KR20200070908A - System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct - Google Patents

System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct Download PDF

Info

Publication number
KR20200070908A
KR20200070908A KR1020180158582A KR20180158582A KR20200070908A KR 20200070908 A KR20200070908 A KR 20200070908A KR 1020180158582 A KR1020180158582 A KR 1020180158582A KR 20180158582 A KR20180158582 A KR 20180158582A KR 20200070908 A KR20200070908 A KR 20200070908A
Authority
KR
South Korea
Prior art keywords
inspection
image
good
bad
distribution
Prior art date
Application number
KR1020180158582A
Other languages
Korean (ko)
Inventor
이호영
Original Assignee
주식회사 동일비전
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 동일비전 filed Critical 주식회사 동일비전
Priority to KR1020180158582A priority Critical patent/KR20200070908A/en
Publication of KR20200070908A publication Critical patent/KR20200070908A/en

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
    • G01N21/8803—Visual 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

The present relates to a setting guide system for vision inspection on the presence of a component, which performs a plurality of provisional inspections by using inspection tools of various methods in advance in a vision inspection of whether a specific component is present in a product, and analyzes results of the provisional inspections to recommend an inspection tool with a high detection rate to an operator such that an operator who is not skilled in the vision inspection can set the inspection tool with the high accuracy by a guide, and an engineer who is skilled in the vision inspection also can set the inspection tool with the high accuracy through data on an accuracy detection rate. The setting guide system of the present invention comprises: a good image DB for managing a good image of a product; a bad image DB for managing a bad image of the product; an inspection tool unit for managing at least two inspection tools capable of determining whether a component is present in the product through a product image; an inspection unit for executing the inspection tools of the inspection tool unit with respect to the bad image in the bad image DB and the good image in the good image DB; a result analysis unit for deriving inspection criteria and detection rates for each of the inspection tools by analyzing the results from a provisional inspection for each of the inspection tools, which is executed by the inspection unit; and a recommendation unit for recommending the inspection tools for a product to be inspected through an analysis result of the result analysis unit.

Description

부속 유무의 비전 검사를 위한 셋팅 가이드 시스템 및 방법{SYSTEM AND METHOD FOR GUIDING A USER OF VISION INSPECTION FOR DETECTING THE PRESENCE OR ABSENCE OF ADJUNCT}SYSTEM AND METHOD FOR GUIDING A USER OF VISION INSPECTION FOR DETECTING THE PRESENCE OR ABSENCE OF ADJUNCT}

본 발명은 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템 및 방법에 관한 것으로, 보다 상세하게는 제품 내 특정 부속의 유무 여부에 대한 비전 검사에서 미리 다양한 방식의 검사 도구들을 이용해 다수의 가검사를 실행하고 이 가검사 결과들을 분석하여 검출률이 높은 검사 도구를 작업자에게 추천함으로써 비전 검사에 능숙하지 않은 작업자도 가이드에 따라 높은 정확도의 검사 도구 셋팅이 가능하며 비전 검사에 능숙한 엔지니어도 데이터화된 정확한 검출률을 통해 신뢰도 높은 검사 도구 셋팅을 할 수 있게 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템 및 방법에 관한 것이다. The present invention relates to a setting guide system and method for vision inspection of the presence or absence of an accessory, and more specifically, executes a number of provisional inspections using various types of inspection tools in advance in a vision inspection for the presence or absence of a specific accessory in a product. By analyzing these preliminary inspection results, highly recommended inspection tools are recommended to workers, so even those who are not proficient in vision inspection can set up high accuracy inspection tools according to the guide. The present invention relates to a setting guide system and method for vision inspection with or without an accessory that enables a high inspection tool setting.

일반적으로, 전기기기나 회로 따위를 구성하는 단위부품으로서의 소자(素子)나 건전지 등과 같이, 균일 형상으로 다량 생산되는 전기 또는 전자부품들은 제품을 출하하기 전에 그 제품이 정상적인 전압이나 저항 등을 유지하고 있는지를 검사하는 제품성능 검사 과정을 거쳐 제품의 불량여부를 판별한 후 정상적인 제품만을 선별하는 공정이 필수적으로 수행된다.In general, electrical or electronic components that are produced in large quantities in a uniform shape, such as elements or batteries as unit parts constituting an electrical device or a circuit, maintain their normal voltage or resistance before shipping the product. After determining whether a product is defective through a product performance inspection process that checks whether it is present, a process of selecting only a normal product is essential.

여러 부품들이 조합/결합되어 완성되는 자동차, 가전제품 등의 경우, 여러 부품 중 하나에서 미미한 오작동이 발생하더라도 정상 동작하는데 장애가 발생할 수 있기 때문에 조합/결합되는 여러 부품 하나 하나마다 양품인지 불량품인지를 선별해 내는 것이 매우 중요하다.In the case of automobiles, home appliances, etc., in which several parts are combined/combined, even if a slight malfunction occurs in one of several parts, it may cause a malfunction in normal operation. It is very important to do it.

따라서 부품의 출하 전에 다양한 정밀검사를 통해 양품인지 불량품인지를 선별하기 위한 과정이 진행된다.Therefore, a process for selecting whether a good product or a bad product is performed through various detailed inspections prior to shipment of parts is performed.

이러한 정밀검사 중 하나인 비전검사(Vision inspection)는, 실러(Sealer) 도포 상태, 프레임(Frame) 결합 상태, 마킹(Marking) 상태, 리드(Lead)나 볼 그리드(Ball Grid)의 파손여부, 크랙(Crack), 스크래치(Scratch) 여부 등과 같은 부품의 외관 상태를 검사하기 위해 주로 사용된다.Vision inspection, which is one of such precise inspections, includes the sealer application state, the frame engagement state, the marking state, whether the lead or ball grid is damaged or cracked. It is mainly used to inspect the appearance of parts such as (Crack) or scratch.

최근 부품의 생산 과정은 공정라인을 따라 이동하는 자동화 생산 과정으로 이루어지는 것이 대부분이며, 따라서 비전검사장치는, 공정라인 상의 곳곳에 설치되어, 공정라인을 따라 이동하는 부품(이하, 검사대상물)에 대해 비전검사를 수행하고 있다.In recent years, the production process of parts mostly consists of an automated production process that moves along the process line. Therefore, a vision inspection device is installed in various places on the process line, and the parts (hereinafter referred to as inspection objects) moving along the process line Vision inspection is being carried out.

헌데 기존의 비전 검사 장치의 비전 검사 방식은, 예상되는 불량값을 미리 숙련된 비전 엔지니어가 일일이 장비에 지정해 그 값을 넘어서면 결함으로 판정하는 방식을 취하고 있다. 따라서 비전 검사 장치를 실제 생산 현장에 적용하려면 방대한 파라미터를 비전 검사에 능숙한 전문 엔지니어가 일일이 셋팅해야 하는 어려움이 있어 숙련된 비전 검사 엔지니어를 갖추기 어려운 중소 생산업체에서는 비전 검사의 도입을 꺼리는 주요 원인이 되고 있다. However, in the conventional vision inspection system, the vision inspection method adopts a method in which an expected defect value is previously assigned to equipment by an experienced vision engineer and judged as a defect when the value is exceeded. Therefore, in order to apply the vision inspection device to the actual production site, it is difficult for small and medium-sized manufacturers who are difficult to equip skilled vision inspection engineers due to the difficulty of setting up a large number of parameters by professional engineers skilled in vision inspection. have.

