KR20230142009A - 금속분리판의 외관 검사 장치 및 방법 - Google Patents
금속분리판의 외관 검사 장치 및 방법 Download PDFInfo
- Publication number
- KR20230142009A KR20230142009A KR1020220039744A KR20220039744A KR20230142009A KR 20230142009 A KR20230142009 A KR 20230142009A KR 1020220039744 A KR1020220039744 A KR 1020220039744A KR 20220039744 A KR20220039744 A KR 20220039744A KR 20230142009 A KR20230142009 A KR 20230142009A
- Authority
- KR
- South Korea
- Prior art keywords
- inspection
- metal separator
- nonconformity
- separator plate
- processor
- Prior art date
Links
- 239000002184 metal Substances 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims description 38
- 238000007689 inspection Methods 0.000 claims abstract description 109
- 238000000926 separation method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 238000013135 deep learning Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 16
- 238000011109 contamination Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000007493 shaping process Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 26
- 238000013473 artificial intelligence Methods 0.000 description 15
- 210000004027 cell Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 239000000446 fuel Substances 0.000 description 10
- 230000002950 deficient Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 8
- 239000012528 membrane Substances 0.000 description 7
- 238000005452 bending Methods 0.000 description 5
- 238000003908 quality control method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000003054 catalyst Substances 0.000 description 3
- 239000002826 coolant Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003487 electrochemical reaction Methods 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000005518 polymer electrolyte Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000012495 reaction gas Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- -1 hydrogen ions Chemical class 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007784 solid electrolyte Substances 0.000 description 1
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
- G01N21/8851—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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/2518—Projection by scanning of the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/10—Scanning
- G01N2201/104—Mechano-optical scan, i.e. object and beam moving
- G01N2201/1042—X, Y scan, i.e. object moving in X, beam in Y
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
본 발명은 금속분리판의 외관 검사 장치에 관한 것으로, 지그에 안착되어 이동하는 금속분리판에 조명을 조사하는 조명 모듈; 2D 카메라 및 라인 스캐너를 이용해 금속분리판의 촬영 영상을 획득하는 2D 검사모듈; 3D 측정 센서를 이용해 금속분리판의 형상이나 모양의 영상을 획득하는 3D 검사모듈; 및 2D 검사모듈 및 3D 검사모듈을 통해 획득한 영상의 색변환 처리 및 3차원 형상 데이터 가공을 통해 금속분리판을 3차원 형상화하여, 금속분리판의 부적합 유무와 부적합 유형을 검출하는 프로세서;를 포함한다.
Description
본 발명은 금속분리판의 외관 검사 장치 및 방법에 관한 것으로, 보다 상세하게는 비전 자동화 검사를 통해 금속분리판의 외관 검사를 수행함으로써 균일한 품질 관리와 휴먼 에러에 의한 검사 오류를 방지할 수 있도록 하는, 금속분리판의 외관 검사 장치 및 방법에 관한 것이다.
일반적으로 본연료전지의 기본적인 구조는 전극과 촉매층, 기체 확산층으로 구성된 전해질-전극 복합체와 금속분리판이 교대로 반복 적층되어 있다.
이러한 연료전지 중 고분자 고체 전해질 연료전지(Polymer Electrolyte Membrane Fuel Cell, PEMFC)는 수소와 산소의 전기화학 반응에 의해 전기를 직접 생산하는 발전 장치이다.
즉, 고분자 고체 전해질 연료전지는 수소 이온이 이동하는 전해질막을 중심으로 막의 양쪽에 전기화학 반응이 일어나는 촉매전극층이 부착된 막전극접합체(MEA: Membrane Electrode Assembly), 반응기체들을 고르게 분포시키고 발생된 전기에너지를 전달하는 역할을 수행하는 기체확산층(GDL: Gas Diffusion Layer), 반응기체들 및 냉각수의 기밀성과 적정 체결압을 유지하기 위한 가스켓 및 체결기구, 그리고 반응기체들 및 냉각수를 이동시키는 금속분리판을 포함한다.
