KR20220088154A - 검사 장치 및 방법 - Google Patents

검사 장치 및 방법 Download PDF

Info

Publication number
KR20220088154A
KR20220088154A KR1020200178904A KR20200178904A KR20220088154A KR 20220088154 A KR20220088154 A KR 20220088154A KR 1020200178904 A KR1020200178904 A KR 1020200178904A KR 20200178904 A KR20200178904 A KR 20200178904A KR 20220088154 A KR20220088154 A KR 20220088154A
Authority
KR
South Korea
Prior art keywords
image
state
light
pattern
document
Prior art date
Application number
KR1020200178904A
Other languages
English (en)
Inventor
김효각
이창용
신상오
김순문
정민수
최종관
권일석
이연우
정준영
Original Assignee
씨제이제일제당 (주)
주식회사 포엠솔루텍
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 씨제이제일제당 (주), 주식회사 포엠솔루텍 filed Critical 씨제이제일제당 (주)
Priority to KR1020200178904A priority Critical patent/KR20220088154A/ko
Publication of KR20220088154A publication Critical patent/KR20220088154A/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
    • G01N21/8803—Visual inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/38—Investigating fluid-tightness of structures by using light
    • 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
    • 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
    • G01N21/896—Optical defects in or on transparent materials, e.g. distortion, surface flaws in conveyed flat sheet or rod
    • G01N2021/8965—Optical defects in or on transparent materials, e.g. distortion, surface flaws in conveyed flat sheet or rod using slant illumination, using internally reflected light

Landscapes

  • Physics & Mathematics (AREA)
  • General 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)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

본 문서에 개시된 일 실시예에 따른 검사 장치는 대상물의 표면에 광을 조사하는 광원부, 상기 광원부로부터 조사된 광에 의해 상기 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득하는 이미지 취득부 및 상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 판정부를 포함할 수 있다.