따라서, 본 발명이 해결하고자 하는 과제는 제품 내 특정 부속의 유무 여부에 대한 비전 검사에서 미리 다양한 방식의 검사 도구들을 이용해 다수의 가검사를 실행하고 이 가검사 결과들을 분석하여 검출률이 높은 검사 도구를 작업자에게 추천함으로써 비전 검사에 능숙하지 않은 작업자도 가이드에 따라 높은 정확도의 검사 도구 셋팅이 가능하며 비전 검사에 능숙한 엔지니어도 데이터화된 정확한 검출률을 통해 신뢰도 높은 검사 도구 셋팅을 할 수 있게 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템 및 방법을 제공하는 것이다. Therefore, the problem to be solved by the present invention is to perform a number of provisional tests using various types of inspection tools in advance in the vision inspection for the presence or absence of a specific accessory in the product, and analyze the results of the provisional tests to obtain an inspection tool having a high detection rate. By recommending to the operator, even an operator who is not proficient in vision inspection can set the inspection tool with high accuracy according to the guide.A vision with and without an accessory that enables an engineer who is proficient in vision inspection to set a reliable inspection tool through accurate data detection rate It provides a setting guide system and method for inspection.

본 발명에 따르면, 제품의 양품 영상을 관리하는 양품 영상 DB; 제품의 불량 영상을 관리하는 불량 영상 DB; 제품 영상을 통해 제품 내 부속 유무를 판별할 수 있는 적어도 둘 이상의 검사 도구들을 관리하는 검사 도구부; 상기 불량 영상 DB 내 불량 영상과 양품 영상 DB 내 양품 영상에 대해 상기 검사 도구부의 검사 도구들을 실행시키는 검사부; 상기 검사부에서 실행된 검사 도구별 가검사 결과들을 분석하여 각 검사 도구별로 검사 기준과 검출률을 도출하는 결과 분석부; 및 상기 결과 분석부의 분석 결과를 통해 검사 대상 제품에 대한 검사 도구를 추천하는 추천부; 를 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템을 제공한다. According to the present invention, a good image DB that manages a good image of a product; A defect image DB that manages a defect image of a product; An inspection tool unit that manages at least two or more inspection tools capable of determining whether or not an accessory is present in the product through a product image; An inspection unit that executes inspection tools of the inspection tool unit on the defective image in the defective image DB and the good image in the good image DB; A result analysis unit for deriving inspection criteria and detection rates for each inspection tool by analyzing provisional inspection results for each inspection tool executed by the inspection unit; And a recommendation unit recommending an inspection tool for a product to be inspected through an analysis result of the result analysis unit. It provides a setting guide system for vision inspection with or without an accessory, characterized in that it comprises a.

바람직하게는, 검사부에서 실행되는 가검사를 위해 검사가 필요한 검사 영역을 영상 내에 설정하는 검사 영역 설정부; 를 더 포함하는 것을 특징으로 한다. Preferably, an inspection area setting unit that sets an inspection area in the image that requires inspection for provisional inspection performed by the inspection unit; Characterized in that it further comprises.

바람직하게는, 상기 결과 분석부는, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품이 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치 사이의 마진 구간의 중간값을 검사 기준값으로 도출하는 것을 특징으로 한다. Preferably, the result analysis unit is used in the provisional inspection, when the inspection and distribution of the inspection values of the good and bad products through the inspection tool do not overlap and the good and bad products should be determined based on one value in the inspection tool. It is characterized by learning the distribution characteristics of a good image and a bad image, and deriving an intermediate value of a margin section between a distribution location of a good image and a distribution location of a bad image as an inspection reference value.

바람직하게는, 상기 결과 분석부는, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 범위와 불량 영상의 분포 범위와의 마진 구간의 중간값들을 검사 기준값으로 도출하는 것을 특징으로 한다. Preferably, the result analysis unit, when the provisional inspection through the inspection tool, the inspection value distribution of good and bad products do not overlap, and when it is necessary to determine good and bad products based on the range between the minimum and maximum values in the inspection tool, the temporary inspection It is characterized by learning the distribution characteristics of good and bad images used in the company and deriving the intermediate values of the margin range between the good image distribution range and the bad image distribution range as an inspection reference value.

바람직하게는, 상기 결과 분석부는, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치를 나누는 경계에서 불량품의 검사값이 제외되는 값을 검사 기준값으로 도출하는 것을 특징으로 한다. Preferably, the result analysis unit, when the inspection value distribution of the good and bad products as a result of provisional inspection through the inspection tool overlaps, and the corresponding inspection tool needs to determine good and bad products based on one value, the good quality used in the temporary inspection It is characterized by learning the distribution characteristics of the image and the defective image, and deriving a value that excludes the inspection value of the defective product from the boundary dividing the distribution location of the defect image and the distribution location of the defective image as the inspection reference value.

바람직하게는, 상기 결과 분석부는, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상 분포 범위의 전후 두 개 경계값을 검사 기준값으로 도출하되 불량품의 검사값이 제외되는 범위로 검사 기준값을 도출하는 것을 특징으로 한다. Preferably, the result analysis unit, the provisional inspection through the inspection tool, the inspection value distribution of good and bad products overlaps, and if it is necessary to determine good and bad products based on the range between the minimum and maximum values in the inspection tool, the temporary inspection It is characterized by learning the distribution characteristics of the good and bad images used for deriving two boundary values before and after the good image distribution range as the inspection reference value, but deriving the inspection reference value to the extent that the inspection value of the defective product is excluded.

한편 본 발명의 다른 측면에 따르면, (a) 제품의 양품 영상과 불량 영상을 수신하여 양품 영상 DB와 불량 영상 DB에 저장하는 단계; (b) 불량 영상 DB 내 불량 영상과 양품 영상 DB 내 양품 영상에 대해 적어도 둘 이상의 검사 도구들을 실행시켜 가검사를 실시하는 단계; (c) 실행된 검사 도구별 가검사 결과들을 분석하여 각 검사 도구별로 검사 기준과 검출률을 도출하는 단계; 및 (d) 분석 결과를 통해 검사 대상 제품에 대한 검사 도구를 추천하는 단계; 를 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법을 제공한다. Meanwhile, according to another aspect of the present invention, (a) receiving a good image and a bad image of a product and storing it in a good image DB and a bad image DB; (b) performing a temporary inspection by executing at least two or more inspection tools on the defective image in the defective image DB and the good image in the good image DB; (c) analyzing the results of the provisional inspection for each inspection tool to derive inspection criteria and detection rates for each inspection tool; And (d) recommending an inspection tool for a product to be inspected through an analysis result. It provides a setting guide method for vision inspection of the presence or absence, characterized in that it comprises a.

바람직하게는, 상기 (a) 단계와 (b) 단계의 사이에, 검사부에서 실행되는 가검사를 위해 검사가 필요한 검사 영역을 영상 내에 설정하는 단계; 를 더 포함하는 것을 특징으로 한다. Preferably, between the steps (a) and (b), setting an inspection area in the image that requires inspection for provisional inspection performed by the inspection unit; Characterized in that it further comprises.

바람직하게는, 상기 (a) 단계와 (b) 단계의 사이에, 검사부에서 실행되는 가검사를 위해 검사 도구들 중 가검사를 진행할 검사 도구를 선택받는 단계; 를 더 포함하는 것을 특징으로 한다. Preferably, between the steps (a) and (b), the step of receiving an inspection tool to perform the temporary inspection among the inspection tools for the temporary inspection performed by the inspection unit; Characterized in that it further comprises.

바람직하게는, 상기 (e) 단계에서, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품이 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치 사이의 마진 구간의 중간값을 검사 기준값으로 도출하는 것을 특징으로 한다. Preferably, in the step (e), when the inspection value distribution of the good and bad products does not overlap as a result of the temporary inspection through the inspection tool, the good and bad products should be determined based on one value in the inspection tool, to the temporary inspection. It is characterized by learning the distribution characteristics of the used good image and the bad image and deriving the intermediate value of the margin section between the distributed position of the good image and the distributed position of the bad image as an inspection reference value.

