WO2023022537A1 - Ai 기반 차량 디스크 불량 검출 시스템 - Google Patents

Ai 기반 차량 디스크 불량 검출 시스템 Download PDF

Info

Publication number
WO2023022537A1
WO2023022537A1 PCT/KR2022/012358 KR2022012358W WO2023022537A1 WO 2023022537 A1 WO2023022537 A1 WO 2023022537A1 KR 2022012358 W KR2022012358 W KR 2022012358W WO 2023022537 A1 WO2023022537 A1 WO 2023022537A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
vision inspection
disk
conveyor
light emitting
Prior art date
Application number
PCT/KR2022/012358
Other languages
English (en)
French (fr)
Inventor
태석호
김상훈
Original Assignee
티엔에스에이아이 주식회사
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
Priority claimed from KR1020210110173A external-priority patent/KR102491420B1/ko
Priority claimed from KR1020220014320A external-priority patent/KR102503877B1/ko
Application filed by 티엔에스에이아이 주식회사 filed Critical 티엔에스에이아이 주식회사
Publication of WO2023022537A1 publication Critical patent/WO2023022537A1/ko

Links

Images

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
    • 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
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Definitions

  • the present invention relates to an AI-based vehicle disk defect detection system, and more particularly, to detect defects in a vehicle disk by photographing a vehicle disk to detect defects in a vehicle disk and then analyzing the captured image based on AI to detect defects in the vehicle disk It relates to an AI-based vehicle disk defect detection system.
  • Deep learning improves the performance of previously known artificial neural networks (ie, vanishing problem, overfitting, etc.) by developing an activation function (ReLU) and improving algorithms such as drop-out.
  • ReLU activation function
  • GPU Graphic Processing Units
  • This deep learning technology is rapidly developed by many foreign companies (Google, Facebook, Apple, Microsoft, Facebook, Baidu) and is applied to fields such as face recognition, voice recognition, natural language processing, search service, and medical care. It is urgent to secure the latest technology of deep learning, which is developing so rapidly, and furthermore, preoccupy the application field and commercialize it quickly.
  • an algorithm developer extracts features that are likely to be classified well in an image with an image processing algorithm, and then learns these features with a classifier (SVM, Decision Tree).
  • An optical device is constructed using lighting and a camera, and the S/N ratio of the defect is increased by imaging the change in the amount of light entering the camera as the path of light changes in the defect.
  • a defect detection algorithm detects defect candidates in these images, and defects are detected and classified using feature extraction algorithms and classification algorithms for the defect candidate images.
  • Korean Patent Registration No. 10-2325347 B1 (2021.11.05) discloses a machine learning-based defect classification device and method, but is limited to the technology for generating a defect activation map (DAM).
  • DAM defect activation map
  • the present invention is to solve the above problems, and AI technology can be applied to more accurately detect defects in vehicle disks, and AI-based vehicle disks can maximize economic feasibility by shortening the process and production time of vehicle disks. It is to provide a defect detection system.
  • An AI-based vehicle disc defect detection system includes a light emitting unit projecting light at a predetermined angle to a disc moving on a conveyor; a photographing unit generating an image by photographing the disk moving on the conveyor; and a determination unit that determines whether or not the disc is defective through the image analysis using an AI-based algorithm.
  • AI-based vehicle disk defect detection system it is possible to more accurately detect vehicle disk defects by applying AI technology, and to maximize economic feasibility by shortening the process and production time of vehicle disks. Let's provide that.
  • FIG. 1 is a schematic plan view of an AI-based vehicle disk defect detection system according to an embodiment of the present invention.
  • FIG. 2 is a schematic partial side cross-sectional view illustrating a photographing unit of an AI-based vehicle disk defect detection system according to an embodiment of the present invention.
  • FIG. 3 is a schematic perspective view of a vehicle disk, which is a target for determining whether a defect occurs in the AI-based vehicle disk defect detection system according to an embodiment of the present invention
  • FIG. 4 is a conceptual diagram illustrating an environment in which a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention is performed.
  • FIG. 5 is a hardware block diagram of a vision inspection device performing a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • FIG. 7 is a flowchart illustrating a method for identifying a type of object in a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • FIG. 8 is a flowchart illustrating a method for acquiring motion information in a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • An AI-based vehicle disc defect detection system includes a light emitting unit projecting light at a predetermined angle to a disc moving on a conveyor; a photographing unit generating an image by photographing the disk moving on the conveyor; and a determination unit that determines whether or not the disc is defective through the image analysis using an AI-based algorithm.
  • a storage unit for storing the disc determined to be non-defective by the determination unit; an ejection unit discharging the disc determined to be defective by the determination unit; and a distinguishing unit for moving the disk on the conveyor determined to be defective by the determination unit to the storage unit and moving the disk on the conveyor determined to be defective by the determination unit to the discharge unit.
  • the determination unit extracts the identification code of the disc determined to be defective
  • the discrimination unit recognizes the identification code of the disc, compares the identification code extracted by the determination unit, and moves the disc to the storage unit or the ejection unit.
  • the distinguishing unit includes a tray unit disposed on a path between the conveyor and the storage unit, a gripping unit that moves on the tray unit and grips a disc, and a recognition unit that recognizes an identification code of a disc gripped by the gripping unit.
  • the light emitting unit includes a first light emitting unit disposed on the path of the conveyor and a second light emitting unit disposed downstream of the first light emitting unit on the path of the conveyor, and the photographing unit is the first light emitting unit to project.
  • a first photographing unit for photographing a disk reflecting light and a second photographing unit for photographing a disk reflecting light projected by the second light emitting unit may be provided.
  • an angle at which the first light emitting unit projects light onto a disk moving on the conveyor may be different from an angle at which the second light emitting unit projects light onto a disk moving on the conveyor.
  • FIG. 1 is a schematic plan view of an AI-based vehicle disk defect detection system according to an embodiment of the present invention.
  • FIG. 2 is a schematic partial side cross-sectional view for explaining a photographing unit of an AI-based vehicle disk defect detection system according to an embodiment of the present invention.
  • FIG. 3 is a schematic perspective view of a vehicle disk, which is a target for determining whether or not a defect occurs in the AI-based vehicle disk defect detection system according to an embodiment of the present invention.