이 중, 기체 확산층은 연료전지의 고분자 전해질막의 표면에 산화극 및 환원극을 위해 도포된 촉매층의 외표면에 접착되어, 반응기체인 수소 및 공기(산소)의 공급, 전기화학 반응에 의해 생성된 전자의 이동, 반응생성수를 배출시켜 연료전지 셀(Cell) 내 플러딩(Flooding) 현상을 최소화시키는 등 다양한 기능을 한다.
최근에는 연료전지용 기체 확산층으로서 탄소섬유(Carbon Fiber) 대신 그물 형상의 구조를 갖는 얇은 금속판 재질의 다공체를 적용하려는 연구가 활발히 진행되고 있다.
이 때, 다공체는 규칙적인 구조를 가지고 있으므로 셀 내에서 사용 시 균일한 성능을 발휘할 수 있고 셀간 편차도 감소시키는 이점이 있다. 또한, 반응기체의 확산성이 우수하고 물 배출이 용이하여 셀 성능 향상에 기여할 수 있다.
이러한 다공체의 특성을 이용해 캐소드 분리판에 다공체를 접합해 분리판을 제작할 경우 연료전지 성능을 향상 시킬수 있다. 이러한 경우에도 통상의 경우와 마찬가지로 막전극접합체, 금속분리판(다공체 접합 포함), 가스켓 등의 셀 구성 부품들과 함께 적층하여 연료전지를 완성하게 된다. 여기서 금속분리판은 반응가스(예 : 수소, 산소)와 냉각수가 서로 섞이지 않도록 하는 중요한 구성 수단 중 하나이다.
따라서 상기 금속분리판의 균일한 품질 관리와 휴먼 에러에 의한 검사 오류를 방지할 수 있도록 하는 자동화 검사 기술이 필요한 상황이다.
본 발명의 배경기술은 대한민국 등록특허 제10-1352284호(2014.01.09. 간지 분리 효과가 우수한 연료전지용 금속 분리판 이송 장치 및 이를 이용한 금속 분리판 이송 방법)에 개시되어 있다.
본 발명의 일 측면에 의하면, 본 발명은 비전 자동화 검사를 통해 금속분리판의 외관 검사를 수행함으로써 균일한 품질 관리와 휴먼 에러에 의한 검사 오류를 방지할 수 있도록 하는, 금속분리판의 외관 검사 장치 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따른 금속분리판의 외관 검사 장치는, 지그에 안착되어 이동하는 금속분리판에 조명을 조사하는 조명 모듈; 2D 카메라 및 라인 스캐너를 이용해 상기 금속분리판의 촬영 영상을 획득하는 2D 검사모듈; 3D 측정 센서를 이용해 상기 금속분리판의 형상이나 모양의 영상을 획득하는 3D 검사모듈; 및 상기 2D 검사모듈 및 상기 3D 검사모듈을 통해 획득한 영상의 색변환 처리 및 3차원 형상 데이터 가공을 통해 상기 금속분리판을 3차원 형상화하여, 상기 금속분리판의 부적합 유무와 부적합 유형을 검출하는 프로세서;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 프로세서는, 금속분리판의 검출 부적합 유형에 따라 조명 조사 조건을 변경 제어하는 것을 특징으로 한다.
본 발명에 있어서, 상기 2D 검사 모듈은, 금속분리판을 왜곡 없이 정확하게 촬영하기 위해 수직으로 촬영하여 영상을 획득하는 것을 특징으로 한다.
본 발명에 있어서, 상기 프로세서는, AI 학습 유형 검출을 수행하며, 금속분리판의 부적합 샘플 이미지의 획득 및 AI 딥러닝 학습을 통해 부적합 유사 유형을 선별 및 검출하고, 만약 학습되지 않은 새로운 부적합 유형이 검출될 경우, 추가적인 AI 딥러닝 학습을 수행하여 추후 동일한 부적합 검사 시 검출이 가능하게 하며, 상기 금속분리판 표면의 이물질 및 오염을 포함한 부적합 유사 유형의 비교 분석 및 부적합을 판단하며, 크리티컬 부적합 선별을 수행하고, 상기 선별된 부적합 결과 이미지 중 크리티컬 부적합 우선순위를 선별하는 것을 특징으로 한다.
