KR102614485B1 - 딥러닝을 이용한 기어류 부품 비전검사시스템 - Google Patents

딥러닝을 이용한 기어류 부품 비전검사시스템 Download PDF

Info

Publication number
KR102614485B1
KR102614485B1 KR1020210037230A KR20210037230A KR102614485B1 KR 102614485 B1 KR102614485 B1 KR 102614485B1 KR 1020210037230 A KR1020210037230 A KR 1020210037230A KR 20210037230 A KR20210037230 A KR 20210037230A KR 102614485 B1 KR102614485 B1 KR 102614485B1
Authority
KR
South Korea
Prior art keywords
gear parts
vision inspection
supply feeder
booth
inspection system
Prior art date
Application number
KR1020210037230A
Other languages
English (en)
Other versions
KR20220132219A (ko
Inventor
원경연
최원창
Original Assignee
정원기계(주)
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 정원기계(주) filed Critical 정원기계(주)
Priority to KR1020210037230A priority Critical patent/KR102614485B1/ko
Publication of KR20220132219A publication Critical patent/KR20220132219A/ko
Application granted granted Critical
Publication of KR102614485B1 publication Critical patent/KR102614485B1/ko

Links

Images

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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/021—Gearings
    • 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
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G01N2021/9516—Objects of complex shape, e.g. examined with use of a surface follower device whereby geometrical features are being masked

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Textile Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

딥러닝 알고리즘이 적용된 기어류 부품 비전검사시스템을 개시한다.
실시예에 따른 기어류 부품 비전검사시스템은 기어류 부품을 제공하는 공급피더; 상기 공급피더의 인근에 배치되고, 기어류 부품에 대한 영상을 촬영하는 비전검사부스; 상기 공급피더의 인근에 배치되고, 상기 공급피더에서 제공된 기어류 부품을 파지하여 상기 비전검사부스로 운반하는 로봇암; 상기 공급피더, 상기 비전검사부스 및 상기 로봇암의 작동을 제어하고, 상기 비전검사부스에서 촬영된 영상을 기반으로 기어류 부품의 결함을 판단하는 서버; 및 상기 서버의 정보를 출력하는 디스플레이;를 포함하며, 상기 공급피더는, 베이스; 상기 베이스의 상부에 회전 가능하게 구성된 회전판; 상기 회전판의 상면 가장자리를 따라 일정 간격으로 구비되는 복수 개의 수직로드; 상기 수직로드에 끼워지는 디스크; 및 상기 베이스에 구비되어, 상기 디스크를 승강시키는 리프트;를 구비하는 것을 특징으로 한다.

Description

딥러닝을 이용한 기어류 부품 비전검사시스템{VISION INSPECTION SYSTEM FOR INSPECTION OF GEAR PARTS USING DEEP LEARNING}
본 개시(The Present Disclosure)는 카메라로 촬영된 영상을 통하여, 물체의 표면에 형성된 결함(찍힘, 긁힘, 도색불량 등)을 판별하는 비전검사시스템과 관련된다.
금속 소재로 이루어진 기어류 부품[예 : 스퍼 기어, 헬리컬 기어, 인터널 기어, 체인 기어(스프로킷) 등]은 제조과정에서 표면에 결함(찍힘, 긁힘, 도색불량 등)이 발생하기 쉽다.
한편 종래에는 육안검사를 통하여, 기어류 부품의 품질을 관리하여 왔는데, 육안검사의 경우, 검사자에 따라 기어류 부품의 표면 결함에 대한 판독이 상이한 문제점이 있다. 또한 육안검사의 경우, 하나의 기어류 부품을 검사하는데에도 상당한 시간이 소요된다.
딥러닝 알고리즘이 적용된 기어류 부품 비전검사시스템을 제공하는 것이다.
실시예에 따른 기어류 부품 비전검사시스템은 기어류 부품을 제공하는 공급피더; 상기 공급피더의 인근에 배치되고, 기어류 부품에 대한 영상을 촬영하는 비전검사부스; 상기 공급피더의 인근에 배치되고, 상기 공급피더에서 제공된 기어류 부품을 파지하여 상기 비전검사부스로 운반하는 로봇암; 상기 공급피더, 상기 비전검사부스 및 상기 로봇암의 작동을 제어하고, 상기 비전검사부스에서 촬영된 영상을 기반으로 기어류 부품의 결함을 판단하는 서버; 및 상기 서버의 정보를 출력하는 디스플레이;를 포함하며, 상기 공급피더는, 베이스; 상기 베이스의 상부에 회전 가능하게 구성된 회전판; 상기 회전판의 상면 가장자리를 따라 일정 간격으로 구비되는 복수 개의 수직로드; 상기 수직로드에 끼워지는 디스크; 및 상기 베이스에 구비되어, 상기 디스크를 승강시키는 리프트;를 구비하는 것을 특징으로 한다.
실시예에 따른 기어류 부품 비전검사시스템은 상기 비전검사부스 인근에 배치되는 불량품분류대;를 더 포함할 수 있다.
또한 상기 서버는 상기 비전검사부스에서 촬영된 영상을 수집하는 영상수집부; 상기 영상수집부에 수집된 영상의 노이즈를 제거하고, 상기 영상수집부에 수집된 영상의 크기를 조절하는 영상처리부; 상기 영상처리부에서 처리된 영상을 딥러닝 신경망에 입력되는 데이터로 변환하는 데이터생성부; 사전 입력된 기어류 부품 표면 결함 데이터들을 통해 기어류 부품의 결함을 딥러닝 신경망 학습하는 딥러닝학습부; 상기 딥러닝학습부에서 학습된 정보를 기반으로 상기 데이터생성부에서 생성된 데이터를 분석하는 결함판단부; 및 사용자가 상기 공급피더, 상기 비전검사부스 및 상기 로봇암의 작동을 제어 가능하도록 하는 UI부;를 포함할 수 있다.
또한 상기 비전검사부스는 내부에 공간이 마련되고, 전면이 개방된 몸체; 상기 공간의 바닥 중앙에 회전 가능하게 구성된 베드; 및 상기 공간에 구비되어, 상기 베드에 안착된 기어류 부품을 촬영하는 적어도 1개 이상의 비전카메라;를 구비할 수 있다.
또한 상기 공급피더는 베이스; 상기 베이스의 상부에 회전 가능하게 구성된 회전판; 상기 회전판의 상면 가장자리를 따라 일정 간격으로 구비되는 복수 개의 수직로드; 상기 수직로드에 끼워지는 디스크; 상기 베이스에 구비되어, 상기 디스크를 승강시키는 리프트; 및 상기 수직로드에 끼워진 기어류 부품의 톱니부를 타격하여, 상기 기어류 부품의 방향을 확인하는 센서유닛;을 구비할 수 있다.
또한 상기 불량품분류대는 프레임; 상기 프레임의 상부에 구비되고, 길이 방향을 따라 일정 간격으로 홀이 형성된 바; 하부가 상기 홀에 탈부착되는 적어도 1개 이상의 착탈로드; 및 상기 바에 구비되고, 상기 착탈로드에 기준 개수 이상의 기어류 부품이 끼워졌을 때, 경보신호를 발생시키는 센서유닛;을 구비할 수 있다.
기어류 부품 비전검사시스템의 공급피더는, 기어류 부품 비전검사시스템에 기어류 부품을 공급하는 공급피더에 있어서, 베이스; 상기 베이스의 상부에 회전 가능하게 구성된 회전판; 상기 회전판의 상면 가장자리를 따라 일정 간격으로 구비되는 복수 개의 수직로드; 상기 수직로드에 끼워지는 디스크; 및 상기 베이스에 구비되어, 상기 디스크를 승강시키는 리프트;를 구비하는 것을 특징으로 한다.
삭제
실시예에 따른 기어류 부품 비전검사시스템를 이용하면, 다량의 기어류 부품을 신속하고, 정확하게 검사할 수 있다.
도 1은 실시예에 따른 기어류 부품 비전검사시스템의 사시도이다.
도 2는 공급피더의 작동을 나타내는 도면이다.
도 3은 비전검사부를 나타내는 도면이다.
도 4는 서버의 구성을 개략적으로 나타내는 도면이다.
도 5는 불량품분류대를 나태내는 도면이다.
이하 첨부된 도면을 참조하여, 실시예에 따른 기어류 부품 비전검사시스템을 구체적으로 설명한다.
도 1은 실시예에 따른 기어류 부품 비전검사시스템(100)[이하 '비전검사시스템(100)'이라 한다]의 사시도이다.
도 1에 도시된 바와 같이, 비전검사시스템(100)은 공급피더(110), 비전검사부스(120), 로봇암(130), 서버(140) 및 디스플레이(150)를 포함하고, 불량품분류대(160)를 더 포함할 수 있다.
공급피더(110)는 기어류 부품(G)을 제공하는 기능을 한다.
도 2를 참조하면, 하나의 예로서, 공급피더(110)는 베이스(111), 회전판(112), 복수 개의 수직로드(113, 113'...), 복수 개의 디스크(114, 114'...), 리프트(115) 및 센서유닛(116)으로 구성될 수 있다.
베이스(111)는 지면에 거치된다.
회전판(112)은 베이스(111)의 상부에 회전 가능하게 결합된다.
복수 개의 수직로드(113, 113'...)는 회전판(112)의 상면 가장자리를 따라 일정 간격으로 구비된다. 기어류 부품(G)은 수직로드(113)에 적재된다.
디스크(114)는 수직로드(113)에 끼워지고, 외력에 의하여 수직로드(113)의 높이 방향으로 이동될 수 있다.
리프트(115)는 베이스(111)에 구비되어, 복수 개의 디스크(114, 114'...) 중 어느 하나의 디스크(114)를 승강시키는 기능을 한다.
도 2 (b)를 참조하면, 센서유닛(116)은 베이스(111)의 상부에 구비되고, 리프트(115)와 디스크(114)에 의하여, 소정 높이[로봇암(130)이 파지하기 쉬운 높이]로 상승된 기어류 부품(G)의 톱니부를 타격하여, 기어류 부품(G)이 상하 반전된 상태인지 아니지를 판별하고, 상하 반전된 상태일 경우, 경보신호를 발생시킨다.
도 1, 도 3을 참조하면, 비전검사부스(120)는 공급피더(110)의 인근에 배치된다. 비전검사부스(120)는 몸체(121), 베드(122) 및 적어도 1개 이상의 비전카메라(123, 123'...)로 구성될 수 있다.
몸체(121)는 내부에 공간이 마련되고, 전면이 개방된 구조를 갖는다. 몸체(121)의 개방된 전면을 통하여, 몸체(121)의 내부 공간으로 기어류 부품이 투입될 수 있다.
베드(122)는 몸체(121)의 내부 공간의 바닥에 모터(미도시) 등에 의하여 회전 가능하게 설치된다. 베드(122)는 기어류 부품의 하부를 지지한다.
적어도 1개 이상의 비전카메라(123, 123'...)는 몸체(121)의 내부 공간에 구비되고, 베드(122)에 안착되어 회전하는 기어류 부품을 여러 방향(수직 방향, 대각선 방향, 측면 방향 등)에서 촬영하는 기능을 한다. 비전카메라(123, 123'...)로 촬영된 영상은 서버(140)로 전송된다.
도 1을 참조하면, 로봇암(130)은 비전검사부스(120)의 전방에 배치된다. 로봇암(130)은 공급피더(110)에서 제공되는 기어류 부품(G)을 파지한 후, 비전검사부스(120)의 베드(122)로 이동시키고, 비전검사부스(120)에서 검사가 완료된 기어류 부품을 다음 공정[정상품일 경우] 또는 불량품분류대(160)[불량품일 경우]로 이동시키는 기능을 한다.