  • FIG. 4 is a conceptual diagram illustrating an environment in which a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention is performed.
  • FIG. 5 is a hardware block diagram of a vision inspection device performing a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • FIG. 7 is a flowchart illustrating a method for identifying a type of object in a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • FIG. 8 is a flowchart illustrating a method of acquiring motion information in a vision examination method for vision examination using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • a "unit” includes a unit realized by hardware, a unit realized by software, and a unit realized using both. Further, one unit may be realized using two or more hardware, and two or more units may be realized by one hardware.
  • some of the operations or functions described as being performed by a terminal or device may be performed instead by a server connected to the terminal or device.
  • some of the operations or functions described as being performed by the server may also be performed in a terminal or device connected to the corresponding server.
  • the AI-based vehicle disk defect detection system 10 refers to a system that detects whether defects such as scratches and cracks occur in the target object by using the vehicle disk D used in the vehicle brake device as a target object.
  • the target object is not limited to the vehicle disk D, and it is obvious that any object capable of determining/detecting defects based on artificial intelligence using a photographed image may correspond to this target object.
  • the target object is the vehicle disk D for convenience of description.
  • a first loading unit A1 in which a vehicle disk D requiring processing is loaded may be disposed in a predetermined space of a work place.
  • a second loading unit A2 on which vehicle disks D determined to be non-defective after processing are loaded and a third loading unit A3 on which vehicle disks D determined to be defective after processing are loaded are disposed. It can be.
  • the AI-based vehicle disk defect detection system 10 may include a conveyor C for moving the vehicle disk D in a predetermined process.
  • the AI-based vehicle disk defect detection system 10 may further include a robot arm 100 that moves the vehicle disk D loaded on the first loading unit A1 to the conveyor C.
  • the AI-based vehicle disk defect detection system 10 may further include a processing device 200 for implementing predetermined processing on the vehicle disk D.
  • the processing device 200 may refer to a device that implements a predetermined processing of the vehicle disk D, such as heating the vehicle disk D to a predetermined temperature or engraving predetermined information.
  • the AI-based vehicle disk defect detection system 10 may further include a detection device 300 that detects whether or not a defect occurs in the vehicle disk D processed by the processing device 200 .
  • the AI-based vehicle disk defect detection system 10 may further include a storage unit 500 for storing the vehicle disk D determined to be non-defective by the detection device 300 .
  • the AI-based vehicle disk defect detection system 10 may further include a discharge unit 600 for discharging the vehicle disk D determined to be defective by the detection device 300 .
  • the AI-based vehicle disk defect detection system 10 moves the disk D on the conveyor C, which is determined not to be defective by the detection device 300, to the storage unit 500, and the detection
  • the apparatus 300 may further include a discriminating unit 400 for moving the disk D on the conveyor C, which is determined to be defective, to the discharging unit 600 .
  • vehicle disks D before processing may be sequentially loaded on the first loading part A1 and moved to the conveyor C by the robot arm 100. It can be.
  • the vehicle disk D moving on the conveyor C may reach the processing device 200, and predetermined processing may be performed by the processing device 200.
  • the processed vehicle disk D may be moved through the conveyor C and moved to the detecting device 300, and whether or not a defect occurs is determined by the detecting device 300.
  • the processed vehicle disk D may be moved through the conveyor C and moved to the distinguishing unit 400 .
  • the vehicle disk D determined to be defective by the detection device 300 is moved to the discharge unit 600 by the discrimination unit 400, and the vehicle disk D determined to be non-defective is the vehicle disk D determined to be defective. It can be moved to the storage unit 500 by the distinguishing unit 400 .
  • the vehicle disk D stored in the storage unit 500 may be moved to the second loading unit A2 by a device such as a robot (not shown), and stored in the discharge unit 600.
  • the vehicle disk D may be moved to the third loading part A3.
  • the vehicle disk D moved to the detection device 300 may be marked with a predetermined identification code I.
  • the identification code (I) may be unique identification information differently assigned to each of the plurality of vehicle disks (D).
  • an unintended defect may occur in the vehicle disk D due to a processing process or the like.
  • defects K such as scratches or cracks may occur on the vehicle disk D.
  • the AI-based vehicle disk defect detection system 10 is intended to more accurately detect defects in the vehicle disk D, and the defect detection technology will be described in more detail below with reference to FIG. 2 .
  • the detection device 300 of the AI-based vehicle disk defect detection system 10 projects light at a predetermined angle to the disk D moving on the conveyor C.
  • the disk (D) is defective through the image analysis using the light emitting unit 310, the photographing unit 320 that generates an image by photographing the disk D moving on the conveyor C, and the AI-based algorithm. It may include a determination unit (not shown) that determines whether or not it has occurred.
  • the light emitting unit 310 projects a predetermined light toward the vehicle disk D, and may be an LED or the like.
  • the photographing unit 320 is a component that captures the vehicle disk D receiving light from the light emitting unit 310 and generates the image of the vehicle disk D, and may be a camera.
  • the determination unit may be configured to analyze the image generated by the photographing unit 320 with an AI-based algorithm to determine whether or not a defect occurs in the disk D.
  • the AI-based algorithm may be generated by learning images of non-defective disk D samples and defective disk D samples.
  • the determination unit may input the image as an input value to the phase AI-based algorithm to obtain a result value indicating whether a defect has occurred.
  • the detection device 300 prevents unintended light from being projected onto the vehicle disk D moving on the conveyor C, and the first arrangement space S1 and the first arrangement space It may further include a cover part 330 forming a second arrangement space (S2) partitioned from (S1).
  • the cover part 330 forms a partition wall partitioning the first arrangement space S1 and the second arrangement space S2, and the vehicle disk D moving on the conveyor C is A predetermined through-hole may be formed in the barrier rib to move from the first placement space S1 to the second placement space S2.
  • the light emitting part 310 is disposed downstream of the first light emitting part 311 disposed on the path of the conveyor (C) and the first light emitting part 311 on the path of the conveyor (C).
  • a second light emitting unit 313 may be disposed.
  • the first light emitting part 311 may be disposed on the first arrangement space S1 and may be fixed in position to the cover part 330 .
  • the first light emitting unit 311 may project light at a predetermined angle to the vehicle disk D moved by the conveyor C on the first arrangement space S1.