본 발명의 다른 측면에 따른 금속분리판의 외관 검사 방법은, 지그에 고정되어 금속분리판이 이동할 때, 프로세서가 조명 모듈의 제어를 통해 지정된 방향으로 조명을 조사하는 단계; 상기 프로세서가 상기 조명 모듈을 제어하면서 2D 검사 및 3D 검사를 순차로 또는 동시에 수행하는 단계; 상기 프로세서가 상기 2D 검사 및 3D 검사를 통해 금속분리판의 검사 정보를 입력받고, 품질 기준 대비 부적합 높이와 형상의 기준이 초과되는 부적합 항목에 대하여 NG 판정 처리를 수행하는 단계; 및 상기 금속분리판의 검사 정보를 바탕으로 부적합 분류된 금속분리판의 재검사를 통해 여전히 부적합 분류되면 폐기 처리되고, 새로운 부적합 유형으로 분류될 경우, 상기 프로세서가 상기 새로운 부적합 유형에 대한 AI 딥러닝 학습을 수행하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 2D 검사 및 3D 검사를 순차로 또는 동시에 수행하는 단계 이후, 상기 프로세서가, 상기 2D 검사를 통해 금속분리판의 이미지를 확보하면 색변환 처리를 통해 부적합 사이즈를 검사하고, 상기 3D 검사를 통해 부적합 형상을 3D 구현하여 부적합 높이와 형상의 기준 초과되는 부적합 항목을 검사하며, 상기 부적합 사이즈 및 부적합 높이와 형상의 검사 결과를 룰기반 검출 방식으로 양품 대비 부적합 이미지 선별하고, 상기 AI 딥러닝 학습을 통한 부적합 유형을 검출하며, 상기 부적합 유형이 검출되면 부적합이 발생한 영역을 추출하고, 또한 크리티컬 부적합 유형 분류 및 선별을 수행하여 진성 부적합을 검출하는 단계;를 더 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 조명을 조사하는 단계에서, 상기 프로세서는, 금속분리판의 검출 부적합 유형에 따라, 조명모듈의 조명 조사 조건을 변경 제어하는 것을 특징으로 한다.
본 발명에 있어서, 상기 2D 검사 및 3D 검사를 순차로 또는 동시에 수행하는 단계에서, 상기 프로세서는, 금속분리판을 왜곡 없이 정확하게 촬영하기 위하여, 2D 검사 모듈을 수직으로 촬영하여 영상을 획득하는 것을 특징으로 한다.
본 발명의 일 측면에 의하면, 본 발명은 비전 자동화 검사를 통해 금속분리판의 외관 검사를 수행함으로써 균일한 품질 관리와 휴먼 에러에 의한 검사 오류를 방지할 수 있도록 하는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 금속분리판의 외관 검사 장치의 개략적인 구성을 보인 예시도.
도 2는 본 발명의 일 실시 예에 따른 금속분리판의 외관 검사 방법을 설명하기 위한 흐름도.
도 3은 상기 도 1에 있어서, 비전 검사 방법에 따라 검출할 수 있는 금속분리판의 부적합 유형을 보인 예시도.
도 4는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 이물질, 오염, 찍힘)의 검출 방법을 보인 예시도.
도 5는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 꺾임, 고무 Burr)의 검출 방법을 보인 예시도.
도 6은 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 찍힘)의 검출 및 진성 불량 선별 방법을 보인 예시도.
도 2는 본 발명의 일 실시 예에 따른 금속분리판의 외관 검사 방법을 설명하기 위한 흐름도.
도 3은 상기 도 1에 있어서, 비전 검사 방법에 따라 검출할 수 있는 금속분리판의 부적합 유형을 보인 예시도.
도 4는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 이물질, 오염, 찍힘)의 검출 방법을 보인 예시도.
도 5는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 꺾임, 고무 Burr)의 검출 방법을 보인 예시도.
도 6은 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 찍힘)의 검출 및 진성 불량 선별 방법을 보인 예시도.
이하, 첨부된 도면을 참조하여 본 발명에 따른 금속분리판의 외관 검사 장치 및 방법의 일 실시 예를 설명한다.
이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시 예에 따른 금속분리판의 외관 검사 장치의 개략적인 구성을 보인 예시도이다.
도 1에 도시된 바와 같이, 본 실시 예에 따른 금속분리판의 외관 검사 장치는, 조명 모듈(110), 프로세서(120), 2D 검사모듈(130), 3D 검사모듈(140), 및 메모리 모듈(150)을 포함한다.
상기 조명 모듈(110)는 검사 대상 시료(즉, 금속분리판)에 조명을 조사하여 2D 검사모듈(130)의 2D 카메라를 이용해 영상 촬영 품질을 높여 검사 대상 시료(또는 검사 시료)의 고화질 이미지를 촬영한다. 이 때 프로세서(120)의 제어에 따라 검사 대상 시료(또는 검사 시료)의 검출 부적합 유형에 따라 조명 조사 조건을 변경하여 검사 대상 시료의 이미지 촬영한다.
상기 2D 검사모듈(130)은 2D 카메라 및 라인 스캐너를 포함하고, 상기 2D 카메라 및 상기 라인 스캐너를 통해 지그(또는 고정용 지그)에 안착되어 있는 검사 대상 시료를 촬영하여 촬영 영상을 획득한다.
이 때 상기 2D 카메라 및 라인 스캐너는 검사 대상 시료를 왜곡 없이 정확하게 촬영하기 위해 수직으로 촬영하여 이미지 획득한다. 이 때 상기 프로세서(120)는 검사 대상 시료의 부적합(예 : 찍힘, 피어싱, 정렬, 오염(얼룩), 이물질 등) 유/무의 검사를 위해 색변환(컬러→회색조)처리를 통해 부적합(즉, 불량) 사이즈(예 : 폭, 길이) 외관 검사를 수행한다.
상기 3D 검사모듈(140)은 3D 측정 센서를 포함하고, 상기 3D 측정 센서를 통해 지그(또는 고정용 지그)에 안착되어 있는 검사 대상 시료의 형상, 모양을 촬영하여 영상을 획득한다. 상기 3D 측정 센서(예 : 카메라)는 검사 시료의 높낮이 및 밝기, 패턴, 형상 등의 측정을 통해 3D 형상을 구현한다. 이 때 상기 프로세서(120)는 검사 대상 시료의 부적합(예 : 찍힘, 꺽임, 고무형상/높이, 고무부 형상(Burr)) 유/무 검사를 위해 검사 대상 시료를 3차원 형상화하여 외관 검사를 수행한다.
여기서 상기 고정용 지그는 검사 대상 시료를 안착하고, 외관 검사 각도에 따라 결함 검출 조건이 상이함을 고려하여, 검사 대상 시료의 스틸 및 가스켓(고무)을 검사하기 위해 시료를 균일한 위치에 일정하게 고정시킨다.
상기 프로세서(120)는 검사 대상 시료의 스틸 소재 영역 및 가스켓(고무) 소재 영역에 따른 촬영 이미지를 분류하고, 검사 대상 시료의 검사 영역별로 획득한 이미지의 색변환 또는 음영처리를 수행한 후 부적합(불량) 영역을 검출(추출)한다.
상기 프로세서(120)는 룰기반 검출을 수행하며, 검사 대상 시료의 검사 영역별 품질 기준이 달라 최초 스틸 및 가스켓(고무)의 품질 기준 초과시 검출 조건 적용한다. 가령, 스틸 소재부의 검사 영역별로 평탄도 기준(예 : 10 ~ 50㎛) 초과 시 부적합을 판단하고, 가스켓 고무 소재부는 가스켓 유/무 및 폭, 높이 편차 초과시 부적합을 판단한다.