서버(140)는 공급피더(110), 비전검사부스(120), 로봇암(130)의 작동을 제어하고, 비전검사부스(120)에서 촬영된 기어류 부품(G)의 영상을 딥러닝으로 학습된 정보에 매칭시켜, 기어류 부품(G)의 결함 유무 및 결함 종류를 판단한다.
도 4를 참조하면, 서버(140)는 영상수집부(141), 영상처리부(142), 데이터생성부(143), 딥러닝학습부(144), 결함판단부(145) 및 UI부(146)로 구성될 수 있다.
영상수집부(141)는 비전검사부스(120)에서 촬영된 영상을 수집(저장)한다.
영상처리부(142)는 영상수집부(141)에 수집된 영상을 가공한다. 예컨대, 영상의 화소, 스케일을 조정하고, 영상의 노이즈를 제거한다. 또한 영상에서 필요한 부분만을 잘라낸다.
데이터생성부(143)는 영상처리부(142)에서 처리된 영상을 딥러닝 신경망에 입력되는 데이터 타입으로 변환한다.
딥러닝학습부(144)는 사전 입력된 기어류 부품 표면 결함 데이터들을 통해 기어류 부품의 결함을 딥러닝 신경망 학습한다.
결함판단부(145)는 딥러닝학습부(144)에서 학습된 정보를 기반으로 데이터생성부(143)에서 생성된 데이터를 분석하여, 기어류 부품의 결함 유무 및 결함 종류를 판단한다.
UI부(146)는 사용자가 공급피더(110), 비전검사부스(130) 및 로봇암(130)의 작동을 직접적으로 제어 가능하도록 한다.
디스플레이(150)는 서버(140)의 정보[비전검사부스에서 촬영된 영상, UI 등]을 출력한다.
도 1에 도시된 바와 같이, 불량품분류대(160)는 비전검사부스(120)의 인근에 배치된다. 도 5를 참조하면, 하나의 예로서, 불량품분류대(160)는 프레임(161), 바(162), 적어도 1개 이상의 착탈로드(163, 163'...) 및 센서유닛(164)으로 구성될 수 있다.
프레임(161)은 지면에 거치된다.
바(162)는 프레임(161)의 상부에 지면과 나란한 형태로 구비된다. 바(162)는 각도 조절(축회전) 가능하도록 구성될 수 있다.
바(162)에는 길이 방향을 따라 일정 간격으로 홀(162a, 162a'...)이 형성된다.
착탈로드(163, 163...)는 홀(162a, 162a'...)의 개수에 대응되는 개수로 구비된다. 착탈로드(163)의 하부는 홀(162a)에 결합(삽입)된다.
착탈로드(163, 163...)의 개수는 기어류 부품의 결함(찍힘, 긁힘, 도색불량 등) 종류에 따라 적절히 선택될 수 있다. 결함이 있는 기어류 부품(G)은 로봇암(130)에 의하여, 착탈로드(163')에 끼워진다.
센서유닛(164)은 바(162)에 구비되고, 착탈로드(163)에 기준 개수 이상의 기어류 부품이 끼워졌을 때, 경보신호를 발생시킨다. 경보신호가 발생하면, 작업자는 바(162)에서 착탈로드(163)에서 분리하여, 착탈로드(163)에 끼워진 기어류 부품을 다른 장소로 이동시키면 된다.
본 개시의 실시예(들)를 설명할 때 사용된 각종 표현(용어, 시각화된 이미지 등)은 본 개시의 본질적 기술사상을 독자에게 이해하기 쉽게 전달하기 위한 도구적 목적으로 선택된 것에 불과하다.
또한 당해 기술분야에서 통상의 지식을 가진 사람이라면, 본 개시의 실시예(들)를 바탕으로 전술한 실시예(들)와 본질적 기술사상은 동일하지만 외관상으로는 차이가 있는 변형 실시예들을 무수히 창안해 낼 수 있을 것이다.
따라서 본 개시의 권리범위는 '발명의 설명' 및 '도면'에 기재된 일부 표현들에 의해 제한되어선 안 되고, 본 개시의 본질적 기술사상에 의거하여 폭넓게 해석되어야 함이 마땅하다.
100... 기어류 부품 비전검사시스템
110... 공급피더
120... 비전검사부스
130... 로봇암
140... 서버
150... 디스플레이
160... 불량품분류대

Claims (7)

  1. 기어류 부품을 제공하는 공급피더;
    상기 공급피더의 인근에 배치되고, 기어류 부품에 대한 영상을 촬영하는 비전검사부스;
    상기 공급피더의 인근에 배치되고, 상기 공급피더에서 제공된 기어류 부품을 파지하여 상기 비전검사부스로 운반하는 로봇암;
    상기 공급피더, 상기 비전검사부스 및 상기 로봇암의 작동을 제어하고, 상기 비전검사부스에서 촬영된 영상을 기반으로 기어류 부품의 결함을 판단하는 서버; 및
    상기 서버의 정보를 출력하는 디스플레이;를 포함하며,
    상기 공급피더는,
    베이스;
    상기 베이스의 상부에 회전 가능하게 구성된 회전판;
    상기 회전판의 상면 가장자리를 따라 일정 간격으로 구비되는 복수 개의 수직로드;
    상기 수직로드에 끼워지는 디스크; 및
    상기 베이스에 구비되어, 상기 디스크를 승강시키는 리프트;를 구비하는 것을 특징으로 하는, 기어류 부품 비전검사시스템.
  2. 제1항에 있어서,
    상기 서버는,
    상기 비전검사부스에서 촬영된 영상을 수집하는 영상수집부;
    상기 영상수집부에 수집된 영상의 노이즈를 제거하고, 상기 영상수집부에 수집된 영상의 크기를 조절하는 영상처리부;
    상기 영상처리부에서 처리된 영상을 딥러닝 신경망에 입력되는 데이터로 변환하는 데이터생성부;
    사전 입력된 기어류 부품 표면 결함 데이터들을 통해 기어류 부품의 결함을 딥러닝 신경망 학습하는 딥러닝학습부;
    상기 딥러닝학습부에서 학습된 정보를 기반으로 상기 데이터생성부에서 생성된 데이터를 분석하는 결함판단부; 및
    사용자가 상기 공급피더, 상기 비전검사부스 및 상기 로봇암의 작동을 제어 가능하도록 하는 UI부;를 포함하는 것을 특징으로 하는, 기어류 부품 비전검사시스템.
  3. 제1항에 있어서,
    상기 비전검사부스는,
    내부에 공간이 마련되고, 전면이 개방된 몸체;
    상기 공간의 바닥 중앙에 회전 가능하게 구성된 베드; 및
    상기 공간에 구비되어, 상기 베드에 안착된 기어류 부품을 촬영하는 적어도 1개 이상의 비전카메라;를 구비하는 것을 특징으로 하는, 기어류 부품 비전검사시스템.
  4. 제1항에 있어서,
    상기 공급피더는,
    상기 수직로드에 끼워진 기어류 부품의 톱니부를 타격하여, 상기 기어류 부품의 방향을 확인하는 센서유닛;을 더 구비하는 것을 특징으로 하는, 기어류 부품 비전검사시스템.
  5. 제1항에 있어서,
    상기 비전검사부스 인근에 배치되는 불량품분류대;를 더 포함하는, 기어류 부품 비전검사시스템.
  6. 제5항에 있어서,
    상기 불량품분류대는,
    프레임;
    상기 프레임의 상부에 구비되고, 길이 방향을 따라 일정 간격으로 홀이 형성된 바;
    하부가 상기 홀에 탈부착되는 적어도 1개 이상의 착탈로드; 및
    상기 바에 구비되고, 상기 착탈로드에 기준 개수 이상의 기어류 부품이 끼워졌을 때, 경보신호를 발생시키는 센서유닛;을 구비하는 것을 특징으로 하는, 기어류 부품 비전검사시스템.
  7. 기어류 부품 비전검사시스템에 기어류 부품을 공급하는 공급피더에 있어서,
    베이스;
    상기 베이스의 상부에 회전 가능하게 구성된 회전판;
    상기 회전판의 상면 가장자리를 따라 일정 간격으로 구비되는 복수 개의 수직로드;
    상기 수직로드에 끼워지는 디스크; 및
    상기 베이스에 구비되어, 상기 디스크를 승강시키는 리프트;를 구비하는 것을 특징으로 하는, 기어류 부품 비전검사시스템의 공급피더.
KR1020210037230A 2021-03-23 2021-03-23 딥러닝을 이용한 기어류 부품 비전검사시스템 KR102614485B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210037230A KR102614485B1 (ko) 2021-03-23 2021-03-23 딥러닝을 이용한 기어류 부품 비전검사시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210037230A KR102614485B1 (ko) 2021-03-23 2021-03-23 딥러닝을 이용한 기어류 부품 비전검사시스템

Publications (2)

Publication Number Publication Date
KR20220132219A KR20220132219A (ko) 2022-09-30
KR102614485B1 true KR102614485B1 (ko) 2023-12-19

Family

ID=83451459

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210037230A KR102614485B1 (ko) 2021-03-23 2021-03-23 딥러닝을 이용한 기어류 부품 비전검사시스템

Country Status (1)

Country Link
KR (1) KR102614485B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2852174B2 (ja) 1993-09-03 1999-01-27 大阪精密機械株式会社 光学的歯車自動選別方法およびその装置
KR100507044B1 (ko) 2002-11-04 2005-08-08 기아자동차주식회사 기어 적재장치
KR200423440Y1 (ko) * 2006-05-19 2006-08-07 하나산업 주식회사 공구걸이대를 가지는 높이 조절용 작업대
KR100989561B1 (ko) 2010-06-10 2010-10-25 주식회사 창성에이스산업 Ｌｅｄ 및 웨이퍼 검사장치 및 이를 이용한 검사방법
KR101210080B1 (ko) * 2010-11-12 2012-12-07 대원강업주식회사 기어 형상 측정 검사 장치 및 그 방법
KR101284528B1 (ko) * 2011-11-08 2013-07-16 대원강업주식회사 기어림 표면 흠 검사장치 및 검사방법
JP2020201158A (ja) * 2019-06-11 2020-12-17 株式会社島津製作所 立体物の外観検査装置および立体物の外観検査方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2852174B2 (ja) 1993-09-03 1999-01-27 大阪精密機械株式会社 光学的歯車自動選別方法およびその装置
KR100507044B1 (ko) 2002-11-04 2005-08-08 기아자동차주식회사 기어 적재장치
KR200423440Y1 (ko) * 2006-05-19 2006-08-07 하나산업 주식회사 공구걸이대를 가지는 높이 조절용 작업대
KR100989561B1 (ko) 2010-06-10 2010-10-25 주식회사 창성에이스산업 Ｌｅｄ 및 웨이퍼 검사장치 및 이를 이용한 검사방법
KR101210080B1 (ko) * 2010-11-12 2012-12-07 대원강업주식회사 기어 형상 측정 검사 장치 및 그 방법
KR101284528B1 (ko) * 2011-11-08 2013-07-16 대원강업주식회사 기어림 표면 흠 검사장치 및 검사방법
JP2020201158A (ja) * 2019-06-11 2020-12-17 株式会社島津製作所 立体物の外観検査装置および立体物の外観検査方法

Also Published As

Publication number Publication date
KR20220132219A (ko) 2022-09-30

Similar Documents

Publication Publication Date Title
CN109060827B (zh) 一种智能视觉检测识别设备
JP2002024804A (ja) 部品認識データ作成方法及び作成装置並びに電子部品実装装置及び記録媒体
KR20140034816A (ko) 휴대형 광학 측정 검사 시스템
WO2018066576A1 (ja) 外観検査方法
CN114705685B (zh) 基于深度学习的ai视觉检测方法、系统及可读存储介质
CN102364297B (zh) 电子部件安装装置
JP2014038045A (ja) 検査装置、照明、検査方法、プログラム及び基板の製造方法
KR20220132220A (ko) 기어류 부품 실시간 비전검사장치
WO2020079694A1 (en) Optimizing defect detection in an automatic visual inspection process
JP5417197B2 (ja) 検査装置および検査方法
JPWO2015011782A1 (ja) 検査装置
CN111307812A (zh) 基于机器视觉的焊点外观检测方法
KR102614485B1 (ko) 딥러닝을 이용한 기어류 부품 비전검사시스템
KR102386098B1 (ko) 광학렌즈를 이용한 글라스 투과 검사장치
CN109967389A (zh) 一种起爆具缺陷自动检测系统及其检测方法
CN108020564A (zh) 纸浆制品表面缺陷检测方法
JP3993107B2 (ja) 部品認識データ作成方法及び作成装置、並びに部品認識データ作成プログラム
CN101506616A (zh) 检查装置以及检查方法
JPH11198076A (ja) 保持位置判別装置及び仕分け装置
CN111458344A (zh) 一种口罩缺陷视觉检测方法、设备、存储介质
CN112730421A (zh) 外观瑕疵检测装置
JP7098111B2 (ja) 表面検査装置および表面検査方法
CN113495073A (zh) 视觉检查系统的自动对焦功能
WO2018225827A1 (ja) ワークの認識装置及びワークを認識する方法
CN205333529U (zh) 一种表面检测装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant