | Defect detection method, device and computer readable storage medium for defect image | |
| CN112577969B (en) | Defect detection method and defect detection system based on machine vision | |
| WO2017141611A1 (en) | Defect detection apparatus, defect detection method, and program | |
| KR20020013512A (en) | System and method for selection of a reference die | |
| EP3660491A1 (en) | Defect inspecting method and defect inspecting device | |
| KR102613402B1 (en) | Vision inspection system for battery cap | |
| KR102027986B1 (en) | Bead recognition apparatus using vision camera and method thereof | |
| KR20200086812A (en) | System for inspecting substrate defects by bubbles and Method for inspecting substrate defects by bubbles | |
| KR20200143149A (en) | Safety Inspection Check Method of Structure through Artificial Intelligence Analysis of Scan Image by Drone | |
| KR100687811B1 (en) | Method and apparatus for detecting defects of the welded part | |
| KR20150047100A (en) | Method for inspecting transparent body, and apparatus for inspecting transparent body | |
| TWI822968B (en) | Color filter inspection device, inspection device, color filter inspection method, and inspection method | |
| JPH11231507A (en) | Method and device for inspecting mask | |
| CN114119497A (en) | Method and device for detecting sealing welding quality of cylindrical battery cell, electronic equipment and storage medium | |
| US10788430B2 (en) | Surface inspection apparatus and surface inspection method | |
| KR101675532B1 (en) | Apparatus and Method for detecting defect of thick steel plate | |
| KR102433319B1 (en) | Vision inspection method of diffusing lens for led light source | |
| KR20240039812A (en) | Defect detecting method and apparatus using deep learning | |
| JP7188930B2 (en) | Engraving inspection device, engraving inspection method, and article inspection device | |
| JP2008111705A (en) | Method and program for detecting defect and inspection apparatus | |
| JP2008171142A (en) | Spot defect detection method and device | |
| JP2019045451A (en) | Inspection apparatus, inspection method and program | |
| JP4017585B2 (en) | Paint surface inspection equipment | |
| JP2017090346A (en) | Appearance inspection device, appearance inspection method and inspection program | |
| JP2005189167A (en) | Bridge inspection device of cap |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |