KR20230116537A - 딥러닝 기술 기반의 불량품 선별 시스템 및 방법 - Google Patents

딥러닝 기술 기반의 불량품 선별 시스템 및 방법 Download PDF

Info

Publication number
KR20230116537A
KR20230116537A KR1020220013596A KR20220013596A KR20230116537A KR 20230116537 A KR20230116537 A KR 20230116537A KR 1020220013596 A KR1020220013596 A KR 1020220013596A KR 20220013596 A KR20220013596 A KR 20220013596A KR 20230116537 A KR20230116537 A KR 20230116537A
Authority
KR
South Korea
Prior art keywords
defective
deep learning
learning technology
molding
image
Prior art date
Application number
KR1020220013596A
Other languages
English (en)
Inventor
박성익
Original Assignee
경운대학교 산학협력단
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 경운대학교 산학협력단 filed Critical 경운대학교 산학협력단
Priority to KR1020220013596A priority Critical patent/KR20230116537A/ko
Publication of KR20230116537A publication Critical patent/KR20230116537A/ko

Links

Classifications

    • 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
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • 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
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 딥러닝 기술 기반의 불량품 선별 시스템 및 방법에 관한 것으로, 보다 상세하게는 딥러닝 기술 기반으로 카메라를 이용해 성형사출된 제품을 실시간으로 촬영하여 정상제품과 불량제품를 비교하여 데이터를 구축하고, 구축된 데이터를 활용하여 불량 제품으로 판별 시 작업자에게 알려주는 딥러닝 기술 기반의 불량품 선별 시스템 및 방법에 관한 것이다.