Description

검사 장치 및 방법{EXAMINATION APPARATUS AND METHOD OF THE SAME}
본 문서에 개시된 실시예들은 대상물을 검사하는 장치 및 방법에 관한 것이다.
오늘날에는 가정이나 여행 등 여러 상황에서 용기 즉석밥과 같은 즉석 식품이 자주 이용되고 있다. 이러한 즉석 식품은 밀봉 과정에서 다양한 원인들에 의해 완벽하게 밀봉이 이루어지지 않는 경우가 생기기도 하는데 이는 소비자에게 유통되는 과정에서 내용물 변질의 위험을 야기할 수 있다.
완벽하게 밀봉이 형성된 용기의 경우 내부에 일정 정도의 음압이 형성되어 밀봉에 사용된 상부 포장 필름이 안쪽으로 팽팽하게 수축되는 현상을 보이지만, 밀봉이 완성되지 않은 용기의 경우에는 상부 포장 필름의 수축 상태가 느슨해져 주름이 형성되기도 한다.
종래에는 이러한 즉석 식품 용기의 음압 형성 상태를 비접촉으로 검사하기 위하여 제품의 표면에 광을 조사한 후, 용기 포장에 투영되는 광의 치수를 정량적으로 측정하여 음압의 형성 상태를 측정하였다. 그러나, 이러한 종래의 방법은 음압 형성과 비형성의 경계를 수치적으로 정확하게 구분하기 어렵고, 고속 물류 컨베이어 상에서 측정을 실시하는 경우 제품의 위치나 측정자의 자세에 따라 정확도가 떨어져 오검의 위험이 높아 실용성에 한계를 가지고 있었다.
또한, 일반적인 룰베이스 검사 방법은 이미지에서 복잡한 특징을 찾아 추출하고 문제의 가능한 모든 경우를 처리하는 복잡한 비전 알고리즘을 만들어야 하며, 이를 위해 영상의 전처리 및 적합한 검사 알고리즘을 구현하는데 많은 시간을 필요로 하는 문제점이 있었다.
본 문서에 개시된 실시예들은 즉석 식품의 제조 과정에서 용기 내부의 음압 형성 상태를 자동으로 검사할 수 있는 수단을 제공함으로써, 품질의 신뢰성을 향상시킬 수 있는 검사 장치 및 방법을 제공하는 것을 일 목적으로 한다.
본 문서에 개시된 실시예들은 딥러닝에 기초하여 인간이 시각적으로 판단하는 방법과 유사한 검사 방법을 제공함으로써, 기존의 정량적인 검사 방법에 비하여 주변 환경의 영향을 적게 받으면서 정확하고 안정된 검사 결과를 얻을 수 있는 검사 장치 및 방법을 제공하는 것을 일 목적으로 한다.
본 문서에 개시된 실시예들은 용기 표면에 직접적으로 조사되는 슬릿광이 아닌 1차 반사된 패턴에 대한 영상을 검사 판정에 이용함으로써, 검사 성능을 극대화 할 수 있으며, 본 문서에 개시된 반사 패턴 분석 기법은 필름 표면의 균일성을 판정하기 위한 다양한 용도로 적용이 가능한 검사 장치 및 방법을 제공하는 것을 일 목적으로 한다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일 실시예에 따른 검사 장치는 대상물의 표면에 광을 조사하는 광원부, 상기 광원부로부터 조사된 광에 의해 상기 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득하는 이미지 취득부 및 상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 판정부를 포함할 수 있다.
일 실시예에 따라, 상기 판정부는 상기 제1 이미지를 상기 제1 이미지에 관하여 사전 저장된 제1 기준 이미지와 비교하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 판정부는 상기 제1 이미지의 특징점을 상기 제1 기준 이미지에 대해 딥러닝을 통해 학습된 특징점과 비교하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 광원부로부터 조사된 광이 상기 대상물 표면에 반사되어 형성되는 반사광 패턴이 투영되는 반사광 취득부를 더 포함할 수 있다.
일 실시예에 따라, 상기 이미지 취득부는 상기 반사광 패턴을 포함하는 제2 이미지를 취득하고, 상기 판정부는 상기 제2 이미지에 기초하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 판정부는 상기 제2 이미지를 상기 제2 이미지에 관하여 사전 저장된 제2 기준 이미지와 비교하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 판정부는 상기 제1 이미지에 포함된 패턴의 수, 형상 및 치수 중 적어도 하나에 기초하여 상기 대상물의 불량 여부를 판정할 수 있다.
일 실시예에 따라, 상기 광원부는 레이저 광원을 포함할 수 있다.
일 실시예에 따라, 상기 레이저 광원은 레이저 슬릿광을 조사할 수 있다
일 실시예에 따라, 상기 제1 이미지에 포함된 패턴은 상기 대상물의 밀봉 상태에 따른 음압 형성 여부를 반영할 수 있다.
일 실시예에 따라, 상기 판정부는 상기 제1 이미지에 포함된 패턴의 곡률에 기초하여 상기 대상물의 불량 여부를 판정할 수 있다.
본 문서에 개시된 일 실시예에 따른 검사 방법은 대상물의 표면에 광을 조사하는 단계, 상기 조사된 광에 의해 상기 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득하는 단계 및 상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제1 이미지를 상기 제1 이미지에 관하여 사전 저장된 제1 기준 이미지와 비교하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제1 이미지의 특징점을 상기 제1 기준 이미지에 대해 딥러닝을 통해 학습된 특징점과 비교하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 조사된 광이 상기 대상물 표면에 반사되어 형성되는 반사광 패턴이 투영되는 단계를 더 포함할 수 있다.
일 실시예에 따라, 상기 반사광 패턴을 포함하는 제2 이미지를 취득하는 단계 및 상기 제2 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계를 더 포함할 수 있다.
일 실시예에 따라, 상기 제2 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제2 이미지를 상기 제2 이미지에 관하여 사전 저장된 제2 기준 이미지와 비교하여 상기 대상물의 상태를 판정할 수 있다.
일 실시예에 따라, 상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제1 이미지에 포함된 패턴의 수, 형상 및 치수 중 적어도 하나에 기초하여 상기 대상물의 불량 여부를 판정할 수 있다.
본 문서에 개시된 일 실시예에 따른 검사 장치 및 방법은 즉석 식품의 제조 과정에서 용기 내부의 음압 형성 상태를 자동으로 검사할 수 있는 수단을 제공함으로써, 품질의 신뢰성을 향상시킬 수 있다.