  • a plurality of first light emitting units 311 may be disposed on the first arrangement space S1.
  • the second light emitting part 313 may be disposed on the second arrangement space S2 and may be fixed to the cover part 330 .
  • the second light emitting unit 313 may project light at a predetermined angle to the vehicle disk D being moved by the conveyor C on the second arrangement space S2.
  • a plurality of second light emitting units 313 may be disposed on the second arrangement space S2.
  • the angle at which the first light emitting part 311 projects light onto the disk D moving on the conveyor C and the angle at which the second light emitting part 313 moves on the conveyor C Angles at which light is projected onto the disk D may be different from each other.
  • the angle at which the first light emitting part 311 projects light onto the disk D and the angle at which the second light emitting part 313 projects light onto the disk D may be different from each other.
  • the images generated by the first and second capturing units 321 and 323 to be described below may vary.
  • the photographing unit 320 captures the disk D reflecting the light projected by the first light emitting unit 311 and the second light emitting unit 313 projects the light.
  • a second photographing unit 323 for photographing the disk D reflecting light may be provided.
  • the first photographing unit 321 may be disposed on the first arrangement space S1 and may be fixed in position to the cover unit 330 .
  • the first photographing unit 321 may create the image by photographing the vehicle disk D moved by the conveyor C on the first arrangement space S1.
  • a plurality of first photographing units 321 may be disposed on the first arrangement space S1.
  • the second photographing unit 323 may be disposed on the second arrangement space S2 and may be fixed to the cover unit 330 .
  • the second photographing unit 323 may generate the image by photographing the vehicle disk D moved by the conveyor C on the second arrangement space S2.
  • a plurality of second photographing units 323 may be disposed in the second arrangement space S2 at different angles.
  • the determination unit may acquire the image from the photographing unit 320 and generate a result value as to whether the corresponding disk D is defective through an AI-based algorithm.
  • the determination unit may extract the identification code (I) displayed on the disk (D) in the case of a disk (D) determined to be defective through the image analysis.
  • the determination unit can use the identification code (I) to distinguish between a disk D determined to be defective and a disk D determined to be non-defective.
  • the distinguishing unit 400 may be configured to move the disk D on the conveyor C passing through the detection device 300 to the storage unit 500 and the discharge unit 600. .
  • the discrimination unit 400 recognizes the identification code (I) of the disk (D), and the identification code (I) extracted by the determination unit (identification code (I) of the disk (D) determined to be defective) In comparison, the disk D can be moved to the storage unit 500 or the discharge unit 600.
  • the discrimination unit 400 can recognize the identification code (I) displayed on the disk D that has passed through the detection device 300, and the determination unit determines that the determination unit is defective. Only the identification code (I) extracted as the determined disk (D) can be received and compared with each other.
  • the discrimination unit 400 determines the specific disc (D) may be moved to the discharge unit 600.
  • the discrimination unit 400 may move a specific disk D to the storage unit 500.
  • the discriminating unit 400 can separate and move the disk D determined by the determination unit to be defective and the disk D determined to be non-defective by the determination unit.
  • the distinguishing unit 400 is positioned on the tray unit 410 disposed on the path between the conveyor C and the storage unit 500, the tray unit 410, and the disk (D ) and a recognition unit (not shown) for recognizing the identification code (I) of the disk D held by the gripping unit 420.
  • the tray unit 410 is a configuration that implements the function of a support, and may be disposed to extend above the conveyor C and the storage unit 500 .
  • the supports may be disposed as a pair facing each other.
  • the gripping unit 420 may grip the disc D located on the conveyor C by hydraulic pressure, pneumatic pressure, or other known methods, and in a state of gripping the disc D.
  • a location may be moved on the tray unit 410 .
  • the gripper 420 may be positioned on the tray in the form of a rail or may be moved by a mechanism such as a gear.
  • the gripping unit 420 may not hold the gripped disk D any more.
  • the holding unit 420 may grip the disk D on the conveyor C and place it on the discharge unit 600 or the storage unit 500 .
  • the recognizing unit may photograph the disk D held by the gripping unit 420 and extract the identification code (I) from the photographed image.
  • the recognizing unit may be a camera.
  • the recognizing unit may be disposed on the gripping unit 420 and moved on the tray unit 410 by the gripping unit 420 .
  • the recognition unit recognizes the identification code (I) of the disk (D), compares the identification code (I) extracted by the determination unit (the identification code (I) of the disk (D) determined to be defective), A control command may be given to the gripping unit 420 to move the storage unit 500 or the discharging unit 600 .
  • the discrimination unit 400 moves the disk D determined to be defective from the conveyor C to the discharge unit 600, and the disk D determined to be non-defective is moved to the conveyor C. It can be moved to the storage unit 500 from.
  • the storage unit 500 may be rotated based on a predetermined central axis.
  • the storage unit 500 is rotated about a predetermined central axis to store the disc D from the discriminating unit 400, and the discriminating unit 400 denotes an area where the disc D is not placed. , and the discriminating unit 400 may place the disc D on the storage unit 500 where the disc D is not placed.
  • the storage unit 500 may determine whether or not to rotate by obtaining a command on whether or not to rotate from the distinguishing unit 400 .
  • the discriminating unit 400 determines that the storage unit 500 may not be given a rotation command.
  • the discriminator 400 gives a rotation command to the storage unit 500.
  • the storage unit 500 is rotated at a predetermined angle, a space for placing the gripped disk D on the distinguishing unit 400 can be secured.
  • the AI-based vehicle disc defect detection system 10 can accurately determine whether a disc defect has occurred without slowing down the process, and discriminate between a defective disc and a non-defective disc. It can be separated very easily.
  • FIGS. 4 to 8 a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention will be described in detail with reference to FIGS. 4 to 8 .
  • An object subject to vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention described below is a manufactured product subject to vision inspection or detailed products constituting the product.
  • the object described in the present invention may mean a product or a detailed product constituting the product in a brake for a vehicle.
  • the object subject to vision inspection using the artificial intelligence learning-based dynamic plate according to the second embodiment of the present invention means a product such as a disk applied to a brake for a vehicle. can do.
  • FIG. 4 is a conceptual diagram illustrating an environment in which a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention is performed.
  • a vision inspection method for vision inspection using an artificial intelligence-based dynamic plate may be performed based on a vision inspection device 1000 and a vision inspection server 2000.
  • the vision inspection device 1000 and the vision inspection server 2000 may be interlocked in advance to transmit or receive information by performing communication.
  • the vision inspection device 1000 may refer to a device that performs a vision inspection method for determining whether a product is defective by checking the normal manufacturing state of an object such as a manufactured product or a detailed product constituting the product,
  • a plurality of means for example, it may mean a component that handles a functional part may be included.
  • the vision inspection server 2000 may include a database in which necessary information is stored in the process of performing a vision inspection method on an object in the vision inspection device 1000, and the vision inspection device 1000 may include a database.
  • necessary information may be transmitted to the vision examination device 1000 in response to a request of the vision examination device 1000 .
  • FIG. 5 is a hardware block diagram of a vision inspection device performing a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • a vision inspection device 3000 performing a vision inspection method using an artificial intelligence-based dynamic plate may refer to the vision inspection device 1000 described with reference to FIG. 4, and the vision inspection device ( 1000) may not necessarily be limited to the vision inspection device. That is, although the vision inspection device is described as an example in FIG. 5 , the hardware structure shown in FIG. 5 may be similarly or equally applied to the vision inspection server 2000 described with reference to FIG. 4 .
  • a vision inspection apparatus 3000 performing a vision inspection method for vision inspection using an artificial intelligence learning-based dynamic plate according to a second embodiment of the present invention includes at least one processor (processor, 3100) and at least one processor It may include a memory (memory, 3200) for storing instructions (instructions) instructing to perform at least one step.
  • the at least one processor 3100 may be a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor for performing the methods according to the second embodiments of the present invention.
  • CPU central processing unit
  • GPU graphics processing unit
  • Each of the memory 3200 and the storage device 3600 may include at least one of a volatile storage medium and a non-volatile storage medium.
  • the memory 3200 may include at least one of a read only memory (ROM) and a random access memory (RAM).
  • the vision inspection apparatus 3000 may include a transceiver 3300 that performs communication through a wireless network.
  • the vision inspection device 3000 may further include an input interface device 3400, an output interface device 3500, and a storage device 3600. Each component included in the vision inspection apparatus 3000 may be connected by a bus 3700 to communicate with each other.
  • At least one step may refer to a step related to a vision inspection method for vision inspection using an artificial intelligence learning-based dynamic plate according to the second embodiment of the present invention, and more specifically, a vision inspection device (3000 ) may include steps related to the operation method performed in.
  • FIG. 6 is a flowchart illustrating a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • a vision inspection method for vision inspection using an artificial intelligence learning-based dynamic plate includes the vision inspection device 1000 and the vision inspection server ( 2000) and the vision inspection device 3000 described with reference to FIG. 5 .
  • the vision inspection device may identify the type of object by detecting an object positioned on the dynamic plate in order to perform a vision inspection through the vision inspection device (S310).
  • FIG. 7 is a flowchart illustrating a method for identifying a type of object in a vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • a vision inspection device performing a vision inspection method for vision inspection using an artificial intelligence learning-based dynamic plate is an internal space of an object accommodating means included in the vision inspection device. It is possible to detect an object located on the dynamic plate pre-installed on (S311).
  • the vision inspection apparatus may include object accommodating means in which an object to be inspected may be located, and a dynamic plate, which is an area in which an object may be positioned for vision inspection, may be provided in an inner space of the object accommodating means. It may be pre-installed. In this case, an object to be tested on the dynamic plate may be detected by a user of the vision inspection device or a separate device.
  • the vision inspection device may capture an area of a dynamic plate where an object may be located in real time through a photographing means (eg, a device such as a camera) included in the vision inspection device, and capture real-time image information. can create Thereafter, the vision inspection device may detect an object on the dynamic plate by analyzing the real-time image information based on an algorithm capable of identifying the presence or absence of a preset object in an image or video.
  • a photographing means eg, a device such as a camera
  • the dynamic plate of the vision inspection device may include a pressure sensing means (eg, a pressure sensor, etc.), and when a pressure of a preset value is sensed due to an object on the dynamic plate, the vision inspection device may include the dynamic plate. It may be detected by determining that an object is located on the image.
  • a pressure sensing means eg, a pressure sensor, etc.
  • the vision inspection device may identify the type of object by using an object identification algorithm preset in the vision inspection device to be performed for identification of the sensed object (S312).
  • the vision inspection device may analyze real-time image information of the corresponding object using a preset object identification algorithm, thereby identifying the type of object.
  • an object identification algorithm may refer to an algorithm capable of identifying an object by determining a type of a preset object within an image or video.
  • the vision inspection device requests and obtains motion information corresponding to the type of object identified with respect to the object to the vision inspection server interlocked with the vision inspection device (S320).
  • FIG. 8 is a flowchart illustrating a method of acquiring motion information in a vision examination method for vision examination using a dynamic plate based on artificial intelligence learning according to a second embodiment of the present invention.
  • a vision inspection apparatus performing a vision inspection method for vision inspection using an artificial intelligence learning-based dynamic plate corresponds to the type of an identified object.
  • Motion information of the plate may be requested from the vision inspection server (S321).
  • the vision inspection device may check the code of an object previously matched with respect to the identified object type.
  • the type of object may mean information such as the name of the object (eg, disk).
  • the code of the object may refer to information used to identify the type of the object by matching with the type of the object, and may be generated as a serial number of a preset number of digits.
  • the code of the object that is matched with the type of object in advance and stored can be used
  • the vision inspection device may request motion information of the dynamic plate pre-matched according to the type of the object to the vision inspection server using the code of the identified object.
  • the vision inspection server may mean the vision inspection server 2000 described with reference to FIG. 4, and as described with reference to FIG. 4, information is transmitted by performing communication in a pre-interlocked state with the vision inspection device. or receive.
  • the vision inspection server may check motion information of the dynamic plate previously matched according to the type of object from the vision inspection device.
  • the vision inspection server may have movement information for each object pre-stored in a database for a plurality of objects that may be subject to vision inspection in the manner shown in Table 1 below. It may mean a data set for a plurality of objects that may be applicable.
  • the object's code exercise information lighting information first kind CODE_000001 X0001_Y0001 LIGHT_000001 2nd kind CODE_000002 X0002_Y0002 LIGHT_000002 nth kind CODE_000003 X000N_Y000N LIGHT_00000N
  • the type of object means the type of object to be inspected
  • the first type (eg, vehicle disk) to the nth type (eg, vehicle side mirror) mean different types
  • Motion information refers to information on the motion of a dynamic plate moving so that an object to be tested moves, and each type of object has different motion information. As information about the light irradiating the object, it has different lighting information for each type of object.
  • the vision inspection server may be in a state in which a reference table for checking motion information previously matched with respect to the type of object is stored in the database in advance.
  • a reference table such as Table 1 may include object types, object codes, exercise information, and lighting information.
  • the motion information stored in Table 1 may indicate the motion trajectory of the dynamic plate, and a value indicating a distance moving in the vertical and horizontal directions (eg, centimeters (cm), millimeters (which can indicate distance) mm) and inches (inch) can be produced.
  • a distance moving in the vertical and horizontal directions eg, centimeters (cm), millimeters (which can indicate distance) mm
  • inches (inch) can be produced.
  • the lighting information is the intensity of light that can cause diffuse reflection (eg, lux that can indicate the intensity of light) (lux) and candela (cd), etc.), and when a controllable lighting means is included in the vision inspection device, it is transmitted together in the process of transmitting motion information from the vision inspection server to the vision inspection device. It can be.
  • lux intensity of light that can cause diffuse reflection
  • cd candela
  • the code of the object when the type of object is the first type, the code of the object may be generated as "CODE_000001", which is information about the movement trajectory of the dynamic plate for vision inspection of the object.
  • Exercise information may be generated as "X0001_Y0001”.
  • the lighting information on the corresponding object when it is determined that a lighting unit is included in the vision inspection device requesting motion information on the object of the first type, the lighting information on the corresponding object may be generated as “LIGHT_000001”.
  • the code of the object may be generated as "CODE_000002"
  • motion information which is information about the motion trajectory on which the dynamic plate is moved for the vision inspection of the object can be created as "X0002_Y0002”.
  • the lighting information on the corresponding object may be generated as “LIGHT_000002”.
  • the vision inspection server may be in a state in which codes, movement information, and lighting information of each object are stored in advance based on a plurality of types of objects. Accordingly, the vision inspection server may extract information according to the type of the object in response to a request of the vision inspection device, and may support vision inspection of the object by transmitting the extracted information to the vision inspection device.
  • the vision inspection device transfers pre-matched motion information for the first type of object to the vision inspection server. can be requested with
  • the vision inspection server may search for “X0001-Y0001”, which is pre-matched motion information for the first type of object, based on the request received from the vision inspection device, and retrieve the searched motion information, “X0001-Y0001”. It can be transmitted to a vision inspection device.
  • the vision inspection server may also receive information on whether or not the lighting means is included in the vision inspection device in the process of receiving the motion information request from the vision inspection device, and it is determined that the vision inspection device includes the lighting means. In this case, lighting information together with motion information may be transmitted to the vision inspection device.
  • the vision inspection device may acquire movement information of the dynamic plate previously matched according to the type of object in response to a request from the vision inspection server (S322).
  • the vision inspection device may check the code of the object matched in advance corresponding to the motion information received from the vision inspection server, and the code of the identified object and the code of the object used in the process of requesting the motion information. It is possible to determine whether a response corresponding to the request transmitted from the vision inspection device is received by comparing the .
  • the motion information received from the vision inspection server It may be checked whether the code of the pre-matched object is the same as “CODE_000001” which is the code of the object of the first type of object.
  • the vision inspection device responds to the request transmitted from the vision inspection device when the code of the pre-matched object corresponding to the motion information received from the vision inspection server is the same as "CODE_000001", which is the code of the object for the first type of object. It can be determined that the corresponding response is normally received.
  • the vision inspection device is a vision inspection device when the code of the pre-matched object corresponding to the motion information received from the vision inspection server is not the same as "CODE_000001", which is the code of the object for the first type of object. It may be determined that a response corresponding to the request transmitted by the device was not normally received. In this case, the vision inspection device may request motion information for the first type of object from the vision inspection device to the vision inspection server again.
  • the dynamic plate moves based on the acquired motion information.
  • real-time image information may be generated through photographing of an object (S330).
  • the vision inspection apparatus may control the dynamic plate to move based on a motion trajectory indicated by motion information through a photographing unit included in the vision inspection apparatus to generate real-time image information.
  • the dynamic plate of the vision inspection device may be accompanied by an object to be inspected.
  • the vision inspection device may capture an object located on the moving dynamic plate through a photographing means (for example, a device such as a camera) included in the vision inspection device, and through this, analysis for vision inspection of the object may be performed. It is possible to generate real-time image information to be used.
  • a photographing means for example, a device such as a camera
  • the real-time image information generated by the vision inspection device may mean an image or information related to an image formed at an angle at which an object is photographed by the photographing unit due to motion of the dynamic plate at an angle at which diffuse reflection occurs. That is, the real-time image information may be image information about an object photographed in a state in which diffuse reflection occurs when photographed by a photographing unit.
  • the vision inspection apparatus may move the dynamic plate so that an image corresponding to real-time image information acquired through the photographing means or information related to the image is captured in a state in which diffuse reflection by light is reflected.
  • the vision inspection apparatus may generate real-time image information through photography after all motions of the dynamic plate are completed (eg, when the motion is completed based on a motion trajectory corresponding to the motion information).
  • the vision inspection device may generate real-time image information through photographing in a situation where the motion of the dynamic plate is in progress.
  • the vision inspection device may determine whether the object is defective through analysis of real-time image information generated using an artificial intelligence learning-based algorithm (S340).
  • the vision inspection device may perform a vision inspection on an object based on an artificial intelligence learning algorithm pre-learned with learning information related to vision inspection included in real-time image information.
  • the learning information may refer to information related to an examination result of a vision examination performed on a plurality of objects for each type of object.
  • the vision inspection for each type of object may refer to a vision inspection performed under a plurality of different conditions.
  • the plurality of conditions applied to the vision inspection are the average intensity of light generated during the vision inspection of the object, the angle at which diffuse reflection occurs, the amount of diffuse reflection generated by the surface of the object, and each surface included in the object accommodating means. It may include the degree of transparency of.
  • the vision inspection device may perform a vision inspection on an object based on an artificial intelligence learning algorithm learned in advance based on the above learning information, and through this, it is possible to determine whether the object is defective.
  • the vision inspection apparatus may generate a plurality of image frames based on the image-related information in a preset unit of time. Thereafter, the vision inspection device may perform a vision inspection on an object based on a pre-learned artificial intelligence learning algorithm for a plurality of image frames generated by analyzing real-time image information.
  • the vision inspection device may capture a process in which a vision inspection is performed on an object through a photographing unit included in the vision inspection device, and through this, real-time image information on the vision inspection process may be generated. Thereafter, the vision inspection device may output through an output unit included in the vision inspection device so as to provide a vision inspection process and result to a user of the vision inspection device.
  • the vision inspection device may include an output means such as a monitor and a screen, and through such an output means, the process of vision inspection for an object photographed through a photographing means such as a camera may be checked.
  • the algorithm for identifying, detecting, and detecting objects used in the vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to the second embodiment of the present invention uses the YOLO (You Only Look Once) algorithm. can mean
  • the YOLO algorithm may refer to an algorithm for detecting an object based on a single-step method, and a frame of an image or a plurality of frames constituting the video is an area of the same size (eg, a grid) can be divided into
  • the number of bounding boxes designated in a predefined shape centered on the center of each region can be predicted, and reliability can be calculated based on the predicted number.
  • the vision inspection device performing the YOLO algorithm may select an area with relatively high reliability based on a preset criterion for whether an object is included in a frame of an image or a plurality of frames constituting a video, and in the selected area You can figure out the type of object for.
  • the vision inspection apparatus for performing the vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to the second embodiment of the present invention has been described as using the YOLO algorithm as an example, but is not necessarily limited thereto.
  • an algorithm that can be used to detect or identify an object other than the YOLO algorithm is CNN based object detection algorithms and SAS deep learning-based object detection algorithms may be used.
  • the vision inspection apparatus performing the vision inspection method for vision inspection using a dynamic plate based on artificial intelligence learning according to the second embodiment of the present invention is a target of vision inspection.
  • Real-time image information can be obtained through shooting of an object, and when shooting an object, a dynamic plate can be moved according to the type of object to maximize diffuse reflection according to the type of object. The average intensity of light and the angle at which diffuse reflection occurs can be adjusted accordingly.
  • the vision inspection device analyzes the real-time image information of the object obtained in a state of diffuse reflection based on the AI learning algorithm learned in advance based on artificial intelligence to determine whether the object is defective or not. , and through this, an accurate vision inspection can be performed on behalf of the user's naked eyes.
  • the vision inspection apparatus performing the vision inspection method for vision inspection using the artificial intelligence learning-based dynamic plate according to the second embodiment of the present invention uses the dynamic plate to create a similar or identical situation to the user's naked eye. Based on this, it is possible to generate diffuse reflection using the angle at which the object is photographed, and for this, an artificial intelligence learning-based algorithm learned based on artificial intelligence so that the user can be similar or identical to the method of directly determining whether or not the object is defective. It can be used to determine whether an object is defective.
  • the methods according to the present invention may be implemented in the form of program instructions that can be executed by various computer means and recorded on a computer readable medium.
  • Computer readable media may include program instructions, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on a computer readable medium may be specially designed and configured for the present invention or may be known and usable to those skilled in computer software.
  • Examples of computer readable media may include hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions may include not only machine language codes generated by a compiler but also high-level language codes that can be executed by a computer using an interpreter and the like.
  • the hardware device described above may be configured to operate with at least one software module to perform the operations of the present invention, and vice versa.
  • the above-described method or device may be implemented by combining all or some of its components or functions, or may be implemented separately.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템은 컨베이어 상에서 이동되는 디스크에 소정의 각도로 빛을 투사하는 발광부; 상기 컨베이어 상에서 이동되는 디스크를 촬영하여 이미지를 생성하는 촬영부; 및 AI 기반의 알고리즘을 이용하여 상기 이미지 분석을 통해 디스크의 불량 발생 여부를 판단하는 판단부;를 포함할 수 있다.

Description

AI 기반 차량 디스크 불량 검출 시스템
본 발명은 AI 기반 차량 디스크 불량 검출 시스템에 관한 것으로서, 더욱 상세하게는 차량 디스크의 불량 여부를 검출하도록 차량 디스크를 촬영한 후, 촬영 이미지를 AI 기반으로 분석하여 차량 디스크의 불량 여부를 검출하도록 하는 AI 기반 차량 디스크 불량 검출 시스템에 관한 것이다.
최근 알파고와 이세돌 9단의 대결로 인공지능에 대한 관심이 크게 증가하였다. 특히 알파고의 핵심 기술로 알려진 딥러닝에 대한 학계와 산업계의 연구가 폭발적으로 증가하였다.
딥러닝은 기존에 알려진 인공 신경망(Artificial Neural Network)의 여러 문제점(즉, vanishing problem, overfitting 등)을 활성함수(ReLU)의 개발과 드롭아웃(Drop-out)과 같은 알고리즘 개선으로 그 성능을 향상시켰고, 또한 GPU(Graphic Processing Units)와 같은 하드웨어의 발전과 복잡한 구조를 학습시킬 수 있는 빅데이터의 힘 덕분에 최근 여러 분야에 뛰어난 성능을 발휘하고 있다.
이러한 딥러닝 기술은 해외 많은 기업(구글, 페이스북, 애플, 마이크로소프트, 알리바바, 바이두)에 의해 빠르게 발전되고 있으며 얼굴인식, 음성인식, 자연어처리, 검색 서비스, 의료 등의 분야에 적용되고 있다. 이렇게 빠르게 발전하는 딥러닝의 최신 기술을 확보하고 더 나아가 응용 분야를 선점하고 빠르게 상용화 하는 것이 시급하다.
종래의 결함 검사 장비에서 사용되는 결함 분류 방법은 알고리즘 개발자가 영상에서 분류가 잘 될 것 같은 특징을 영상처리 알고리즘으로 추출한 후 이러한 특징들을 분류기(SVM, Decision tree)로 학습한다.