Description

딥러닝 기술 기반의 불량품 선별 시스템 및 방법{Defective product sorting device and sorting method based on deep learning technology}
본 발명은 딥러닝 기술 기반의 불량품 선별 시스템 및 방법에 관한 것으로, 보다 상세하게는 딥러닝 기술 기반으로 카메라를 이용해 성형사출된 제품을 실시간으로 촬영하여 정상제품과 불량제품를 비교하여 데이터를 구축하고, 구축된 데이터를 활용하여 불량 제품으로 판별 시 작업자에게 알려주는 딥러닝 기술 기반의 불량품 선별 시스템 및 방법에 관한 것이다.
일반적으로 대량으로 생산되는 제품은 사출성형 공정 단계를 거치게 된다. 이러한 사출성형 과정에서 성형 조건이나 작업 환경 등의 변화로 인하여 사출성형된 제품에 크랙이 발생하거나 모양이 변형되는 등의 불량이 발생하게 된다.
따라서 불량이 발생한 제품을 선별하기 위해 별도의 작업자가 육안으로 불량품을 선별하는 품질 검사 공정 단계가 이루어지는 것이 필요하다.
하지만 작업자가 육안 검사로 제품의 불량을 검사할 경우, 육안 검사를 위해 제품의 이동속도 즉, 벨트 컨베이어의 이동 속도를 설정 속도 이상으로 향상시키지 못하므로 생산성이 감소하게 되고, 작업자의 실수로 불량 부분을 놓치게 되는 문제점이 있다. 이에, 일정 규모 이상의 생산라인에서는 별도의 불량품 검사 시스템을 구비하여, 불량품을 선별하고 있는데, 이러한 불량품 검사 시스템은 고가의 비용으로 중소기업에서 구비하기 어려운 실정이다.
한국등록특허 제10-1643713호(2016.07.22. 등록)
본 발명은 상기한 바와 같은 문제점을 해결하기 위해 안출된 것으로, 카메라로 촬영한 성형물의 영상을 토대로 딥러닝 기술을 활용한 학습을 통해 성형물의 불량 유무를 판별하여, 해당 성형물이 불량품으로 판별 시에 작업자에게 알림으로써, 수작업으로 이루어지던 불량품 판별 검사 공정을 신속하고 정확하게 이루어지도록 하는 딥러닝 기술 기반의 불량품 선별 시스템 및 방법을 제공하는 것을 목적으로 한다.
본 발명에 따른 딥러닝 기술 기반의 불량품 선별 시스템에 있어서, 성형물의 영상을 생성하기 위한 카메라;와 딥러닝 기술을 활용하여 상기 카메라에서 생성된 성형물의 영상을 학습하고 불량 유무를 판별하는 데이터 판별 장치;를 포함하여 구성되고, 상기 데이터 판별 장치는 딥러닝 기술을 활용하여 상기 카메라에서 생성된 성형물의 영상을 바탕으로 정상품 및 불량품을 구분하기 위해 학습시키는 AI 학습부와; 상기 AI 학습부를 이용하여 성형물의 불량 유무를 판별하는 불량 판별부와; 상기 불량 판별부에서 성형물이 불량이라고 판별될 경우 해당 정보를 작업자에게 알림하는 불량 알림부;를 포함하여 구성된 것을 특징으로 한다.
본 발명에 따른 딥러닝 기술 기반의 불량품 선별 방법에 있어서 (a) 성형물을 촬영하여 영상을 생성하는 단계; (b) 상기 (a) 단계에서 생성된 영상을 이용하여 불량품을 선별하기 위한 학습 모델을 구축하는 단계; (c) 상기 (b) 단계에서 구축된 데이터를 활용하여 해당 성형물의 불량 여부를 판별하는 단계; (d) 상기 (c) 단계에서 판별된 성형물의 불량품이라고 판별될 경우, 작업자에게 해당 정보를 알림하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 따른 딥러닝 기술 기반의 불량품 선별 방법에 있어서, (f) 상기 (c) 단계에서 해당 성형물이 불량이라고 판별될 경우, 해당 성형물의 일련번호를 저장하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명에 따른 딥러닝 기술 기반의 불량품 선별 시스템은 딥러닝 학습을 통해 성형된 제품의 정상 또는 불량 여부를 판별하는 시스템을 갖춤으로써, 수작업으로 이루어지던 불량품 판별 공정이 신속하고 정확하게 이루어지도록 하여 불필요한 인력의 소모를 줄일 수 있고, 작업 속도 향상 및 생산성을 증가시킬 수 있는 효과가 있다.
도 1은 본 발명에 따른 딥러닝 기술 기반의 불량품 선별 시스템의 개략적인 구성을 도시한 구성도이고,
도 2는 본 발명에 따른 데이터 판별 장치의 구성을 개략적으로 도시한 블럭도이고,
도 3은 본 발명에 따른 딥러닝 기술 기반의 불량품 선별 방법을 설명하기 순서도이다.
이상과 같은 본 발명에 대한 해결하고자 하는 과제, 과제의 해결 수단, 발명의 효과를 포함한 구체적인 사항들은 다음에 기재할 실시예 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예를 참조하면 명확해질 것이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