본 문서에 개시된 일 실시예에 따른 검사 장치 및 방법은 딥러닝에 기초하여 인간이 시각적으로 판단하는 방법과 유사한 검사 방법을 제공함으로써, 기존의 정량적인 검사 방법에 비하여 주변 환경의 영향을 적게 받으면서 정확하고 안정된 검사 결과를 얻을 수 있다.
본 문서에 개시된 일 실시예에 따른 검사 장치 및 방법은 용기 표면에 직접적으로 조사되는 슬릿광이 아닌 1차 반사된 패턴에 대한 영상을 검사 판정에 이용함으로써, 검사 성능을 극대화 할 수 있으며, 본 문서에 개시된 반사 패턴 분석 기법은 필름 표면의 균일성을 판정하기 위한 다양한 용도로 적용이 가능하다.
도 1은 본 문서에 개시된 일 실시예에 따른 검사 장치의 구성을 나타내는 블록도이다.
도 2는 본 문서에 개시된 일 실시예에 따른 검사 장치의 검사 방법을 나타내는 도면이다.
도 3은 본 문서에 개시된 일 실시예에 따른 검사 장치에 의해 정상 및 비정상으로 판정된 즉석 제품을 나타내는 도면이다.
도 4는 본 문서에 개시된 다른 실시예에 따른 검사 장치의 검사 방법을 나타내는 도면이다.
도 5는 본 문서에 개시된 다른 실시예에 따른 검사 장치에 의해 정상 및 비정상으로 판정된 반사판의 패턴을 나타내는 도면이다.
도 6은 본 문서에 개시된 일 실시예에 따른 검사 장치에서 패턴의 형상에 기초하여 정상 여부를 판정하기 위한 기준을 나타내는 도면이다.
도 7은 본 문서에 개시된 일 실시예에 따른 검사 방법을 나타내는 흐름도이다.
도 8은 본 문서에 개시된 다른 실시예에 따른 검사 방법을 나타내는 흐름도이다.
도 9는 본 문서에 개시된 일 실시예에 따른 검사 방법을 실행하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
이하, 첨부한 도면을 참조하여 본 문서에 개시된 다양한 실시예들에 대해 상세히 설명하고자 한다. 본 문서에서 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 문서에 개시되어 있는 다양한 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로, 본 문서에 개시된 다양한 실시예들은 여러 가지 형태로 실시될 수 있으며 본 문서에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.
다양한 실시예에서 사용된 “제1”, “제2”, “첫째”, 또는 “둘째” 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성 요소들을 한정하지 않는다. 예를 들면, 본 문서에 개시된 실시예의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성 요소로 바꾸어 명명될 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서에 개시된 실시예들을 배제하도록 해석될 수 없다.
도 1은 본 문서에 개시된 일 실시예에 따른 검사 장치의 구성을 나타내는 블록도이다.
도 1을 참조하면, 본 문서에 개시된 일 실시예에 따른 검사 장치(100)는 광원부(110), 이미지 취득부(120), 판정부(130), 반사광 취득부(140) 및 저장부(150)를 포함할 수 있다.
광원부(110)는 대상물의 표면에 광을 조사할 수 있다. 예를 들면, 대상물은 용기 즉석밥, 컵라면 등 밀봉 포장된 즉석 식품을 포함할 수 있다. 이 때, 광원부(110)는 대상물의 표면, 예를 들면 용기 상단 부분에 광을 조사할 수 있다.
광원부(110)는 레이저 광원을 포함할 수 있다. 일반적으로, 대상물(예를 들면, 즉석 식품)의 양품과 불량품의 표면에서 반사되는 빛의 특징을 명확하게 구분하기 위해서는 원천이 되는 광원이 목표물에 직진하여 투영된 후에 대상물 표면의 형상에 따라 다르게 반사되는 것이 중요하다. 특히, 레이저 광원은 다른 광원에 비하여 직진성이 뛰어나기 때문에 표면의 민감한 변화에 대하여 반사된 패턴의 형상에 명확하게 반영이 가능하므로, 대상물의 표면 형상의 차이를 구분하기 적합할 수 있다.
이 때, 광원부(110)에 포함된 레이저 광원은 레이저 슬릿광일 수 있으며, 그 외에도 원형이나 십자형 등 다양한 형태의 광을 조사할 수 있다. 또한, 광원부(110)는 복수의 광원을 포함할 수 있다. 예를 들면, 광원부(110)는 복수의 레이저 슬릿광을 나란히 조사할 수 있다. 그러나, 본 문서에 개시된 검사 장치(100)의 광원부(110)가 이에 제한되는 것은 아니며, 광원부(110)에 포함된 광원의 수와 형상은 다양하게 구성될 수 있다.
이미지 취득부(120)는 광원부(110)로부터 조사된 광에 의해 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득할 수 있다. 예를 들면, 제1 이미지는 레이저 슬릿광에 의해 대상물의 표면에 형성된 곡선 및 직선 형태의 패턴을 포함할 수 있다.
또한, 이미지 취득부(120)는 반사광 패턴을 포함하는 제2 이미지를 취득할 수 있다. 이 경우, 제2 이미지는 광원부(110)로부터 조사된 광이 대상물 표면에서 반사되어 반사판에 투영된 패턴일 수 있다. 예를 들면, 제2 이미지는 곡선 및 직선 형태의 패턴이나 불규칙한 패턴을 포함할 수 있다.
이처럼, 이미지 취득부(120)에 의해 취득되는 제1 이미지와 제2 이미지에 포함된 패턴들은 대상물의 밀봉 상태에 따른 음압 형성 여부를 반영할 수 있다. 즉, 대상물의 밀봉 상태에 따른 음압 형성으로 인해 대상물 표면의 굴곡이 달라져 제1 이미지와 제2 이미지에 포함된 패턴의 형상이 다르게 나타날 수 있다.
판정부(130)는 제1 이미지에 기초하여 대상물의 상태를 판정할 수 있다. 구체적으로, 판정부(130)는 제1 이미지를 제1 이미지에 관하여 사전 저장된 제1 기준 이미지와 비교하여 대상물의 상태, 즉, 대상물의 불량 여부를 판정할 수 있다. 이 경우, 판정부(130)는 제1 이미지의 특징점을 제1 기준 이미지에 대해 딥러닝을 통해 학습된 특징점과 비교하여 대상물의 상태를 판정할 수 있다.
또한, 판정부(130)는 제2 이미지에 기초하여 대상물의 상태를 판정할 수 있다. 구체적으로, 판정부(130)는 제2 이미지를 제2 이미지에 관하여 사전 저장된 제2 기준 이미지와 비교하여 대상물의 상태, 즉, 대상물의 불량 여부를 판정할 수 있다. 이 경우, 판정부(130)는 제2 이미지의 특징점을 제2 기준 이미지에 대해 딥러닝을 통해 학습된 특징점과 비교하여 대상물의 상태를 판정할 수 있다.
판정부(130)는 제1 이미지와 제2 이미지에 포함된 패턴의 수, 형상 및 치수에 기초하여 대상물의 불량 여부를 판정할 수 있다. 즉, 판정부(130)는 제1, 2 이미지를 각각 제1, 2 기준 이미지와 비교하여 대상물이 정상으로 판정된 경우라도, 패턴의 형상 자체가 기준 범위를 벗어나는지 여부를 추가로 고려할 수 있다. 이 경우, 판정부(130)는 제1, 2 이미지의 패턴의 길이, 폭 등을 정상 기준과 비교하여 추가 검사를 수행할 수 있다.
또한, 판정부(130)는 제1, 2 이미지에 포함된 패턴의 곡률에 기초하여 상기 대상물의 불량 여부를 판정할 수 있다. 예를 들면, 판정부(130)는 광원부(110)가 레이저 슬릿광을 조사하는 경우, 대상물의 표면이나 반사판에 형성된 패턴의 곡률이 기준치 이상인 경우(예를 들면, 활모양)에 대상물에 음압이 정상적으로 형성된 것으로 판정하고, 패턴의 곡률이 기준치 미만인 경우(예를 들면, 직선 또는 불규칙한 모양)에는 대상물에 음압이 정상적으로 형성되지 못한 것으로 판정할 수 있다.
이처럼, 본 문서에 개시된 검사 장치(100)의 판정부(130)에서 활용되는 딥러닝 기법은 머신 러닝에서 가장 중요한 단계인 학습을 위한 데이터 변환 과정을 자동화 한다는 점에서 매우 큰 장점을 가지며, 특히, 사람보다 빠른 학습이 가능하고, 기존의 룰베이스 기반 알고리즘보다 검사에 적합한 요구사항 반영이 쉽게 가능하다. 즉, 하나의 종류의 딥러닝 모델만 가지고도 다양한 제품에 쉽게 적용이 가능하다.
일반적인 음압 검사의 경우, 주로 육안으로 제품 표면 간 거리, 영상의 길이 등에 대하여 룰베이스를 만들고 검출하는 고전적인 방법으로 진행하였으나 본 문서에 개시된 검사 장치(100)는 제품 표면에 직접 형서되거나 반사되어 투영된 레이저 패턴의 변형에 대한 이미지를 딥러닝 기법을 통하여 자동으로 분석하여 대상물의 음압 형성 여부에 관하여 정상 또는 불량 판별이 가능한 AI 기반의 검사를 수행한다는 점에서 이점이 있다.
반사광 취득부(140)는 광원부(110)로부터 조사된 광이 대상물 표면에 반사되어 형성되는 반사광 패턴이 투영될 수 있다. 예를 들면, 반사광 취득부(140)는 대상물 표면에서 반사된 광의 패턴이 형성되는 평평한 반사판의 형태를 가질 수 있다. 이처럼, 대상물의 표면에 직접 형성되는 패턴보다 반사되어 투영된 패턴의 경우가 대상물 표면의 굴곡 상태에 따른 형상의 변화가 증폭되므로, 대상물 표면에 패턴이 형성되는 경우보다 패턴 변화가 민감하게 나타날 수 있다.
저장부(150)는 판정부(130)에서 대상물의 음압 형성 여부를 판정하기 위해 제1, 2 이미지와의 비교의 기준이 되는 제1, 2 기준 이미지를 저장할 수 있다. 즉, 저장부(150)에는 정상 및 불량으로 판정된 대상물에 관하여 사전에 딥러닝 기법을 통해 학습된 제1, 2 기준 이미지들이 저장되어 있을 수 있다. 이 경우, 저장부(150)에는 정상 및 비정상으로 판정된 대상물의 제1, 2 이미지 각각에 대하여 딥러닝을 통해 특징점을 추출하고, 이를 학습하여 산출된 제1, 2 기준 이미지들을 저장할 수 있다.
따라서, 판정부(130)는 이미지 취득부(120)에서 취득된 제1, 2 이미지를 저장부(150)에 저장된 제1, 2 기준 이미지와 비교함으로써 대상물의 정상 여부를 판정할 수 있다.
그러나, 본 문서에 개시된 검사 장치(100)가 반드시 저장부(150)를 포함해야 하는 것은 아니며, 통신부(미도시)를 포함하여 외부 서버의 데이터베이스에 저장된 제1, 2 기준 이미지를 수신하도록 동작할 수 있다.
이와 같이, 본 문서에 개시된 일 실시예에 따른 검사 장치는 즉석 식품의 제조 과정에서 용기 내부의 음압 형성 상태를 자동으로 검사할 수 있는 수단을 제공함으로써, 품질의 신뢰성을 향상시킬 수 있다.
또한, 본 문서에 개시된 일 실시예에 따른 검사 장치는 딥러닝에 기초하여 인간이 시각적으로 판단하는 방법과 유사한 검사 방법을 제공함으로써, 기존의 정량적인 검사 방법에 비하여 주변 환경의 영향을 적게 받으면서 정확하고 안정된 검사 결과를 얻을 수 있다.
그리고, 본 문서에 개시된 일 실시예에 따른 검사 장치는 용기 표면에 직접적으로 조사되는 슬릿광이 아닌 1차 반사된 패턴에 대한 영상을 검사 판정에 이용함으로써, 검사 성능을 극대화 할 수 있으며, 본 문서에 개시된 반사 패턴 분석 기법은 필름 표면의 균일성을 판정하기 위한 다양한 용도로 적용이 가능하다.
도 2는 본 문서에 개시된 일 실시예에 따른 검사 장치의 검사 방법을 나타내는 도면이다. 또한, 도 3은 본 문서에 개시된 일 실시예에 따른 검사 장치에 의해 정상 및 비정상으로 판정된 즉석 제품을 나타내는 도면이다.
도 2를 참조하면, 본 문서에 개시된 일 실시예에 따른 검사 장치에서 광원부(110)가 컨베이어 벨트에 의해 이동하는 대상물(10)의 상부 표면을 향하여 비스듬히 광을 조사하고 있다. 이 때, 광원부(110)에서 조사되는 광은 레이저 슬릿광일 수 있다. 또한, 대상물(10)의 표면에는 레이저 슬릿광에 의해 패턴(20)이 형성될 수 있다.
그리고, 대상물(10)의 표면에 형성된 패턴(20)은 대상물(10)과 수직 상단에 마련된 이미지 취득부(120)(예를 들면, 카메라)에 의해 촬영될 수 있다. 이 때, 대상물(10)이 이미지 취득부(120)가 위치한 구역을 지나는지 여부는 센서부(160)에 의해 감지될 수 있다. 따라서, 이미지 취득부(120)에서는 대상물(10)의 표면에 형성된 패턴(20)을 포함하는 제1 이미지를 취득할 수 있다.
한편, 도 3에 나타낸 것과 같이, 광원부(110)에 의해 대상물(10)의 표면에 형성된 패턴(20)은 정상적으로 음압이 형성된 대상물(10)의 경우 활모양의 패턴(20)이 형성될 수 있다. 반면, 음압이 제대로 형성되지 않은 대상물(10)의 경우에는 패턴(20)이 직선이나 곡률이 상대적으로 작은 활모양으로 나타날 수 있다.
이처럼, 본 문서에 개시된 일 실시예에 따른 검사 장치에서는 이미지 취득부(120)를 통해 획득된 제1 이미지 상에서의 패턴(20)을 딥러닝을 통해 미리 학습시켜 저장한 제1 기준 이미지와 유사성을 확인함으로써 대상물(10)이 정상인지 또는 불량인지 여부를 판정할 수 있다.
도 4는 본 문서에 개시된 다른 실시예에 따른 검사 장치의 검사 방법을 나타내는 도면이다. 또한, 도 5는 본 문서에 개시된 다른 실시예에 따른 검사 장치에 의해 정상 및 비정상으로 판정된 반사판의 패턴을 나타내는 도면이다.
도 4를 참조하면, 본 문서에 개시된 다른 실시예에 따른 검사 장치에서 광원부(110)가 컨베이어 벨트에 의해 이동하는 대상물(10)의 상부 표면을 향하여 비스듬히 광을 조사하고 있다. 이 때, 광원부(110)에서 조사되는 광은 레이저 슬릿광일 수 있다. 또한, 대상물(10)의 표면에는 레이저 슬릿광에 의해 패턴(20)이 형성될 수 있다.
그리고, 대상물(10)의 표면에서 반사된 레이저 슬릿광은 반사광 취득부(140)(예를 들면, 평면 반사판)에 투영될 수 있다. 이 때, 반사광 취득부(140)에 투영된 이미지는 반사광 패턴(30)을 포함할 수 있다. 또한, 반사광 취득부(140)에 투영된 반사광 패턴(30)은 대상물(10)의 이동 방향과 평행하도록 마련된 이미지 취득부(120)(예를 들면, 카메라)에 의해 촬영될 수 있다. 이 때, 대상물(10)이 이미지 취득부(120)의 검출 가능 구역을 지나는지 여부는 센서부(160)에 의해 감지될 수 있다. 따라서, 이미지 취득부(120)에서는 대상물(10)의 표면에서 반사되어 반사광 취득부(140) 상에 형성된 반사광 패턴(30)을 포함하는 제2 이미지를 취득할 수 있다.
한편, 도 5에 나타낸 것과 같이, 반사광 취득부(140)에 의해 투영된 반사광 패턴(30)은 정상적으로 음압이 형성된 대상물(10)의 경우 볼록한 활모양의 패턴(30)이 형성될 수 있다. 반면, 음압이 제대로 형성되지 않은 대상물(10)의 경우에는 도 5와 같이, 반사광 패턴(30)이 불규칙한 형상으로 나타나거나(불량), 곡률이 상대적으로 작은 활 또는 직선 모양(볼록 불량)으로 나타날 수 있다.
이처럼, 본 문서에 개시된 다른 실시예에 따른 검사 장치에서는 이미지 취득부(120)를 통해 획득된 제2 이미지 상에서의 반사광 패턴(30)을 딥러닝을 통해 미리 학습시켜 저장한 제2 기준 이미지와 유사성을 확인함으로써 대상물(10)이 정상인지 또는 불량인지 여부를 판정할 수 있다.
특히, 도 2 및 3에서 설명한 것과 같이 대상물(10)의 표면에 패턴을 형성하는 경우에 있어서, 대상물(10)의 표면 상태에 따라 양품과 불량품의 차이가 뚜렷하게 나타나지 않는 경우도 있다. 이를 보완하기 위하여, 대상물(10)에 의해 1차 반사된 영상을 취득하면 반사되어 비치는 반사광 패턴(30)이 대상물(10)의 표면의 굴곡 상태에 따라 형상 변화가 증폭되어 제품의 상태가 좀 더 확실하게 반영된 패턴을 얻을 수 있다.
도 6은 본 문서에 개시된 일 실시예에 따른 검사 장치에서 패턴의 형상에 기초하여 정상 여부를 판정하기 위한 기준을 나타내는 도면이다.
도 6을 참조하면, A는 패턴(blob)의 수, B는 패턴의 길이, C는 패턴의 폭을 각각 나타낸다. 즉, 도 6에서는 도 2 내지 5에서 설명한 제1, 2 이미지에 기초하여 정상으로 분류된 제품에 대하여 추가적인 검사를 진행하는 검사 방법을 나타내고 있다. 즉, 딥러닝을 통해 정상으로 판정된 패턴의 형상에 대하여 형상 자체는 유사하지만 패턴의 길이 또는 폭(높이) 등이 정상 기준에서 벗어나는지 추가 검사를 진행할 수 있다.
따라서, 본 문서에 개시된 실시예에 따른 검사 장치에 의하면, 대상물에 표면에 형성된 패턴(제1 이미지)과 대상물의 표면에서 반사된 반사광에 의해 투영된 패턴(제2 이미지)을 기저장된 기준 이미지와 비교하여 정상으로 판정이 되었더라도, 패턴 자체에 대해 추가적인 판정을 실시함으로써 보다 정확하게 대상물의 정상 여부를 검출해낼 수 있다.
도 7은 본 문서에 개시된 일 실시예에 따른 검사 방법을 나타내는 흐름도이다.
도 7을 참조하면, 본 문서에 개시된 일 실시예에 따른 검사 방법은 먼저 대상물의 표면에 광을 조사한다(S110). 이 때, 대상물의 표면, 예를 들면 용기 상단 부분에 광을 조사할 수 있다. 또한, 단계 S110에서 광원은 레이저 슬릿광일 수 있으며, 그 외에도 원형이나 십자형 등 다양한 형태의 광을 조사할 수 있다. 또한, 복수의 광원을 대상물에 조사할 수 있다. 이 경우, 복수의 레이저 슬릿광을 나란히 조사할 수 있다.
그리고, 조사된 광에 의해 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득한다(S120). 예를 들면, 제1 이미지는 레이저 슬릿광에 의해 대상물의 표면에 형성된 곡선 및 직선 형태의 패턴을 포함할 수 있다. 이 때, 단계 S120에서 취득되는 제1 이미지에 포함된 패턴들은 대상물의 밀봉 상태에 따른 음압 형성 여부를 반영할 수 있다. 즉, 대상물의 밀봉 상태에 따른 음압 형성으로 인해 대상물 표면의 굴곡이 달라져 제1 이미지에 포함된 패턴의 형상이 다르게 나타날 수 있다.
다음으로, 취득된 제1 이미지와 정상으로 판정된 대상물의 제1 이미지에 관하여 사전 저장된 이미지의 특징점이 대응되는지 여부를 판단한다(S130). 이 경우, 제1 이미지에 포함된 특징점을 제1 기준 이미지에 대해 딥러닝을 통해 미리 학습된 특징점과 비교하여 대상물의 상태를 판정할 수 있다.
구체적으로, 단계 S130에서는 제1 이미지에 포함된 패턴의 곡률에 기초하여 상기 대상물의 불량 여부를 판정할 수 있다. 예를 들면, 단계 S110에서 레이저 슬릿광을 조사하는 경우, 대상물의 표면에 형성된 패턴의 곡률이 기준치 이상인 경우(예를 들면, 활 모양)에 대상물에 음압이 정상적으로 형성된 것으로 판정하고, 패턴의 곡률이 기준치 미만인 경우(예를 들면, 직선 모양)에는 대상물에 음압이 정상적으로 형성되지 못한 것으로 판정할 수 있다.
만약, 취득된 제1 이미지와 정상으로 판정된 대상물의 제1 이미지에 관하여 사전 저장된 이미지의 특징점이 대응되지 않는 경우(NO), 해당 대상물은 불량, 즉 음압이 정상적으로 형성되지 않은 것으로 판정한다(S160). 반면, 취득된 제1 이미지와 정상으로 판정된 대상물의 제1 이미지에 관하여 사전 저장된 이미지의 특징점이 대응되는 경우(YES), 단계 S140으로 진행하여 취득된 제1 이미지에 포함된 패턴의 수, 형상 및 치수가 기준 범위에 포함되는지 여부를 판정한다(S140).
만약, 취득된 제1 이미지에 포함된 패턴의 수, 형상 및 치수가 기준 범위에 포함되지 않는 경우(NO), 단계 S130에서 정상으로 판정되었더라도 해당 대상물은 불량으로 판정한다(S160). 반면, 제1 이미지에 포함된 패턴의 수, 형상 및 치수가 기준 범위에 포함되는 경우(YES)에는 해당 대상물을 정상으로 판정한다(S150).
도 8은 본 문서에 개시된 다른 실시예에 따른 검사 방법을 나타내는 흐름도이다.
도 8을 참조하면, 본 문서에 개시된 일 실시예에 따른 검사 방법은 먼저 대상물의 표면에 광을 조사한다(S210). 이 때, 대상물의 표면, 예를 들면 용기 상단 부분에 광을 조사할 수 있다. 또한, 단계 S210에서 광원은 레이저 슬릿광일 수 있으며, 그 외에도 원형이나 십자형 등 다양한 형태의 광을 조사할 수 있다. 또한, 복수의 광원을 대상물에 조사할 수 있다. 이 경우, 복수의 레이저 슬릿광을 나란히 조사할 수 있다.