조명과 카메라를 이용하여 광학 장치를 구성하고, 결함 부분에서 빛의 경로가 변함에 따라 카메라에 들어오는 빛의 양의 변화를 영상화하여 결함 부위의 신호대잡음비(S/N ratio)를 높인다. 이러한 영상에서 결함 검출 알고리즘이 결함 후보를 검출하고, 결함 후보 영상에 대해 특징 추출 알고리즘과 분류 알고리즘을 이용해 결함을 검출 및 분류하게 된다.
한편, 대한민국 등록특허 제10-2325347 B1 (2021.11.05)호에서는 머신러닝 기반 결함 분류 장치 및 방법을 개시하고 있으나, 결함 활성화 맵(DAM: Defect Activation Map)을 생성기술에만 국한되어 있을 뿐, 차량 디스크의 생산 공정에서 보다 정확하고 효율적으로 디스크의 불량을 검출하고, 검출한 불량 디스크를 분리하는 것이 필요하다.
본 발명은 상기와 같은 문제를 해결하기 위한 것으로서, AI 기술을 적용하여 보다 정확하게 차량 디스크의 불량을 검출할 수 있고, 차량 디스크의 공정 및 생산 시간을 단축시켜 경제성을 극대화할 수 있는 AI 기반 차량 디스크 불량 검출 시스템를 제공하자 함이다.
본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템은 컨베이어 상에서 이동되는 디스크에 소정의 각도로 빛을 투사하는 발광부; 상기 컨베이어 상에서 이동되는 디스크를 촬영하여 이미지를 생성하는 촬영부; 및 AI 기반의 알고리즘을 이용하여 상기 이미지 분석을 통해 디스크의 불량 발생 여부를 판단하는 판단부;를 포함할 수 있다.
본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템에 의하면, AI 기술을 적용하여 보다 정확하게 차량 디스크의 불량을 검출할 수 있고, 차량 디스크의 공정 및 생산 시간을 단축시켜 경제성을 극대화할 수 있는 제공하자 함이다.
본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템의 개략 평면도.
도 2는 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템의 촬영부를 설명하기 위한 개략 부분 측단면도.
도 3은 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템의 불량 발생 여부의 판단 대상인 차량 디스크의 개략 사시도.
도 4는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법이 수행되는 환경을 도시한 개념도.
도 5는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치에 대한 하드웨어 블록도.
도 6은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 도시한 흐름도.
도 7은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 객체의 종류를 식별하는 방법을 도시한 흐름도.
도 8는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 운동 정보를 획득하는 방법을 도시한 흐름도.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템은 컨베이어 상에서 이동되는 디스크에 소정의 각도로 빛을 투사하는 발광부; 상기 컨베이어 상에서 이동되는 디스크를 촬영하여 이미지를 생성하는 촬영부; 및 AI 기반의 알고리즘을 이용하여 상기 이미지 분석을 통해 디스크의 불량 발생 여부를 판단하는 판단부;를 포함할 수 있다.
또, 상기 판단부에 의해 불량이 아니라고 판단된 디스크를 보관하는 보관부; 상기 판단부에 의해 불량이라고 판단된 디스크를 배출하는 배출부; 및 상기 판단부에 의해 불량이 아니라고 판단된 상기 컨베이어 상의 디스크를 상기 보관부로 이동시키고, 상기 판단부에 의해 불량이라고 판단된 상기 컨베이어 상의 디스크를 상기 배출부로 이동시키는 구별부;를 더 포함할 수 있다.
또, 상기 판단부는 불량이라고 판단한 디스크의 식별코드를 추출하고, 상기 구별부는 디스크의 식별코드를 인식하고, 상기 판단부가 추출한 식별코드와 비교하여 디스크를 보관부 또는 배출부로 이동시킬 수 있다.
또, 상기 구별부는 상기 컨베이어와 상기 보관부 사이의 경로 상에 배치되는 트레이부, 상기 트레이부 상에서 위치 이동되며 디스크를 파지하는 파지부 및 상기 파지부에 파지된 디스크의 식별코드를 인식하는 인식부를 구비할 수 있다.
또, 상기 발광부는 상기 컨베이어의 경로 상에 배치되는 제1 발광부 및 상기 컨베이어의 경로 상에서 상기 제1 발광부보다 하류에 배치되는 제2 발광부를 구비하며, 상기 촬영부는 상기 제1 발광부가 투사하는 빛을 반사하는 디스크를 촬영하는 제1 촬영부 및 상기 제2 발광부가 투사하는 빛을 반사하는 디스크를 촬영하는 제2 촬영부를 구비할 수 있다.
또, 상기 제1 발광부가 상기 컨베이어 상에서 이동되는 디스크에 빛을 투사하는 각도와 상기 제2 발광부가 상기 컨베이어 상에서 이동되는 디스크에 빛을 투사하는 각도는 서로 다를 수 있다.
각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템의 개략 평면도이다.
도 2는 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템의 촬영부를 설명하기 위한 개략 부분 측단면도이다.
도 3은 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템의 불량 발생 여부의 판단 대상인 차량 디스크의 개략 사시도이다.
도 4는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법이 수행되는 환경을 도시한 개념도이다.
도 5는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치에 대한 하드웨어 블록도이다.
도 6은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 도시한 흐름도이다.
도 7은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 객체의 종류를 식별하는 방법을 도시한 흐름도이다.
도 8는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 운동 정보를 획득하는 방법을 도시한 흐름도이다.
첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위하여, 본 발명의 기술적 사상과 관련성이 떨어지거나 당업자로부터 용이하게 도출될 수 있는 부분은 간략화 하거나 생략하였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하에서는, 도 1 내지 도 3을 참조하여 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템(10)을 설명하겠다.
일례로, AI 기반 차량 디스크 불량 검출 시스템(10)은 차량 브레이크 장치에 사용되는 차량 디스크(D)를 대상 객체로 하여 해당 대상 객체에 스크래치, 균열 등 불량이 발생 했는지 여부를 검출하는 시스템을 의미할 수 있다.
다만, 대상 객체는 차량 디스크(D)에 한정되지 아니하며, 촬영 이미지를 이용하여 인공지능 기반으로 불량 여부를 판단/검출할 수 있는 대상이라면 본 대상 객체에 해당할 수 있음은 자명하다.
다만, 아래에서는 설명의 편의를 위해 대상 객체가 차량 디스크(D)임을 가정하고 설명하겠다.