또한 도면에는 설명에 필요한 구성만을 도시할 수 있으며, 도면에서 도시되지 않았다하여 그 구성이 제거된 것은 아니다. 또한 도면에 도시된 형상은 실제 형상을 도시한 것이 아니고, 이해를 돕기위하여 길이, 폭, 높이, 두께 등을 크게 또는 작게 도시한 것일 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명을 그 실시예에 따라 보다 상세히 설명하기로 한다.
도 1은 본 발명에 따른 딥러닝 기술 기반의 불량품 선별 시스템의 개략적인 구성을 도시한 구성도이고, 도 2는 본 발명에 따른 데이터 판별 장치의 구성을 개략적으로 도시한 블럭도이고, 도 3은 본 발명에 따른 딥러닝 기술 기반의 불량품 선별 방법을 설명하기 순서도이다.
본 발명에 따른 딥러닝 기술 기반의 불량품 선별 시스템은 도 1에 도시된 바와 같이 성형물의 영상을 생성하기 위한 카메라(10);와 딥러닝 기술을 활용하여 상기 카메라(10)에서 생성된 성형물의 영상을 학습하고 불량 유무를 판별하는 데이터 판별 장치(20);를 포함한다.
먼저, 도 1에 도시된 바와 같이 카메라(10)는 검사 대상 성형물을 촬영하여 촬영된 성형물의 영상을 생성하기 위한 장치이다.
이때, 상기 카메라(10)는 적어도 하나 이상의 카메라를 설치되어 성형물의 형상을 다양한 각도에서 촬영하여 해당 성형물의 영상을 생성하는 것이 바람직하다.
즉, 상기 카메라(10)를 통해 다양한 각도에서 검사 대상 성형물을 촬영함에 따라 성형물의 형상을 정확히 파악할 수 있어 후술할 불량 판별부(30)에서 정확한 불량품 진단이 이루어질 수 있다.
다음으로 도 1에 도시된 바와 같이 상기 데이터 판별 장치(20)는 딥러닝 기술을 활용하여 상기 카메라(10)에서 생성된 성형물의 영상을 학습하고 불량 유무를 판별하는 장치이다.
상기 데이터 판별 장치(20)는 도 2에 도시된 바와 같이 딥러닝 기술을 활용하여 상기 카메라(10)에서 생성된 성형물의 영상을 바탕으로 정상품 및 불량품을 구분하기 위해 학습시키는 AI 학습부(21)와; 상기 AI 학습부(21)를 이용하여 성형물의 불량 유무를 판별하는 불량 판별부(23)와; 상기 불량 판별부(23)에서 성형물이 불량이라고 판별될 경우 해당 정보를 작업자에게 알림하는 불량 알림부(25);를 포함하여 구성된다.
한편, 본 발명에 따른 딥러닝 기술 기반의 불량품 선별 방법은 (a) 성형물을 촬영하여 영상을 생성하는 단계(S100); (b) 상기 (a) 단계(S100)에서 생성된 영상을 이용하여 불량품을 선별하기 위한 학습 모델을 구축하는 단계(S200); (c) 상기 (b) 단계(S200)에서 구축된 데이터를 활용하여 해당 성형물의 불량 여부를 판별하는 단계(S300); (d) 상기 (c) 단계(S300)에서 판별된 성형물의 불량품이라고 판별될 경우, 작업자에게 해당 정보를 알림하는 단계(S400);를 포함하여 이루어진다.
먼저, 도 3에 도시된 바와 같이 본 발명에 따른 불량품 선별 장치로 들어오는 성형물을 촬영하여 영상을 생성하는 (a) 단계(S100)가 이루어진다.
이때, 상기 (a) 단계(S100)에서는 해당 검사 대상 성형물을 다양한 각도에서 촬영하여 해당 성형물의 형상이 정확히 파악될 수 있도록 하여 영상을 생성하는 것이 바람직하다.
다음으로 도 3에 도시된 바와 같이 (a) 단계(S100)에서 생성된 성형물의 영상을 바탕으로 불량품을 선별하기 위한 학습 모델을 구축하는 (b) 단계(S200)가 이루어진다.
다음으로 도 3에 도시된 바와 같이 (b) 단계(S200)에서 구축된 데이터를 활용하여 해당 성형물의 불량 여부를 판별하는 (c) 단계(S300)가 이루어진다.
다음으로 도 3에 도시된 바와 같이 (c) 단계(S300)에서 성형물이 불량품이라고 판별되었을 경우, 작업자에게 해당 정보를 알림하는 (d) 단계(S400)가 이루어진다.
상기 (d) 단계(S400)는 작업자에게 음성이나 문자 또는 진동 알림 등의 다양한 알림 형태로 이루어질 수 있다.
다음으로 상기 (c) 단계(S300)에서 성형물이 불량품 진단을 받을 경우, 불량품으로 판별된 성형물의 일련번호를 저장하는 (f) 단계(S500)가 더 포함될 수 있다.
즉, (f) 단계(S500)가 이루어지면, 작업자는 본 발명에 따른 불량품 선별 시스템의 작동을 멈추고, 불량품을 제거할 필요 없이, 모든 작업이 완료된 후에, 저장된 불량 판별 성형물의 일련번호를 찾아 제거하기 때문에, 작업 효율을 높일 수 있다.
이때, 도 3에는 상기 (f) 단계(S500)는 상기 (d) 단계(S400) 이후 이루어지는 걸로 도시되어 있지만, 상기 (f) 단계(S500)는 상기 (c) 단계(S300) 이후 이루어질 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 카메라
20: 데이터 판별 장치
21: AI 학습부
23: 불량 판별부
25: 불량 알림부