그리고, 조사된 광이 대상물에 의해 반사된 반사광의 패턴이 투영된 제2 이미지를 취득한다(S220). 이 경우, 제2 이미지는 조사된 광이 대상물 표면에서 반사되어 반사판에 투영된 패턴일 수 있다. 예를 들면, 제2 이미지는 곡선 및 직선 형태의 패턴이나 불규칙한 패턴을 포함할 수 있다. 이 때, 단계 S220에서 취득되는 제2 이미지에 포함된 패턴들은 대상물의 밀봉 상태에 따른 음압 형성 여부를 반영할 수 있다. 즉, 대상물의 밀봉 상태에 따른 음압 형성으로 인해 대상물 표면의 굴곡이 달라져 대상물 표면에서 반사되어 투영된 제2 이미지에 포함된 패턴의 형상 역시 다르게 나타날 수 있다.
다음으로, 취득된 제2 이미지와 정상으로 판정된 대상물의 제2 이미지에 관하여 사전 저장된 이미지의 특징점이 대응되는지 여부를 판단한다(S230). 이 경우, 제2 이미지에 포함된 특징점을 제2 기준 이미지에 대해 딥러닝을 통해 미리 학습된 특징점과 비교하여 대상물의 상태를 판정할 수 있다.
구체적으로, 단계 S230에서는 제2 이미지에 포함된 패턴의 곡률에 기초하여 상기 대상물의 불량 여부를 판정할 수 있다. 예를 들면, 단계 S210에서 레이저 슬릿광을 조사하는 경우, 대상물의 표면에서 반사되어 투영된 패턴의 곡률이 기준치 이상인 경우(예를 들면, 활 모양)에 대상물에 음압이 정상적으로 형성된 것으로 판정하고, 패턴의 곡률이 기준치 미만(예를 들면, 직선 모양)이거나 패턴이 불규칙한 형상으로 나타난 경우 대상물에 음압이 정상적으로 형성되지 못한 것으로 판정할 수 있다.
만약, 취득된 제2 이미지와 정상으로 판정된 대상물의 제2 이미지에 관하여 사전 저장된 이미지의 특징점이 대응되지 않는 경우(NO), 해당 대상물은 불량, 즉 음압이 정상적으로 형성되지 않은 것으로 판정한다(S260). 반면, 취득된 제2 이미지와 정상으로 판정된 대상물의 제2 이미지에 관하여 사전 저장된 이미지의 특징점이 대응되는 경우(YES), 단계 S240으로 진행하여 취득된 제2 이미지에 포함된 패턴의 수, 형상 및 치수가 기준 범위에 포함되는지 여부를 판정한다(S240).
만약, 취득된 제2 이미지에 포함된 패턴의 수, 형상 및 치수가 기준 범위에 포함되지 않는 경우(NO), 단계 S230에서 정상으로 판정되었더라도 해당 대상물은 불량으로 판정한다(S260). 반면, 제2 이미지에 포함된 패턴의 수, 형상 및 치수가 기준 범위에 포함되는 경우(YES)에는 해당 대상물을 정상으로 판정한다(S250).
이와 같이, 본 문서에 개시된 일 실시예에 따른 검사 방법은 즉석 식품의 제조 과정에서 용기 내부의 음압 형성 상태를 자동으로 검사할 수 있는 수단을 제공함으로써, 품질의 신뢰성을 향상시킬 수 있다.
또한, 본 문서에 개시된 일 실시예에 따른 검사 방법은 딥러닝에 기초하여 인간이 시각적으로 판단하는 방법과 유사한 검사 방법을 제공함으로써, 기존의 정량적인 검사 방법에 비하여 주변 환경의 영향을 적게 받으면서 정확하고 안정된 검사 결과를 얻을 수 있다.
그리고, 본 문서에 개시된 일 실시예에 따른 검사 방법은 용기 표면에 직접적으로 조사되는 슬릿광이 아닌 1차 반사된 패턴에 대한 영상을 검사 판정에 이용함으로써, 검사 성능을 극대화 할 수 있으며, 본 문서에 개시된 반사 패턴 분석 기법은 필름 표면의 균일성을 판정하기 위한 다양한 용도로 적용이 가능하다.
도 9는 본 문서에 개시된 일 실시예에 따른 검사 방법을 실행하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 9를 참조하면, 본 문서에 개시된 일 실시예에 따른 컴퓨팅 시스템(200)은 MCU(210), 메모리(220), 입출력 I/F(230) 및 통신 I/F(240)를 포함할 수 있다.
MCU(210)는 메모리(220)에 저장되어 있는 각종 프로그램(예를 들면, 제1, 2이미지 판정 프로그램, 이미지 학습 프로그램, 패턴 분석 프로그램 등)을 실행시키고, 이러한 프로그램들을 통해 취득된 이미지에 기초하여 대상물의 정상 여부를 판정하기 위한 각종 데이터를 처리하며, 전술한 도 1에 나타낸 배터리 관리 장치의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(220)는 이미지를 취득하고 이미지에 기초하여 대상물을 판정하기 위한 각종 프로그램을 저장할 수 있다. 또한, 메모리(220)는 취득된 이미지, 미리 학습된 기준 이미지 등 각종 데이터를 저장할 수 있다.
이러한 메모리(220)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(220)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(220)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(220)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 상기 열거한 메모리(220)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다.
입출력 I/F(230)는, 키보드, 마우스, 터치 패널 등의 입력 장치(미도시)와 디스플레이(미도시) 등의 출력 장치와 MCU(210) 사이를 연결하여 데이터를 송수신할 수 있도록 하는 인터페이스를 제공할 수 있다.
통신 I/F(240)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 통신 I/F(240)를 통해 별도로 마련된 외부 서버로부터 취득된 이미지에 기초하여 대상물의 정상 여부를 판정하기 위한 프로그램이나 각종 데이터 등을 송수신할 수 있다.
이와 같이, 본 문서에 개시된 일 실시예에 따른 컴퓨터 프로그램은 메모리(220)에 기록되고, MCU(210)에 의해 처리됨으로써, 예를 들면 도 1에서 도시한 각 기능들을 수행하는 모듈로서 구현될 수도 있다.
이상에서, 본 문서에 개시된 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 문서에 개시된 실시예들이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 문서에 개시된 실시예들의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 문서에 개시된 실시예들은 본 문서에 개시된 실시예들의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시되 기술사상의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
10: 대상물 20: 제1 이미지의 패턴
30: 제2 이미지의 반사광 패턴 100: 검사 장치
110: 광원부 120: 이미지 취득부
130: 판정부 140: 반사광 취득부
150: 저장부 160: 센서부
200: 컴퓨팅 시스템 210: MCU
220: 메모리 230: 입출력 I/F
240: 통신 I/F