상기 프로세서(120)는 AI 학습 유형 검출을 수행하며, 검사 대상 시료의 부적합 샘플 이미지의 획득 및 AI 딥러닝 학습을 통해 유사 유형 선별한다. 이에 따라 검사 대상 시료의 표면의 이물질 및 오염(얼룩) 등의 부적합 유사 유형의 비교 분석 및 불량(부적합)을 판단한다.
상기 프로세서(120)는 크리티컬 부적합(노이즈 필터링) 선별을 수행하고, 상기 선별된 부적합 결과 이미지 중 크리티컬 부적합 우선순위를 선별한다. 이 때 크리티컬 부적합 시료는 수작업 리페어 가능 여부의 유형을 선별하여 최종 분류된다.
상기 프로세서(120)는 AI(Artificial Intelligence) 딥러닝 학습을 수행한다. 즉, 상기 프로세서(120)는 룰기반 검출방식 및 AI 딥러닝 학습 기반으로 부적합(불량)을 검출하지만, 학습되지 않은 새로운 부적합(불량) 유형이 검출될 경우, 추가적인 AI 딥러닝 학습을 수행하여 추후 동일한 부적합 검사 시 검출이 가능하게 한다.
상기 프로세서(120)는 부적합 영역을 추출하여 검사 대상 시료의 부적합 유형별 이미지 선별하여 부적합 결과 유형 및 영역 등을 표시한다.
즉, 상기 프로세서(120)는 기존의 일반적인 2D 및 3D 복합 검사 방식과 같은 단순한 적합/부적합 검사가 아니라, 정확한 불량의 구별을 통해 데이터베이스 구축 및 불량원인을 파악하여 근본적인 불량 원인을 제거할 수 있도록 하는 점에서 기존과 차이가 있다.
상기 메모리 모듈(150)은 상기 조명 모듈(110)의 제어, 2D 검사모듈(130) 및 3D 검사모듈(140)의 제어를 위한 알고리즘, 부적합(불량) 판단을 위한 기준과 유형, 및 AI 딥러닝 학습 결과 등을 저장한다.
이에 따라 상기 프로세서(120)는 상기 메모리 모듈(150)에 저장된 데이터(정보)를 바탕으로 2D 및 3D 하이브리드 비전 검사를 수행한다.
도 2는 본 발명의 일 실시 예에 따른 금속분리판의 외관 검사 방법을 설명하기 위한 흐름도이다.
도 2를 참조하면, 프로세서(120)는 지그에 고정되어 검사 대상 시료(예 : 금속분리판)가 이동할 때(S101), 조명 모듈(110)의 제어를 통해 지정된 방향으로 조명을 조사한다(S102). 상기 조명의 조사 방향에 따라 부적합(불량) 영역을 검출이 용이하도록 지원할 수 있다.
상기 프로세서(120)는 상기 조명 모듈(110)을 제어하면서 동시에 2D 검사 및 3D 검사를 순차로(또는 동시에) 수행한다(S103, S104).
상기 프로세서(120)는 상기 2D 검사 및 3D 검사를 통해 금속분리판의 검사 정보(결과)를 입력받고(S111), 품질 기준 대비 부적합 높이/형상 등의 기준이 초과되는 불량 항목에 대하여 NG 판정 처리를 수행한다(S112).
상기 금속분리판의 검사 정보(결과)를 바탕으로 불량 분류(판단)되지 않은(O.K 판단) 금속분리판은 납품이 이루어지며, 상기 금속분리판의 검사 정보(결과)를 바탕으로 불량 분류(판단)된(N.G 판단) 금속분리판은 수작업 재검사를 통해(S113)를 여전히 불량 분류(판단)되면(N.G 판단) 폐기 처리된다.
그러나 상기 금속분리판의 수작업 재검사를 통해(S113)를 통해 새로운 불량 유형으로 분류(판단)될 경우, 상기 프로세서(120)는 상기 새로운 불량 유형에 대한 AI 딥러닝 학습을 수행한다(S114).
한편, 상기 2D 검사를 통해 금속분리판의 이미지를 확보하면 색변환 처리(예 : GRAY 0 ~ 255)를 통해 불량 사이즈를 검사하고(S105), 상기 3D 검사를 통해 부적합 형상을 3D(3차원) 구현하여 부적합 높이/형상(모양) 등의 기준 초과되는 불량 항목을 검사하며(S106), 상기 불량 사이즈 및 부적합 높이/형상 등의 검사 결과를 룰기반 검출 방식으로 양품 대비 부적합 이미지 선별하고(S107), AI 딥러닝 학습을 통한 부적합(불량) 유형을 검출한다(S108).
상기와 같이 부적합(불량)의 유형이 검출되면 부적합(불량)이 발생한 영역을 추출하고(S109), 크리티컬 불량 유형 분류 및 선별을 수행하여 진성 불량을 검출한다(S110). 이를 통해 상기 프로세서(120)는 정확한 불량의 구별을 통해 데이터베이스 구축 및 불량원인을 파악하여 근본적인 불량 원인을 제거할 수 있도록 한다.
상기와 같이 부적합(불량)이 발생한 영역 및 크리티컬 불량 유형이 검출되어 데이터베이스로 구축된(즉, 메모리 모듈에 저장된) 정보는 다시 금속분리판 검사 정보로서 입력된다(S111).
도 3은 상기 도 1에 있어서, 비전 검사 방법에 따라 검출할 수 있는 금속분리판의 부적합 유형을 보인 예시도이다.
도 3을 참조하면, 2D 방식으로는 꺾임과 사출(고무)에 대한 부적합 유형의 검출이 불가하지만, 3D 방식으로는 꺾임과 사출(고무)에 대한 부적합 유형의 검출이 가능하므로, 2D 방식과 3D 방식을 복합적으로 적용할 경우 모든 부적합 유형의 검출이 가능하게 된다.
이에 더하여 본 실시 예에서는 표적 검사, 룰기반 검사, AI 딥러닝 학습에 의한 검사, 및 크리티컬 불량 선별 검사를 순차로 수행함으로써, 모든 부적합 유형에 대한 보다 정확한 검출이 가능하게 된다.
도 4는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 이물질, 오염, 찍힘)의 검출 방법을 보인 예시도로서, 2차원 음영 이미지만으로는 실제 불량 유형의 구분이 불가한 부적합 유형(예 : 이물질, 오염, 찍힘)을 3D 검사할 경우, 기준 형상 대비 수㎛의 높이 차이(예 : 이물질이나 오염에 의해 불룩하거나, 찍힘에 의해 파인 부분의 높이 차이)가 발생한 것을 검출할 수 있다.
도 5는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 꺾임, 고무 Burr)의 검출 방법을 보인 예시도로서, 2차원 음영 이미지만으로는 실제 불량 유형의 구분이 불가한 부적합 유형(예 : 꺾임, 고무 Burr)을 3D 검사할 경우, 기준 형상 대비 평탄도가 떨어지고 굴곡이 발생한 것을 검출할 수 있다.
도 6는 상기 도 1에 있어서, 2D와 3D 하이브리드 검사에 의한 금속분리판의 부적합 유형(예 : 찍힘)의 검출 및 판정 방법을 보인 예시도로서, 2차원 음영 이미지로 찍힘 유형의 사이즈로 검출하였지만, 찍힘 깊이 품질 기준대비 실제 불량 깊이를 3D 검사할 경우, 기준 대비 깊이 수치를 측정하여 실제 길이 불량을 검출할 수 있다.
상기와 같이 본 실시 예는 비전 자동화 검사를 통해 금속분리판의 외관 검사를 수행함으로써 균일한 품질 관리와 휴먼 에러에 의한 검사 오류를 방지할 수 있도록 하는 효과가 있다.
이상으로 본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다. 또한 본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
110 : 조명 모듈 120 : 프로세서
130 : 2D 검사모듈 140 : 3D 검사모듈
150 : 메모리 모듈
130 : 2D 검사모듈 140 : 3D 검사모듈
150 : 메모리 모듈
Claims (8)
- 지그에 안착되어 이동하는 금속분리판에 조명을 조사하는 조명 모듈;
2D 카메라 및 라인 스캐너를 이용해 상기 금속분리판의 촬영 영상을 획득하는 2D 검사모듈;
3D 측정 센서를 이용해 상기 금속분리판의 형상이나 모양의 영상을 획득하는 3D 검사모듈; 및
상기 2D 검사모듈 및 상기 3D 검사모듈을 통해 획득한 영상의 색변환 처리 및 3차원 형상 데이터 가공을 통해 상기 금속분리판을 3차원 형상화하여, 상기 금속분리판의 부적합 유무와 부적합 유형을 검출하는 프로세서;를 포함하는 것을 특징으로 하는 금속분리판의 외관 검사 장치.
- 제 1항에 있어서, 상기 프로세서는,
금속분리판의 검출 부적합 유형에 따라 조명 조사 조건을 변경 제어하는 것을 특징으로 하는 금속분리판의 외관 검사 장치.
- 제 1항에 있어서, 상기 2D 검사 모듈은,
금속분리판을 왜곡 없이 정확하게 촬영하기 위해 수직으로 촬영하여 영상을 획득하는 것을 특징으로 하는 금속분리판의 외관 검사 장치.
- 제 1항에 있어서, 상기 프로세서는,
AI 학습 유형 검출을 수행하며, 금속분리판의 부적합 샘플 이미지의 획득 및 AI 딥러닝 학습을 통해 부적합 유사 유형을 선별 및 검출하고, 만약 학습되지 않은 새로운 부적합 유형이 검출될 경우, 추가적인 AI 딥러닝 학습을 수행하여 추후 동일한 부적합 검사 시 검출이 가능하게 하며,
상기 금속분리판 표면의 이물질 및 오염을 포함한 부적합 유사 유형의 비교 분석 및 부적합을 판단하며,
크리티컬 부적합 선별을 수행하고, 상기 선별된 부적합 결과 이미지 중 크리티컬 부적합 우선순위를 선별하는 것을 특징으로 하는 금속분리판의 외관 검사 장치.
- 지그에 고정되어 금속분리판이 이동할 때, 프로세서가 조명 모듈의 제어를 통해 지정된 방향으로 조명을 조사하는 단계;
상기 프로세서가 상기 조명 모듈을 제어하면서 2D 검사 및 3D 검사를 순차로 또는 동시에 수행하는 단계;
상기 프로세서가 상기 2D 검사 및 3D 검사를 통해 금속분리판의 검사 정보를 입력받고, 품질 기준 대비 부적합 높이와 형상의 기준이 초과되는 부적합 항목에 대하여 NG 판정 처리를 수행하는 단계; 및
상기 금속분리판의 검사 정보를 바탕으로 부적합 분류된 금속분리판의 재검사를 통해 여전히 부적합 분류되면 폐기 처리되고, 새로운 부적합 유형으로 분류될 경우, 상기 프로세서가 상기 새로운 부적합 유형에 대한 AI 딥러닝 학습을 수행하는 단계;를 포함하는 것을 특징으로 하는 금속분리판의 외관 검사 방법.
- 제 5항에 있어서,
상기 2D 검사 및 3D 검사를 순차로 또는 동시에 수행하는 단계 이후,
상기 프로세서가,
상기 2D 검사를 통해 금속분리판의 이미지를 확보하면 색변환 처리를 통해 부적합 사이즈를 검사하고,
상기 3D 검사를 통해 부적합 형상을 3D 구현하여 부적합 높이와 형상의 기준 초과되는 부적합 항목을 검사하며
상기 부적합 사이즈 및 부적합 높이와 형상의 검사 결과를 룰기반 검출 방식으로 양품 대비 부적합 이미지 선별하고,
상기 AI 딥러닝 학습을 통한 부적합 유형을 검출하며,
상기 부적합 유형이 검출되면 부적합이 발생한 영역을 추출하고, 또한 크리티컬 부적합 유형 분류 및 선별을 수행하여 진성 부적합을 검출하는 단계;를 더 포함하는 것을 특징으로 하는 금속분리판의 외관 검사 방법.