Claims (3)

  1. 불량품 선별 시스템에 있어서,
    성형물의 영상을 생성하기 위한 카메라(10);와
    딥러닝 기술을 활용하여 상기 카메라(10)에서 생성된 성형물의 영상을 학습하고 불량 유무를 판별하는 데이터 판별 장치(20);를 포함하여 구성되고,
    상기 데이터 판별 장치(20)는 딥러닝 기술을 활용하여 상기 카메라(10)에서 생성된 성형물의 영상을 바탕으로 정상품 및 불량품을 구분하기 위해 학습시키는 AI 학습부(21)와;
    상기 AI 학습부(21)를 이용하여 성형물의 불량 유무를 판별하는 불량 판별부(23)와;
    상기 불량 판별부(23)에서 성형물이 불량이라고 판별될 경우 해당 정보를 작업자에게 알림하는 불량 알림부(25);를 포함하여 구성된 것을 특징으로 하는 딥러닝 기술 기반의 불량품 선별 시스템.
  2. (a) 성형물을 촬영하여 영상을 생성하는 단계(S100);
    (b) 상기 (a) 단계(S100)에서 생성된 영상을 이용하여 불량품을 선별하기 위한 학습 모델을 구축하는 단계(S200);
    (c) 상기 (b) 단계(S200)에서 구축된 데이터를 활용하여 해당 성형물의 불량 여부를 판별하는 단계(S300);
    (d) 상기 (c) 단계(S300)에서 판별된 성형물의 불량품이라고 판별될 경우, 작업자에게 해당 정보를 알림하는 단계(S400);
    를 포함하는 것을 특징으로 하는 딥러닝 기술 기반의 불량품 선별 방법.
  3. 제 2항에 있어서,
    (f) 상기 (c) 단계(S300)에서 해당 성형물이 불량이라고 판별될 경우, 해당 성형물의 일련번호를 저장하는 단계(S500)를 더 포함하는 것을 특징으로 하는 딥러닝 기술 기반의 불량품 선별 방법.
KR1020220013596A 2022-01-28 2022-01-28 딥러닝 기술 기반의 불량품 선별 시스템 및 방법 KR20230116537A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220013596A KR20230116537A (ko) 2022-01-28 2022-01-28 딥러닝 기술 기반의 불량품 선별 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220013596A KR20230116537A (ko) 2022-01-28 2022-01-28 딥러닝 기술 기반의 불량품 선별 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20230116537A true KR20230116537A (ko) 2023-08-04

Family

ID=87568920

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220013596A KR20230116537A (ko) 2022-01-28 2022-01-28 딥러닝 기술 기반의 불량품 선별 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20230116537A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101643713B1 (ko) 2015-08-06 2016-08-11 주식회사 이오비스 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101643713B1 (ko) 2015-08-06 2016-08-11 주식회사 이오비스 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법

Similar Documents

Publication Publication Date Title
US10391692B2 (en) Injection molding system
CN102529019B (zh) 一种模具检测、保护及零件检测、摘取的方法
CN110992349A (zh) 一种基于深度学习的地下管道异常自动化定位与识别方法
CN112088387A (zh) 检测成像物品缺陷的系统和方法
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN111179250A (zh) 一种基于多任务学习的工业品缺陷检测系统
CN115035092A (zh) 基于图像的瓶体检测方法、装置、设备及存储介质
WO2024055796A1 (zh) 一种缺陷检测系统、方法、装置、电子设备及存储介质
CN113284094A (zh) 获取玻璃基板缺陷信息的方法、装置、存储介质及设备
KR102666787B1 (ko) 인공지능을 이용한 결함 검사방법, 장치 및 프로그램
CN116337887A (zh) 铸造缸体上表面缺陷检测方法及系统
CN117409005B (zh) 基于图像的收板机用不良品检测系统及方法
CN112985515B (zh) 一种产品紧固件装配合格性检测方法、系统及存储介质
CN113714133A (zh) 基于机器视觉的叶片检测方法与系统
CN117689646A (zh) 一种正负样本融合的高精度缺陷检测方法、系统及介质
KR20230116537A (ko) 딥러닝 기술 기반의 불량품 선별 시스템 및 방법
CN113077430A (zh) 基于ssd算法的激光器芯片缺陷检测及分类方法与系统
KR20220046824A (ko) 리튬 이차 전지의 용접부 검사 방법
CN114226262A (zh) 瑕疵检测方法、瑕疵分类方法及其系统
CN110763705A (zh) 一种基于x光影像的深度学习识别方法、系统以及x光机
CN116977241A (zh) 检测车辆部件的缺陷的方法、装置、计算机可读存储介质以及计算机程序产品
KR20210106038A (ko) 딥러닝 기반의 ai 기술을 활용한 2차전지 분리막 자동 검사장치
CN115035101B (zh) 半导体芯片载板的缺陷验证方法、检测方法及aoi设备
TWI843333B (zh) 半導體芯片載板的缺陷驗證方法、檢測方法及aoi設備
CN114113119A (zh) 基于缺陷等级的产品视觉质检方法、系统、设备及介质

Legal Events

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