Claims (18)

  1. 대상물의 표면에 광을 조사하는 광원부;
    상기 광원부로부터 조사된 광에 의해 상기 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득하는 이미지 취득부; 및
    상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 판정부를 포함하는 검사 장치.
  2. 청구항 1에 있어서,
    상기 판정부는 상기 제1 이미지를 상기 제1 이미지에 관하여 사전 저장된 제1 기준 이미지와 비교하여 상기 대상물의 상태를 판정하는 검사 장치.
  3. 청구항 2에 있어서,
    상기 판정부는 상기 제1 이미지의 특징점을 상기 제1 기준 이미지에 대해 딥러닝을 통해 학습된 특징점과 비교하여 상기 대상물의 상태를 판정하는 검사 장치.
  4. 청구항 1에 있어서,
    상기 광원부로부터 조사된 광이 상기 대상물의 표면에서 반사되어 형성되는 반사광 패턴이 투영되는 반사광 취득부를 더 포함하는 검사 장치.
  5. 청구항 4에 있어서,
    상기 이미지 취득부는 상기 반사광 패턴을 포함하는 제2 이미지를 취득하고,
    상기 판정부는 상기 제2 이미지에 기초하여 상기 대상물의 상태를 판정하는 검사 장치.
  6. 청구항 5에 있어서,
    상기 판정부는 상기 제2 이미지를 상기 제2 이미지에 관하여 사전 저장된 제2 기준 이미지와 비교하여 상기 대상물의 상태를 판정하는 검사 장치.
  7. 청구항 1에 있어서,
    상기 판정부는 상기 제1 이미지에 포함된 패턴의 수, 형상 및 치수 중 적어도 하나에 기초하여 상기 대상물의 불량 여부를 판정하는 검사 장치.
  8. 청구항 1에 있어서,
    상기 광원부는 레이저 광원을 포함하는 검사 장치.
  9. 청구항 8에 있어서,
    상기 레이저 광원은 레이저 슬릿광을 조사하는 검사 장치.
  10. 청구항 1에 있어서,
    상기 제1 이미지에 포함된 패턴은 상기 대상물의 밀봉 상태에 따른 음압 형성 여부를 반영하는 검사 장치.
  11. 청구항 1에 있어서,
    상기 판정부는 상기 제1 이미지에 포함된 패턴의 곡률에 기초하여 상기 대상물의 불량 여부를 판정하는 검사 장치.
  12. 대상물의 표면에 광을 조사하는 단계;
    상기 조사된 광에 의해 상기 대상물의 표면에 형성된 패턴을 포함하는 제1 이미지를 취득하는 단계; 및
    상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계를 포함하는 검사 방법.
  13. 청구항 12에 있어서,
    상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제1 이미지를 상기 제1 이미지에 관하여 사전 저장된 제1 기준 이미지와 비교하여 상기 대상물의 상태를 판정하는 검사 방법.
  14. 청구항 13에 있어서,
    상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제1 이미지의 특징점을 상기 제1 기준 이미지에 대해 딥러닝을 통해 학습된 특징점과 비교하여 상기 대상물의 상태를 판정하는 검사 방법.
  15. 청구항 12에 있어서,
    상기 조사된 광이 상기 대상물의 표면에 반사되어 형성되는 반사광 패턴이 투영되는 단계를 더 포함하는 검사 방법.
  16. 청구항 15에 있어서,
    상기 반사광 패턴을 포함하는 제2 이미지를 취득하는 단계; 및
    상기 제2 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계를 더 포함하는 검사 방법.
  17. 청구항 16에 있어서,
    상기 제2 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제2 이미지를 상기 제2 이미지에 관하여 사전 저장된 제2 기준 이미지와 비교하여 상기 대상물의 상태를 판정하는 검사 방법.
  18. 청구항 12에 있어서,
    상기 제1 이미지에 기초하여 상기 대상물의 상태를 판정하는 단계는 상기 제1 이미지에 포함된 패턴의 수, 형상 및 치수 중 적어도 하나에 기초하여 상기 대상물의 불량 여부를 판정하는 검사 방법.
KR1020200178904A 2020-12-18 2020-12-18 검사 장치 및 방법 KR20220088154A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200178904A KR20220088154A (ko) 2020-12-18 2020-12-18 검사 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200178904A KR20220088154A (ko) 2020-12-18 2020-12-18 검사 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20220088154A true KR20220088154A (ko) 2022-06-27

Family

ID=82247091

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200178904A KR20220088154A (ko) 2020-12-18 2020-12-18 검사 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20220088154A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024049199A1 (ko) * 2022-08-31 2024-03-07 주식회사 엘지에너지솔루션 학습 모델 기반의 치수 측정 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024049199A1 (ko) * 2022-08-31 2024-03-07 주식회사 엘지에너지솔루션 학습 모델 기반의 치수 측정 장치 및 방법

Similar Documents

Publication Publication Date Title
US10317192B2 (en) Geometry measurement system, geometry measurement apparatus, and geometry measurement method
US20200292462A1 (en) Surface defect detection system and method thereof
US4165939A (en) Apparatus for inspection and dimensional measurement by sequential reading
Eshkevari et al. Automatic dimensional defect detection for glass vials based on machine vision: A heuristic segmentation method
CN110959114A (zh) 缺陷检查方法及缺陷检查装置
US11193756B2 (en) Object shape measurement apparatus and method
US20160321792A1 (en) System and a method for automatic recipe validation and selection
KR20170127565A (ko) 검사 장치
KR20220088154A (ko) 검사 장치 및 방법
CN115615353A (zh) 利用平行光检测物体尺寸的方法、装置、设备及存储介质
TW201738985A (zh) 用於校正自目標晶粒及參考晶粒之比較所產生之差異圖像之系統、方法及電腦程式產品
JP5772596B2 (ja) 容器検査装置及び容器検査方法
US20080240510A1 (en) Method and system for examining a surface
JP5161905B2 (ja) 錠剤検査装置及びｐｔｐ包装機
US11226191B2 (en) Film thickness measurement device and correction method
CN109884078B (zh) 分层晶片检测
US10782254B2 (en) Method of detecting a defect and apparatus for performing the same
US10551326B2 (en) Method for measuring semiconductor device
CN111693533B (zh) 工件表面质量的检测方法及检测装置、外观机
US11657495B2 (en) Non-lambertian surface inspection system using images scanned in different directions
JP2017133953A (ja) 錠剤検査装置
US11660825B2 (en) Manufacturing device of package and manufacturing method of package
KR20190143458A (ko) 반도체 웨이퍼들을 검사하기 위한 기법
KR20230115024A (ko) 비정형 결함 검출을 위한 cnn 기반 머신 비전 시스템 및 이의 제어 방법
JP2012159456A (ja) 錠剤の外観検査装置及びｐｔｐ包装機

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application