- 제 5항에 있어서, 상기 조명을 조사하는 단계에서,
상기 프로세서는,
금속분리판의 검출 부적합 유형에 따라, 조명모듈의 조명 조사 조건을 변경 제어하는 것을 특징으로 하는 금속분리판의 외관 검사 방법.
- 제 5항에 있어서, 상기 2D 검사 및 3D 검사를 순차로 또는 동시에 수행하는 단계에서,
상기 프로세서는,
금속분리판을 왜곡 없이 정확하게 촬영하기 위하여, 2D 검사 모듈을 수직으로 촬영하여 영상을 획득하는 것을 특징으로 하는 금속분리판의 외관 검사 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220039744A KR20230142009A (ko) | 2022-03-30 | 2022-03-30 | 금속분리판의 외관 검사 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220039744A KR20230142009A (ko) | 2022-03-30 | 2022-03-30 | 금속분리판의 외관 검사 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230142009A true KR20230142009A (ko) | 2023-10-11 |
Family
ID=88295516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220039744A KR20230142009A (ko) | 2022-03-30 | 2022-03-30 | 금속분리판의 외관 검사 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230142009A (ko) |
-
2022
- 2022-03-30 KR KR1020220039744A patent/KR20230142009A/ko unknown
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7179553B2 (en) | Method for detecting electrical defects in membrane electrode assemblies | |
| TWI633701B (zh) | 用於燃料電池組件之缺陷檢測方法及設備 | |
| US9784625B2 (en) | Flaw detection method and apparatus for fuel cell components | |
| JP2008026113A (ja) | 太陽電池の欠陥検査装置及びその方法 | |
| JP7438382B2 (ja) | 電気化学電池、特に燃料電池のバイポーラプレートを検査するための方法および検査装置 | |
| US9618458B2 (en) | Optical measurement method and apparatus for fuel cell components | |
| KR102303643B1 (ko) | 배터리의 리드 필름 틈새 검사장치 및 방법 | |
| JP2010164487A (ja) | 欠陥検査装置及び欠陥検査方法 | |
| Arcot et al. | Investigation of catalyst layer defects in catalyst‐coated membrane for PEMFC application: non‐destructive method | |
| JP2004325346A (ja) | ピンホール検出方法及びメンブレインエレクトロードアッセンブリの生産方法 | |
| KR101251229B1 (ko) | 막 전극 접합체 및 가스확산층의 위치 정렬 오차 검출 장치 및 방법 | |
| Yan et al. | Towards deep computer vision for in-line defect detection in polymer electrolyte membrane fuel cell materials | |
| KR101875708B1 (ko) | 영상 촬영 및 이미지 처리를 이용한 고분자 전해질 연료전지의 3-레이어 mea 손상 분석 방법 및 그 장치 | |
| KR20230142009A (ko) | 금속분리판의 외관 검사 장치 및 방법 | |
| US11460417B2 (en) | Inspecting method and inspection apparatus for membraneelectrode assembly | |
| US7475600B2 (en) | Method of and apparatus for evaluating elastic member quality | |
| CN116203036A (zh) | 引线框架的瑕疵检测方法及基于标准引线框架的检测模板 | |
| US11781998B2 (en) | Inspection method and inspection device for membrane electrode assembly | |
| CN113218344B (zh) | 膜电极构造体的检查方法 | |
| JP6375841B2 (ja) | ガスセンサの製造方法および組付装置 | |
| EP4306942A1 (en) | Nondestructive wire bonding inspection method | |
| Blackburn et al. | High Throughput In-Line Coating Metrology Development for Solid Oxide Fuel Cell Manufacturing | |
| Gani | Improving on quality control methods used in commercial MEA manufacturing | |
| JP2021189142A (ja) | 燃料電池セパレータの検査装置 | |
| KR20240025189A (ko) | 연료전지 분리판 외관 검사 시스템 |