바람직하게는, 상기 (e) 단계에서, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 범위와 불량 영상의 분포 범위와의 마진 구간의 중간값들을 검사 기준값으로 도출하는 것을 특징으로 한다. Preferably, in the step (e), when the provisional inspection through the inspection tool does not overlap the distribution of inspection values of good and bad products and the inspection tool needs to determine good and bad products based on the range between the minimum and maximum values It is characterized by learning the distribution characteristics of good and bad images used for provisional inspection to derive the intermediate values of the margin range between the good image distribution range and the bad image distribution range as the inspection reference value.

바람직하게는, 상기 (e) 단계에서, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치를 나누는 경계에서 불량품의 검사값이 제외되는 값을 검사 기준값으로 도출하는 것을 특징으로 한다. Preferably, in the step (e), the inspection value distribution of the good and bad products as a result of the temporary inspection through the inspection tool overlaps, and when it is necessary to determine the good and bad products based on one value in the inspection tool, it is used for the temporary inspection. It is characterized by learning the distribution characteristics of the defective good image and the bad image and deriving a value that excludes the inspection value of the bad product from the boundary dividing the distribution position of the good image and the distribution location of the bad image as the inspection reference value.

바람직하게는, 상기 (e) 단계에서, 검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상 분포 범위의 전후 두 개 경계값을 검사 기준값으로 도출하되 불량품의 검사값이 제외되는 범위로 검사 기준값을 도출하는 것을 특징으로 한다. Preferably, in the step (e), the inspection result distribution of good and bad products as a result of provisional inspection through the inspection tool overlaps, and when the inspection tool needs to determine good and bad products based on the range between the minimum and maximum values, It is characterized by learning the distribution characteristics of good and bad images used for provisional inspection to derive two boundary values before and after the range of good image distribution as inspection reference values, but deriving inspection reference values to the extent that inspection values of defective products are excluded. .

본 발명은 제품 내 특정 부속의 유무 여부에 대한 비전 검사에서 미리 다양한 방식의 검사 도구들을 이용해 다수의 가검사를 실행하고 이 가검사 결과들을 분석하여 검출률이 높은 검사 도구를 작업자에게 추천함으로써 비전 검사에 능숙하지 않은 작업자도 가이드에 따라 높은 정확도의 검사 도구 셋팅이 가능하게 되는 효과가 있다. According to the present invention, a vision inspection is performed by recommending an inspection tool having a high detection rate to an operator by performing a number of provisional inspections using various inspection tools in advance in the vision inspection for the presence or absence of a specific accessory in the product. Even inexperienced workers have the effect of being able to set high-precision inspection tools according to the guide.

또한 비전 검사에 능숙한 전문 비전 엔지니어에게도 검사 도구별로 데이터화된 정확한 검출률을 제공함으로써 경험과 주관에 의한 판단시에 비해 보다 신뢰도 높은 검사 도구 셋팅이 가능하게 되는 효과도 있다. In addition, by providing an accurate detection rate that is data-specific for each inspection tool to a professional vision engineer who is proficient in vision inspection, it is possible to set a more reliable inspection tool than when judged by experience and subject.

도 1은 본 발명의 실시예에 따른 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템을 설명하기 위한 블럭도이다.
도 2는 본 발명의 실시예에 따른 부속 유무의 비전 검사를 위한 셋팅 가이드 방법을 설명하기 위한 흐름도이다.
도 3 내지 도 7은 본 발명의 실시예에 따른 부속 유무의 비전 검사를 위한 셋팅 가이드 과정을 설명하기 위한 참고도이다. 1 is a block diagram illustrating a setting guide system for vision inspection with or without an accessory according to an embodiment of the present invention.
2 is a flowchart for explaining a setting guide method for vision inspection with or without an accessory according to an embodiment of the present invention.
3 to 7 are reference diagrams for explaining a setting guide process for vision inspection with or without an accessory according to an embodiment of the present invention.

본 발명의 동작상의 이점 및 실시 예에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부도면을 참조하여야만 한다.In order to fully understand the operational advantages of the present invention and the objects achieved by the embodiments, reference should be made to the accompanying drawings that illustrate preferred embodiments of the present invention.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings. The same reference numerals in each drawing denote the same members.

먼저 도 1에는 본 발명의 실시예에 따른 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템을 설명하기 위한 블럭도가 도시되어 있다. First, FIG. 1 is a block diagram illustrating a setting guide system for vision inspection with or without an accessory according to an embodiment of the present invention.

본 발명이 적용되는 셋팅 가이드 시스템은 양품 선별을 수행하는 비전검사 시스템에 포함될 수 있다. 이 양품 선별 시스템은 제품이 생산되는 공정라인상의 곳곳에 설치되는 카메라로부터 촬영된 제품 영상을 공급받아 촬영 영상을 기반으로 제품이 양품인지 아니면 불량품인지를 선별해내 공정라인을 따라 이동하는 다양한 제품에 대해 비전검사를 수행하게 될 것이며, 상기 셋팅 가이드 시스템은 제품 내 특정 부속의 유무 여부에 대한 다양한 방식의 검사 도구들을 이용해 다수의 가검사를 미리 실행하고 이 가검사 결과들을 분석하여 검출률이 높은 검사 도구를 작업자에게 추천하게 될 것이다. The setting guide system to which the present invention is applied may be included in a vision inspection system that performs quality selection. This product sorting system receives product images from cameras installed in various places on the production line where products are produced, selects whether products are good or bad based on the images and moves them along various process lines. A vision inspection will be performed, and the setting guide system uses a variety of inspection tools for the presence or absence of a specific accessory in the product to perform a number of pre-tests in advance and analyzes the pre-test results to analyze the high-detection test tools. It will be recommended to workers.

이하에서 설명되는 양품 선별은 제품에서 특정 부속이 존재하는지 여부를 판별하는 부속 유무의 비전 검사로 수행될 것이다. The selection of quality goods described below will be performed by a vision inspection of whether or not a specific part exists in the product.

도 1을 참조하면, 본 발명의 실시예에 따른 셋팅 가이드 시스템은, 공정 작업자로부터 입력되는 데이터를 수신하는 수신부(10), 공정 내 제품의 영상을 촬영하여 전달하는 카메라부(20), 공정 작업자에 의해 상기 수신부(10)로부터 입력되는 양품 영상을 관리하는 양품 영상 DB(31), 공정 작업자에 의해 상기 수신부(10)로부터 입력되는 불량 영상을 관리하는 불량 영상 DB(32), 상기 양품 영상 및 불량 영상에서 양품 선별을 위한 검사 영역을 설정하는 검사 영역 설정부(50), 제품 영상을 통해 제품 내 부속 유무를 판별할 수 있는 다양한 검사 도구들을 관리하는 검사 도구부(60), 상기 검사 도구부(60)의 검사 도구들을 통해 제품 영상에서 제품 내 부속 유무를 검사하는 검사부(70), 상기 검사부(70)의 검사 결과를 분석하는 결과 분석부(80), 상기 결과 분석부(80)의 분석 결과를 통해 검사 대상 제품에 대한 최적의 검사 도구를 추천하는 추천부(90) 및 상술한 구성들의 동작을 제어하며 제품 내 특정 부속의 유무 여부에 대한 비전 검사에서 미리 다양한 방식의 검사 도구들을 이용해 다수의 가검사를 실행하고 이 가검사 결과들을 분석하여 검출률이 높은 검사 도구를 작업자에게 추천하는 제어부(40)를 포함하여 이루어질 수 있다. Referring to FIG. 1, the setting guide system according to an embodiment of the present invention includes a receiving unit 10 for receiving data input from a process operator, a camera unit 20 for capturing and delivering an image of a product in the process, and a process worker Good image DB (31) for managing good image input from the receiving unit 10 by, bad image DB (32) for managing bad image input from the receiving unit 10 by a process worker, the good image and Inspection area setting unit 50 for setting an inspection area for selecting good products from defective images, an inspection tool unit 60 for managing various inspection tools capable of discriminating whether a product is attached through a product image, and the inspection tool unit Analysis of the inspection unit 70 for inspecting the presence or absence of a product in the product image through the inspection tools of 60, a result analysis unit 80 for analyzing the inspection results of the inspection unit 70, and analysis of the result analysis unit 80 The recommendation unit 90 recommends the optimal inspection tool for the product to be inspected through the results, and controls the operation of the above-described components and uses a variety of inspection tools in advance in vision inspection for the presence or absence of a specific accessory in the product. It can be made by including a control unit 40 for recommending an inspection tool having a high detection rate by performing the provisional inspection and analyzing the results of the provisional inspection.

상기 수신부(10)는 공정 작업자로부터 입력되는 데이터를 수신하게 된다. 이 같은 데이터는 해당 공정에서 생산되는 제품에 대한 양품 영상 또는 불량 영상일 수 있으며, 또한 공정 작업자로부터 입력되는 제어 데이터일 수 있다. The receiving unit 10 receives data input from a process worker. Such data may be a good image or a bad image of a product produced in a corresponding process, and may also be control data input from a process operator.

상기 카메라부(20)는 해당 공정에서 생산되는 제품에 포커스가 맞춰진 카메라일 수 있으며, 공정 내 제품의 영상(이미지 또는 동영상)을 촬영하게 된다. The camera unit 20 may be a camera focused on a product produced in a corresponding process, and photographs an image (image or video) of the product in the process.

상기 양품 영상 DB(31)는 공정 작업자에 의해 상기 수신부(10)로부터 입력되는 영상 중 공정 작업자에 의해 양품으로 선별된 양품 영상을 저장 관리하게 된다. The good image DB 31 stores and manages a good image selected as a good product by a process worker among images input from the receiving unit 10 by a process worker.

상기 불량 영상 DB(32)는 공정 작업자에 의해 상기 수신부(10)로부터 입력되는 영상 중 공정 작업자에 의해 불량품으로 선별된 불량품 영상을 저장 관리하게 된다. The defective image DB 32 stores and manages a defective product image selected as a defective product by a process worker among images input from the receiving unit 10 by a process worker.

여기에서 양품은 해당 공정에서 생산되는 제품에서 해당 제품에 필요한 모든 부속이 정해진 위치에 구성된 상태로 생산된 제품을 의미하며, 일 예로 도 3의 (a)에 도시된 바와 같이 이 양품을 촬영한 이미지를 양품 영상으로서 양품 영상 DB(31)에 저장 관리할 수 있다. Here, a good product means a product produced in a state where all parts necessary for the product are configured in a predetermined position in a product produced in the corresponding process, for example, an image of this good product as shown in (a) of FIG. 3. Can be stored and managed in the good image DB 31 as a good image.

이와 달리 불량품은 해당 공정에서 생산되는 제품에서 해당 제품에 필요한 모든 부속 중 적어도 하나 이상이 정해진 위치에 구성되지 않은 상태로 생산된 제품을 의미하며, 일 예로 도 3의 (b)와 (c)에 도시된 바와 같이 특정 부속이 존재하지 않는 이 같은 불량품의 이미지들을 불량품 영상으로서 불량 영상 DB(32)에 저장 관리할 수 있다. On the contrary, the defective product means a product produced in a state where at least one or more of all parts required for the product are not configured in a predetermined position in a product produced in the process, for example, in (b) and (c) of FIG. 3. As illustrated, images of such defective products that do not have a specific accessory may be stored and managed in the defective image DB 32 as defective product images.

이때 부속은 제품에 종속된 모든 부속품을 의미한다. At this time, the accessory means all accessories that are dependent on the product.

상기 검사 영역 설정부(50)는 해당 공정에 배치된 카메라부(20)의 촬영 영상에서 검사가 필요한 검사 영역을 작업자로부터 지정받아 설정하게 된다. 일 예로 검사 영역은 도 4에 도시된 바와 같이 해당 공정에서 생산되는 제품의 영상 중 일부분(도 4의 파랑색 실선으로 표시된 박스)으로 설정되어 검사 속도와 검사 효율을 높일 수 있으며, 촬영되는 영상 내 전체 영역이 검사 영역으로 설정될 수도 있다. The inspection area setting unit 50 is configured to receive and designate an inspection area that requires inspection from a captured image of the camera unit 20 disposed in the corresponding process. As an example, the inspection area is set as a part of an image of a product produced in a corresponding process (a box indicated by a blue solid line in FIG. 4) as illustrated in FIG. 4, thereby increasing inspection speed and inspection efficiency. The entire area may be set as the inspection area.

상기 검사 도구부(60)는 상기 검사 영역 설정부(50)로부터 설정된 검사 영역에 대해 검사대상 제품 영상의 검사 영역을 양품 영상의 검사 영역과 비교하여 특정 부속의 유무(존재 여부)를 판별할 수 있는 다양한 검사 도구들을 관리하게 된다. 이 같은 검사 도구는 검사 영역에서 특정 부속의 유무를 비교적 간단한 연산만으로 검사할 수 있는 도구로서, 그 예로 밝기 비교 도구, 표준편차 비교 도구, 대비값 비교 도구, 유사도(패턴) 비교 도구 등 다양한 도구들이 이에 해당될 수 있다. The inspection tool unit 60 may compare the inspection area of the product image to be inspected with the inspection area of the good product image for the inspection area set by the inspection area setting unit 50 to determine the presence or absence (existence or absence) of a specific accessory. You will manage a variety of inspection tools. This inspection tool is a tool that can check the presence or absence of a specific part in the inspection area with a relatively simple operation. For example, various tools such as the brightness comparison tool, standard deviation comparison tool, contrast value comparison tool, and similarity (pattern) comparison tool This may apply.

여기에서 본 발명에 따른 상기 검사 도구부(60)의 검사 도구들은 가검사로서 상기 검사 영역 설정부(50)로부터 설정된 검사 영역에 대해 불량 영상 DB(32) 내 불량 영상의 검사 영역을 양품 영상 DB(31) 내 양품 영상의 검사 영역과 비교하여 특정 부속의 유무(존재 여부)를 판별하게 될 것이다. Here, the inspection tools of the inspection tool unit 60 according to the present invention are a provisional inspection, and the inspection area of the defective image in the defect image DB 32 for the inspection area set by the inspection area setting unit 50 is a good quality image DB. (31) The presence or absence (existence or absence) of a specific accessory will be determined by comparing with the inspection area of the quality product image.

상기 검사부(70)는 불량 영상 DB(32) 내 불량 영상들의 검사 영역들과 양품 영상 DB(31) 내 양품 영상들의 검사 영역들에 대해 상기 검사 도구부(60)의 검사 도구들을 개별적으로 실행하게 된다. 이때 상기 검사부(70)는 이 같은 가검사 과정의 진행을 위해 작업자로부터 선택된 검사 도구들만을 대상으로 검사를 진행하여 가검사의 속도와 효율을 높일 수 있다. The inspection unit 70 individually executes inspection tools of the inspection tool unit 60 for inspection areas of defective images in the defective image DB 32 and inspection areas of good images in the good image DB 31. do. At this time, the inspection unit 70 may increase the speed and efficiency of the provisional inspection by inspecting only the inspection tools selected from the operator to proceed with the provisional inspection process.

상기 결과 분석부(80)는 상기 검사부(70)에서 실행된 다양한 검사 도구들의 가검사 결과들을 분석하여 각 검사 도구별로 검사 기준과 검출률을 도출하게 된다. The result analysis unit 80 analyzes provisional inspection results of various inspection tools executed by the inspection unit 70 to derive inspection standards and detection rates for each inspection tool.

도 5 및 도 6은 본 발명에 적용되는 검사 유형에 따른 검사 기준을 설명하기 위한 도면이다. 도 5 및 도 6에서 양품은 녹색원으로 표시되고 불량품은 적색원으로 표시된다. 5 and 6 are views for explaining the inspection criteria according to the inspection type applied to the present invention. In FIGS. 5 and 6, good products are indicated by a green circle and defective products are indicated by a red circle.

먼저 도 5에는 하나의 검사 도구로 가검사를 실행할 경우 검사 도구의 샘플별 검사값들이 나타내는 분포의 양상이 양품과 불량 샘플에 대해 분포가 서로 겹치지 않고 일정한 마진(margin)이 나타나는 케이스가 도시되어 있다. First, FIG. 5 illustrates a case in which the aspect of the distribution represented by the inspection values for each sample of the inspection tool when the provisional inspection is performed with one inspection tool does not overlap with each other for the good and bad samples, and a constant margin is shown. .

먼저 도 5의 (a)는 다양한 검사 도구들 중 검사값의 파라미터 유형이 특정값을 기준으로 양품과 불량품이 결정되는 형태이다. 일 예로, 밝기 비교 도구의 경우 밝기값 50을 기준으로 검사된 밝기값이 50 이하인 경우에는 특정 부속이 존재하지 않는 불량품이 될 수 있고 검사된 밝기값이 50 이상인 경우에는 특정 부속이 존재하는 양품이 될 수 있는 형태일 것이다. First, FIG. 5(a) is a form in which good and bad products are determined based on a specific value of a parameter type of a test value among various test tools. For example, in the case of the brightness comparison tool, when the brightness value inspected based on the brightness value 50 is 50 or less, it may be a defective product in which a specific accessory does not exist, and when the inspected brightness value is 50 or more, a quality product in which a specific accessory exists It could be.

이 경우 상기 결과 분석부(80)는 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치 사이의 마진 구간의 중간값을 검사 기준값으로 도출하고, 이 검사 도구를 이용한 가검사의 검출률을 100%로 도출하게 될 것이다. 즉 검사 기준은 하나의 값으로 표현되는 검사 기준값이 된다. In this case, the result analysis unit 80 learns the distribution characteristics of the good image and the bad image used for the provisional inspection and derives an intermediate value of the margin section between the distribution location of the good image and the distribution location of the bad image as an inspection reference value. In this case, the detection rate of the temporary inspection using this inspection tool will be derived as 100%. That is, the inspection criterion is an inspection criterion value expressed as a single value.

다음으로 도 5의 (b)는 다양한 검사 도구들 중 검사값의 파라미터 유형이 특정 최소값과 특정 최대값의 범위를 기준으로 양품과 불량품이 결정되는 형태이다. 일 예로, 표준편차 비교 도구의 경우 편차값 40과 60의 범위를 기준으로 검사된 편차값이 20인 경우나 80인 경우에는 특정 부속이 존재하지 않는 불량품이 될 수 있고 검사된 편차값이 50인 경우에는 특정 부속이 존재하는 양품이 될 수 있는 형태일 것이다. Next, (b) of FIG. 5 is a form in which good and bad products are determined based on a range of a specific minimum value and a specific maximum value of a parameter type of a test value among various test tools. For example, in the case of the standard deviation comparison tool, when the deviation value inspected based on the range of the deviation values 40 and 60 is 20 or 80, it may be a defective product in which a specific accessory does not exist, and the inspected deviation value is 50 In some cases, it will be a form that can be a good product with a specific accessory.

이 경우 상기 결과 분석부(80)는 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 범위와 그 전후에 위치하는 불량 영상의 분포 범위와의 전후 두개의 경계 마진 구간의 중간값들을 검사 기준값으로 도출하고, 이 검사 도구를 이용한 가검사의 검출률을 100%로 도출하게 될 것이다. 즉 검사 기준은 최소와 최대 검사 기준값으로 표현되는 검사 기준 범위가 된다. In this case, the result analysis unit 80 learns the distribution characteristics of the good image and the bad image used in the temporary inspection, and the front and rear two boundary margin sections between the good image distribution range and the bad image distribution range located before and after it. We will derive the median values of, as the test reference values, and derive the detection rate of false tests using this test tool as 100%. That is, the inspection criterion is a range of inspection criteria expressed as minimum and maximum inspection reference values.

다음으로 도 6에는 하나의 검사 도구로 가검사를 실행할 경우 검사 도구의 샘플별 검사값들이 나타내는 분포의 양상이 양품과 불량 샘플에 대해 분포가 서로 겹쳐져 마진이 나타나지 않는 케이스가 도시되어 있다. Next, FIG. 6 illustrates a case in which the distribution of the test values for each sample of the inspection tool when the provisional inspection is performed with one inspection tool does not show a margin because the distributions overlap with each other for the good and bad samples.

먼저 도 6의 (a)는 다양한 검사 도구들 중 검사값의 파라미터 유형이 특정값을 기준으로 양품과 불량품이 결정되되 양품과 불량품의 검사값이 일부 겹치는 형태이다. 일 예로, 밝기 비교 도구의 경우 밝기값 50을 기준으로 검사된 밝기값이 50 이하인 경우에는 특정 부속이 존재하지 않는 불량품이 될 수 있고 검사된 밝기값이 50 이상인 경우에는 특정 부속이 존재하는 양품이 될 수 있는 형태일 것이다. 그런데 이 검사 도구를 사용해 가검사를 실행한 결과 검사값의 분포가 도면에서와 같이 양품과 불량품이 일부 겹쳐져 그 경계 기준을 정확히 나눌 수 없는 케이스가 나타날 수 있다. First, FIG. 6(a) is a form in which a parameter type of an inspection value among various inspection tools is determined to be a good or a bad product based on a specific value, but the inspection values of a good product and a defective product partially overlap. For example, in the case of the brightness comparison tool, when the brightness value inspected based on the brightness value 50 is 50 or less, it may be a defective product in which a specific accessory does not exist, and when the inspected brightness value is 50 or more, a quality product in which a specific accessory exists It could be. However, as a result of performing the preliminary inspection using this inspection tool, there may be cases in which the distribution of inspection values is partially overlapped with good and bad products, as shown in the drawing, and the boundary criteria cannot be accurately divided.

이 경우 상기 결과 분석부(80)는 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치를 나누는 경계에서 불량품의 검사값이 제외되는 값을 검사 기준값으로 도출하고, 이 검사 도구를 이용한 가검사의 검출률을 100%로 도출하게 될 것이다. 즉 검사 기준은 하나의 값으로 표현되는 검사 기준값이 된다. 특히 양불 검사에서 불량품을 모두 완벽히 분류해내기 위해서는 상술한 바와 같이 양품 영상의 분포 위치와 불량 영상의 분포 위치를 나누는 경계에서 불량품의 검사값이 제외되는 값을 검사 기준값으로 도출하는 것이 신뢰도 높은 검사 공정 구축에 바람직하다. In this case, the result analysis unit 80 learns the distribution characteristics of the good image and the bad image used for the provisional inspection, and determines the value at which the inspection value of the bad product is excluded from the boundary dividing the distribution location of the good image and the distribution location of the bad image. It will be derived as the test reference value, and the detection rate of the temporary test using this test tool will be derived as 100%. That is, the inspection criterion is an inspection criterion value expressed as a single value. In particular, in order to perfectly classify all defective products in the quality inspection, it is highly reliable inspection process to derive a value that excludes the inspection value of the defective product from the boundary dividing the distribution location of the quality image and the distribution location of the defect image as described above, as a test standard. It is desirable for construction.

다음으로 도 6의 (b)는 다양한 검사 도구들 중 검사값의 파라미터 유형이 특정 최소값과 특정 최대값의 범위를 기준으로 양품과 불량품이 결정되는 형태이다. 일 예로, 표준편차 비교 도구의 경우 편차값 40과 60의 범위를 기준으로 검사된 편차값이 20인 경우나 80인 경우에는 특정 부속이 존재하지 않는 불량품이 될 수 있고 검사된 편차값이 50인 경우에는 특정 부속이 존재하는 양품이 될 수 있는 형태일 것이다. 그런데 이 검사 도구를 사용해 가검사를 실행한 결과 검사값의 분포가 도면에서와 같이 양품과 불량품이 일부 겹쳐져 그 경계 범위를 정확히 나눌 수 없는 케이스가 나타날 수 있다. Next, (b) of FIG. 6 is a form in which good and bad products are determined based on a range of a specific minimum value and a specific maximum value among parameter types of inspection values among various inspection tools. For example, in the case of the standard deviation comparison tool, when the deviation value inspected based on the range of the deviation values 40 and 60 is 20 or 80, it may be a defective product in which a specific accessory does not exist, and the inspected deviation value is 50 In some cases, it will be a form that can be a good product with a specific accessory. However, as a result of performing the preliminary inspection using this inspection tool, there may be cases where the distribution of inspection values is partially overlapped with good and bad products as shown in the drawing, and the boundary range cannot be accurately divided.

이 경우 상기 결과 분석부(80)는 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 범위의 전후 두개의 경계값을 검사 기준값으로 도출하되 불량품의 검사값이 제외되는 범위에 대해 검사 기준값을 도출하고, 이 검사 도구를 이용한 가검사의 검출률을 100%로 도출하게 될 것이다. 즉 검사 기준은 최소와 최대 검사 기준값으로 표현되는 검사 기준 범위가 된다. 특히 양불 검사에서 불량품을 모두 완벽히 분류해내기 위해서는 상술한 바와 같이 양품 영상의 분포 범위에서 불량품의 검사값이 제외되는 범위를 검사 기준 범위로 도출하는 것이 신뢰도 높은 검사 공정 구축에 바람직하다. In this case, the result analysis unit 80 learns the distribution characteristics of the good image and the bad image used for the temporary inspection to derive two boundary values before and after the distribution range of the good image as the inspection reference value, but the inspection value of the defective product is excluded. The reference value of the test will be derived for the range, and the detection rate of the temporary test using this test tool will be derived as 100%. That is, the inspection criterion is a range of inspection criteria expressed as minimum and maximum inspection reference values. In particular, in order to completely classify all defective products in the quality inspection, it is desirable to construct a highly reliable inspection process by deriving a range in which the inspection value of the defective product is excluded from the distribution range of the quality product image as described above.

상기 추천부(90)는 상기 결과 분석부(80)의 분석 결과를 통해 각 검사 도구별 가검사 결과를 작업자에게 제시하고 가장 가검사 결과가 좋은 검사 도구를 추천 검사 도구로서 작업자에게 추천하게 된다. The recommendation unit 90 presents the test result for each test tool to the operator through the analysis result of the result analysis unit 80, and recommends the test tool having the best provisional test result as the recommended test tool.

도 7에는 상기 추천부(90)가 제시하는 검사 도구별 가검사 결과 및 검사 도구 추천 화면의 일 예가 도시되어 있다. 7 shows an example of a provisional test result for each test tool and a test tool recommendation screen suggested by the recommendation unit 90.

상기 추천부(90)는 각 검사 도구별 가검사의 검출률, 검사 기준을 작업자에게 제시하며, 또한 각 검사 도구별로 가검사에 소요된 시간과 개별 검사 속도를 제시함으로써 작업자가 한 눈에 가검사 결과와 각 검사 도구별 장단점을 파악할 수 있도록 한다. 또한 상기 추천부(90)는 이 가검사 결과에 따라 가장 가검사 결과가 좋은 검사 도구를 추천하게 된다. 이 같은 검사 도구 추천의 우선 기준은 도출된 불량 검출률이 가장 높게 나타난 검사 도구를 먼저 추천 대상으로 하게 되며, 그 다음 추천 기준은 도출된 검사 기준에서 검사 기준 범위가 넓게 나타난 검사 도구를 추천 대상으로 하게 되며, 그 다음 추천 기준은 검사 속도가 빠른 검사 도구를 추천 대상으로 하게 된다. 즉 비전 검사에서 가장 중요한 것은 불량 검출률일 것이며, 그 다음으로 가장 많은 제품을 양품으로 판별하는 것이 중요하고, 그 다음 기준은 공정 속도가 추천 기준이 될 것이다. The recommendation unit 90 presents the detection rate and inspection criteria of the temporary inspection for each inspection tool to the worker, and also provides the time and the individual inspection speed for each inspection tool for each inspection tool, thereby providing the operator with the inspection result at a glance. Make sure to understand the pros and cons of each inspection tool. In addition, the recommendation unit 90 recommends an inspection tool having the best provisional test result according to the provisional test result. Priority criteria for the recommendation of such inspection tools are to be first recommended as the inspection tool with the highest detected defect detection rate, and the next recommendation criterion is to select the inspection tools with a wide range of inspection criteria from the derived inspection criteria as the recommendation target. The next recommendation criterion is to target a test tool with a fast test speed. In other words, the most important thing in the vision inspection will be the defect detection rate, then it is important to determine the most products as good products, and the next criterion will be the process standard.

따라서 비전 검사에 능숙하지 않은 작업자도 가이드에 따라 높은 정확도의 검사 도구를 추천받아 쉽게 비전 검사 공정의 셋팅이 가능하게 되며, 또한 비전 검사에 능숙한 전문 비전 엔지니어에게도 검사 도구별로 데이터화된 정확한 검출률을 제공함으로써 경험과 주관에 의한 판단시에 비해 보다 신뢰도 높은 검사 도구 셋팅이 가능하게 될 것이다. Therefore, even an inexperienced person in vision inspection can recommend the high-precision inspection tool according to the guide and easily set up the vision inspection process. Also, by providing a professional vision engineer who is skilled in vision inspection, it provides accurate detection rate data for each inspection tool. It will be possible to set a more reliable inspection tool than when judged by experience and subjectivity.

이제 도 2를 참조하여 본 발명의 실시예에 따른 부속 유무의 비전 검사를 위한 셋팅 가이드 방법을 설명한다. Now, referring to FIG. 2, a setting guide method for vision inspection with or without an accessory according to an embodiment of the present invention will be described.

도 2는 본 발명의 실시예에 따른 부속 유무의 비전 검사를 위한 셋팅 가이드 방법을 설명하기 위한 흐름도이다. 2 is a flowchart illustrating a setting guide method for vision inspection with or without an accessory according to an embodiment of the present invention.

도 2를 참조하면, 시스템은 먼저 해당 공정에서 생산되는 제품에 대한 양품 영상과 불량 영상을 수신부(10)를 통해 수신하고 이를 양품 영상 DB(31)와 불량 영상 DB(32)에 저장하게 된다(S10). 상기 양품 영상 DB(31)는 공정 작업자에 의해 상기 수신부(10)로부터 입력되는 영상 중 공정 작업자에 의해 양품으로 선별된 양품 영상을 저장 관리하게 된다. 상기 불량 영상 DB(32)는 공정 작업자에 의해 상기 수신부(10)로부터 입력되는 영상 중 공정 작업자에 의해 불량품으로 선별된 불량품 영상을 저장 관리하게 된다. Referring to FIG. 2, the system first receives a good image and a bad image for a product produced in a corresponding process through the receiver 10 and stores them in the good image DB 31 and the bad image DB 32 ( S10). The good image DB 31 stores and manages a good image selected as a good product by a process worker among images input from the receiving unit 10 by a process worker. The defective image DB 32 stores and manages a defective product image selected as a defective product by a process worker among images input from the receiving unit 10 by a process worker.

이후 시스템은 검사 영역 설정부(50)를 통해 제품 영상 중 검사가 필요한 검사 영역을 작업자로부터 지정받아 검사 영역으로 설정하게 된다(S12).Thereafter, the system receives an inspection area that needs to be inspected among product images through the inspection area setting unit 50 and sets it as an inspection area (S12).

이후 시스템은 가검사 과정의 진행을 위해 상기 검사 도구부(60)의 검사 도구들 중 작업자로부터 수신부(10)를 통해 적어도 둘 이상의 검사 도구 선택 신호를 수신해 가검사를 진행할 검사 도구를 선택받는다(S14). Thereafter, the system receives at least two or more inspection tool selection signals from the operator through the reception unit 10 among the inspection tools of the inspection tool unit 60 in order to proceed with the provisional inspection process, and selects an inspection tool to perform the provisional inspection ( S14).

이 같은 검사 도구 선택 단계(S14)는 가검사의 속도와 효율을 높이기 위한 것으로, 검사 도구부(60) 내 모든 검사 도구들을 가검사 대상으로 하여 진행할 수도 있으므로 생략될 수도 있다. This inspection tool selection step (S14) is to increase the speed and efficiency of the provisional inspection, and may be omitted since all the inspection tools in the inspection tool unit 60 may be subjected to the provisional inspection.

이후 시스템은 불량 영상 DB(32) 내 불량 영상들의 검사 영역들과 양품 영상 DB(31) 내 양품 영상들의 검사 영역들에 대해 상기 검사 도구부(60)의 검사 도구들을 개별적으로 실행하게 된다(S16). Thereafter, the system individually executes inspection tools of the inspection tool unit 60 for inspection areas of defective images in the defective image DB 32 and inspection areas of defective images in the good image DB 31 (S16). ).

이후 시스템은 상기 검사부(70)에서 실행된 다양한 검사 도구들의 가검사 결과들을 상기 결과 분석부(80)를 통해 분석하여(S18), 각 검사 도구별로 검사 기준과 검출률을 도출한다(S20). Thereafter, the system analyzes provisional inspection results of various inspection tools executed by the inspection unit 70 through the result analysis unit 80 (S18), and derives inspection standards and detection rates for each inspection tool (S20).

이후 시스템은 상기 추천부(90)를 통해 각 검사 도구별 가검사 결과를 작업자에게 제시하고 가장 가검사 결과가 좋은 검사 도구를 추천 검사 도구로서 작업자에게 추천한다(S22). Thereafter, the system presents the inspection result for each inspection tool to the operator through the recommendation unit 90, and recommends the inspection tool having the best temporary inspection result to the worker as a recommended inspection tool (S22).

본 발명은 도면에 도시된 일부 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록 청구범위의 기술적 사상에 의해 정해져야 할 것이다.The present invention has been described with reference to some embodiments shown in the drawings, but these are merely exemplary, and those skilled in the art will understand that various modifications and other equivalent embodiments are possible therefrom. Therefore, the true technical protection scope of the present invention should be defined by the technical spirit of the appended claims.

10 : 수신부 20 : 카메라부
31 : 양품 영상 DB 32 : 불량 영상 DB
40 : 제어부 50 : 검사영역 설정부
60 : 검사 도구부 70 : 검사부
80 : 결과 분석부 90 : 추천부
10: receiving unit 20: camera unit
31: good image DB 32: bad image DB
40: control unit 50: inspection area setting unit
60: inspection tool unit 70: inspection unit
80: result analysis unit 90: recommendation unit

Claims (13)

제품의 양품 영상을 관리하는 양품 영상 DB;
제품의 불량 영상을 관리하는 불량 영상 DB;
제품 영상을 통해 제품 내 부속 유무를 판별할 수 있는 적어도 둘 이상의 검사 도구들을 관리하는 검사 도구부;
상기 불량 영상 DB 내 불량 영상과 양품 영상 DB 내 양품 영상에 대해 상기 검사 도구부의 검사 도구들을 실행시키는 검사부;
상기 검사부에서 실행된 검사 도구별 가검사 결과들을 분석하여 각 검사 도구별로 검사 기준과 검출률을 도출하는 결과 분석부; 및
상기 결과 분석부의 분석 결과를 통해 검사 대상 제품에 대한 검사 도구를 추천하는 추천부; 를 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템.
A quality image DB that manages quality images of products;
A defect image DB that manages a defect image of a product;
An inspection tool unit that manages at least two or more inspection tools capable of determining whether or not an accessory is present in the product through a product image;
An inspection unit that executes inspection tools of the inspection tool unit on the defective image in the defective image DB and the good image in the good image DB;
A result analysis unit for deriving inspection criteria and detection rates for each inspection tool by analyzing provisional inspection results for each inspection tool executed by the inspection unit; And
A recommendation unit recommending an inspection tool for a product to be inspected through an analysis result of the result analysis unit; Setting guide system for vision inspection with or without the accessory, characterized in that it comprises a.
제 1항에 있어서,
검사부에서 실행되는 가검사를 위해 검사가 필요한 검사 영역을 영상 내에 설정하는 검사 영역 설정부; 를 더 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템.
According to claim 1,
An inspection area setting unit that sets an inspection area in the image that requires inspection for the provisional inspection performed by the inspection unit; A setting guide system for vision inspection with or without an accessory, further comprising a.
제 1항에 있어서,
상기 결과 분석부는,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품이 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치 사이의 마진 구간의 중간값을 검사 기준값으로 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템.
According to claim 1,
The result analysis unit,
As a result of provisional inspection through inspection tools, if the distribution of inspection values of good and bad products does not overlap, and the good and bad products need to be determined based on one value in the inspection tool, the distribution characteristics of good and bad images used for temporary inspection A setting guide system for vision inspection with or without an accessory, characterized by deriving an intermediate value of a margin section between a distribution position of a learned good product image and a distribution position of a defective image as an inspection reference value.
제 1항에 있어서,
상기 결과 분석부는,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 범위와 불량 영상의 분포 범위와의 마진 구간의 중간값들을 검사 기준값으로 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템.
According to claim 1,
The result analysis unit,
As a result of provisional inspection through inspection tools, if the distribution of inspection values between good and bad products does not overlap and the inspection tool needs to determine good and bad products based on the range between the minimum and maximum values, good and bad images used for temporary inspection A setting guide system for vision inspection with and without an accessory, characterized by deriving the intermediate values of the margin range between the distribution range of the good image and the distribution range of the bad image by learning the distribution characteristics of.
제 1항에 있어서,
상기 결과 분석부는,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치를 나누는 경계에서 불량품의 검사값이 제외되는 값을 검사 기준값으로 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템.
According to claim 1,
The result analysis unit,
As a result of provisional inspection through inspection tools, the distribution of inspection values between good and bad products overlaps, and if the inspection tool needs to determine good and bad products based on one value, learn the distribution characteristics of good and bad images used for temporary inspection A setting guide system for vision inspection with and without an accessory, characterized in that a value that excludes the inspection value of the defective product is derived as an inspection reference value at a boundary dividing the distribution position of the marine product image and the distribution position of the defective image.
제 1항에 있어서,
상기 결과 분석부는,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상 분포 범위의 전후 두 개 경계값을 검사 기준값으로 도출하되 불량품의 검사값이 제외되는 범위로 검사 기준값을 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 시스템.
According to claim 1,
The result analysis unit,
As a result of provisional inspection through the inspection tool, the distribution of inspection values between good and bad products overlaps, and when it is necessary to determine good and bad products based on the range between the minimum and maximum values in the inspection tool, A setting guide system for vision inspection with or without an accessory, characterized by deriving two boundary values before and after the distribution range of a good product image as an inspection reference value, but deriving an inspection reference value within a range in which inspection values of defective products are excluded.
(a) 제품의 양품 영상과 불량 영상을 수신하여 양품 영상 DB와 불량 영상 DB에 저장하는 단계;
(b) 불량 영상 DB 내 불량 영상과 양품 영상 DB 내 양품 영상에 대해 적어도 둘 이상의 검사 도구들을 실행시켜 가검사를 실시하는 단계;
(c) 실행된 검사 도구별 가검사 결과들을 분석하여 각 검사 도구별로 검사 기준과 검출률을 도출하는 단계; 및
(d) 분석 결과를 통해 검사 대상 제품에 대한 검사 도구를 추천하는 단계; 를 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
(a) receiving a good image and a bad image of the product and storing them in a good image DB and a bad image DB;
(b) performing a temporary inspection by executing at least two or more inspection tools on the defective image in the defective image DB and the good image in the good image DB;
(c) analyzing the results of provisional tests for each inspection tool to derive inspection criteria and detection rates for each inspection tool; And
(d) recommending an inspection tool for a product to be inspected through an analysis result; Setting guide method for vision inspection with or without an accessory, characterized in that it comprises a.
제 7항에 있어서,
상기 (a) 단계와 (b) 단계의 사이에,
검사부에서 실행되는 가검사를 위해 검사가 필요한 검사 영역을 영상 내에 설정하는 단계; 를 더 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
The method of claim 7,
Between steps (a) and (b),
Setting an inspection area in the image that requires inspection for provisional inspection performed by the inspection unit; A setting guide method for vision inspection with or without an accessory, further comprising a.
제 7항에 있어서,
상기 (a) 단계와 (b) 단계의 사이에,
검사부에서 실행되는 가검사를 위해 검사 도구들 중 가검사를 진행할 검사 도구를 선택받는 단계; 를 더 포함하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
The method of claim 7,
Between steps (a) and (b),
Selecting an inspection tool to perform a provisional inspection among the inspection tools for the provisional inspection performed by the inspection unit; A setting guide method for vision inspection with or without an accessory, further comprising a.
제 7항에 있어서,
상기 (e) 단계에서,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품이 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치 사이의 마진 구간의 중간값을 검사 기준값으로 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
The method of claim 7,
In step (e),
As a result of provisional inspection through inspection tools, if the distribution of inspection values of good and bad products does not overlap, and the good and bad products need to be determined based on one value in the inspection tool, the distribution characteristics of good and bad images used for temporary inspection A setting guide method for vision inspection with and without an accessory, characterized in that an intermediate value of a margin section between a distribution position of a learned good product image and a distribution position of a defective image is derived as an inspection reference value.
제 7항에 있어서,
상기 (e) 단계에서,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치지 않고 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 범위와 불량 영상의 분포 범위와의 마진 구간의 중간값들을 검사 기준값으로 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
The method of claim 7,
In step (e),
As a result of provisional inspection through inspection tools, if the distribution of inspection values between good and bad products does not overlap and the inspection tool needs to determine good and bad products based on the range between the minimum and maximum values, good and bad images used for temporary inspection A setting guide method for vision inspection with or without an accessory, characterized by deriving intermediate values of the margin range between the distribution range of the good image and the distribution range of the bad image by learning the distribution characteristics of.
제 7항에 있어서,
상기 (e) 단계에서,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 하나의 값을 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상의 분포 위치와 불량 영상의 분포 위치를 나누는 경계에서 불량품의 검사값이 제외되는 값을 검사 기준값으로 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
The method of claim 7,
In step (e),
As a result of provisional inspection through inspection tools, the distribution of inspection values between good and bad products overlaps, and if the inspection tool needs to determine good and bad products based on one value, learn the distribution characteristics of good and bad images used for temporary inspection A setting guide method for vision inspection with and without an accessory, characterized in that a value that excludes the inspection value of the defective product is derived as an inspection reference value at a boundary dividing the distribution position of the marine product image and the distribution position of the defective image.
제 7항에 있어서,
상기 (e) 단계에서,
검사 도구를 통한 가검사 결과 양품과 불량품의 검사값 분포가 겹치며 해당 검사 도구에서 최소값과 최대값 사이의 범위를 기준으로 양품과 불량품을 결정해야 하는 경우, 가검사에 사용된 양품 영상과 불량 영상의 분포 특성을 학습해 양품 영상 분포 범위의 전후 두 개 경계값을 검사 기준값으로 도출하되 불량품의 검사값이 제외되는 범위로 검사 기준값을 도출하는 것을 특징으로 하는 부속 유무의 비전 검사를 위한 셋팅 가이드 방법.
The method of claim 7,
In step (e),
As a result of provisional inspection through the inspection tool, the distribution of inspection values between good and bad products overlaps, and when it is necessary to determine good and bad products based on the range between the minimum and maximum values in the inspection tool, A setting guide method for vision inspection with and without an accessory, characterized by deriving two boundary values before and after the distribution range of a good product image as an inspection reference value, but deriving an inspection reference value in a range in which inspection values of defective products are excluded.
KR1020180158582A 2018-12-10 2018-12-10 System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct KR20200070908A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180158582A KR20200070908A (en) 2018-12-10 2018-12-10 System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180158582A KR20200070908A (en) 2018-12-10 2018-12-10 System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct

Publications (1)

Publication Number Publication Date
KR20200070908A true KR20200070908A (en) 2020-06-18

Family

ID=71143320

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180158582A KR20200070908A (en) 2018-12-10 2018-12-10 System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct

Country Status (1)

Country Link
KR (1) KR20200070908A (en)

Similar Documents

Publication Publication Date Title
US11449980B2 (en) System and method for combined automatic and manual inspection
KR20190075707A (en) Method for sorting products using deep learning
EP3480735B1 (en) Inspection apparatus, data generation apparatus, data generation method, and data generation program
US10878283B2 (en) Data generation apparatus, data generation method, and data generation program
TWI603074B (en) Optical film defect detection method and system thereof
JP5776605B2 (en) Information display system for supporting analysis work of substrate inspection result and analysis work support method
TWI703514B (en) Artificial intelligence recheck system and method thereof
US20080281548A1 (en) Method and System for Automatic Defect Detection of Articles in Visual Inspection Machines
US10533849B2 (en) Analysis apparatus and analysis program
KR102508703B1 (en) System for deriving electrical characteristics and non-transitory computer-readable medium
CN110880179A (en) Method for testing working state of visual sensor
US20200090319A1 (en) Machine learning method implemented in aoi device
CN110659201A (en) Intelligent test analysis system for safety technology protection engineering
CN114226262A (en) Flaw detection method, flaw classification method and flaw detection system
CN111899238A (en) Defect detection method, device, medium and electronic equipment for double-light source image
TW201310161A (en) Method for testing an image capturing device
CN107731705B (en) Method for setting sampling rate in defect detection and detection control method of production line
KR20220046824A (en) Inspection method for welding portion in lithium secondary battery
CN117871042A (en) Intelligent testing method and system for display effect of LED module
KR20200070908A (en) System and method for guiding a user of vision inspection for detecting the presence or absence of adjunct
CN105678789B (en) A kind of cabinet standard component assembling quality intelligent analysis method
KR20200070909A (en) System and method for guiding a user of vision inspection for detecting defects of adjunct
US10048131B2 (en) Chromaticity test method and chromaticity test apparatus
KR101766884B1 (en) Inspection Method for applying sealer
KR102316081B1 (en) Determination of defects of electrolytic zinc-coated Circular Plugs by using Machine Learning Pretreatment