한편, 도 1을 참조하여, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)을 구성하는 구성들을 개략적으로 설명하겠다.
우선, 작업장의 소정의 공간에 가공이 필요한 차량 디스크(D)가 적재되는 제1 적재부(A1)가 배치될 수 있다.
또한, 가공된 후 불량이 아니라고 판단된 차량 디스크(D)가 적재되는 제2 적재부(A2) 및 가공된 후 불량이라고 판단된 차량 디스크(D)가 적재되는 제3 적재부(A3)가 배치될 수 있다.
또한, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 차량 디스크(D)를 소정의 공정으로 이동시키는 컨베이어(C)를 포함할 수 있다.
또한, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 상기 제1 적재부(A1)에 적재된 차량 디스크(D)를 컨베이어(C)로 이동시키는 로봇암(100)을 더 포함할 수 있다.
또한, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 차량 디스크(D)에 대해 소정의 가공을 구현하는 가공 장치(200)를 더 포함할 수 있다.
일례로, 상기 가공 장치(200)는 차량 디스크(D)에 대해 소정의 온도로 가열 또는 소정의 정보를 각인 등 차량 디스크(D)에 대해 소정의 가공을 구현하는 장치를 의미할 수 있다.
한편, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 상기 가공 장치(200)에 의해 가공된 차량 디스크(D)의 불량 발생 여부를 검출하는 검출 장치(300)를 더 포함할 수 있다.
또한, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 상기 검출 장치(300)에 의해 불량이 아니라고 판단된 차량 디스크(D)를 보관하는 보관부(500)를 더 포함할 수 있다.
또한, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 상기 검출 장치(300)에 의해 불량이라고 판단된 차량 디스크(D)를 배출하는 배출부(600)를 더 포함할 수 있다.
또한, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 상기 검출 장치(300)에 의해 불량이 아니라고 판단된 상기 컨베이어(C) 상의 디스크(D)를 상기 보관부(500)로 이동시키고, 상기 검출 장치(300)에 의해 불량이라고 판단된 상기 컨베이어(C) 상의 디스크(D)를 상기 배출부(600)로 이동시키는 구별부(400)를 더 포함할 수 있다.
즉, 도 1을 참조하여 볼 때, 순차적으로, 가공 전의 차량 디스크(D)는 상기 제1 적재부(A1)에 적재될 수 있으며, 상기 로봇암(100)에 의해 상기 컨베이어(C)로 이동될 수 있다.
이 후, 상기 컨베이어(C) 상에서 이동되는 차량 디스크(D)는 상기 가공 장치(200)에 도달할 수 있으며, 상기 가공 장치(200)에 의해 소정의 가공이 이루어질 수 있다.
이 후, 가공된 차량 디스크(D)는 상기 컨베이어(C)를 통해 이동되어 상기 검출 장치(300)로 이동될 수 있으며, 상기 검출 장치(300)에 의해 불량 발생 여부를 판단 받게 된다.
이 후, 가공된 차량 디스크(D)는 상기 컨베이어(C)를 통해 이동되어 상기 구별부(400)로 이동될 수 있다.
여기서, 상기 검출 장치(300)에 의해 불량이라고 판단된 차량 디스크(D)는 상기 구별부(400)에 의해 상기 배출부(600)로 이동되며, 불량이 아니라고 판단된 차량 디스크(D)는 상기 구별부(400)에 의해 상기 보관부(500)로 이동될 수 있다.
이 후, 상기 보관부(500)에 보관된 차량 디스크(D)는 로봇(미도시) 등의 장치에 의해 상기 제2 적재부(A2)로 이동될 수 있고, 상기 배출부(600)에 보관된 차량 디스크(D)는 상기 제3 적재부(A3)로 이동될 수 있다.
이하에서는, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)의 불량 검출 기술에 대해 더욱 자세히 설명하겠다.
우선, 도 3을 참조하면, 상기 검출 장치(300)로 이동되는 차량 디스크(D)는 소정의 식별코드(I)가 표시되어 있을 수 있다.
일례로, 상기 식별코드(I)는 복수의 차량 디스크(D)에 대해 각각마다 다르게 부여된 고유한 식별정보일 수 있다.
한편, 차량 디스크(D)에는 가공 공정 등에 의해 의도하지 않은 불량이 발생될 수 있다.
예를 들어, 도 3에서 볼 수 있듯이 차량 디스크(D)에 스크래치가 나거나, 크랙 등의 불량(K)이 발생될 수 있다.
차량 디스크(D)에 불량이 발생되는 경우, 내구성 및 안정성에 큰 위협이 될 수 있다는 점에서, 불량 검출이 정확해야 하는 요구가 있다.
따라서, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)은 차량 디스크(D)의 불량 검출을 보다 정확하게 하기 위함이며, 아래에서 도 2를 참조하여 불량 검출 기술에 대해 더욱 자세히 설명하겠다.
일례로, 도 2에 도시한 바와 같이, 상기 AI 기반 차량 디스크 불량 검출 시스템(10)의 상기 검출 장치(300)는 상기 컨베이어(C) 상에서 이동되는 디스크(D)에 소정의 각도로 빛을 투사하는 발광부(310), 상기 컨베이어(C) 상에서 이동되는 디스크(D)를 촬영하여 이미지를 생성하는 촬영부(320) 및 AI 기반의 알고리즘을 이용하여 상기 이미지 분석을 통해 디스크(D)의 불량 발생 여부를 판단하는 판단부(미 도시)를 포함할 수 있다.
일례로, 상기 발광부(310)는 차량 디스크(D)를 향해 소정의 빛을 투사하는 구성으로서, LED 등일 수 있다.
일례로, 상기 촬영부(320)는 상기 발광부(310)에 의해 빛을 받는 차량 디스크(D)를 촬영하여 차량 디스크(D)에 대한 상기 이미지를 생성하는 구성으로서, 카메라일 수 있다.
일례로, 상기 판단부는 상기 촬영부(320)가 생성한 상기 이미지를 AI 기반 알고리즘으로 분석하여 디스크(D)의 불량 발생 여부를 판단하는 구성일 수 있다.
일례로, AI 기반 알고리즘은 불량이 아닌 디스크(D) 샘플과, 불량이 발생된 디스크(D) 샘플의 이미지를 학습하여 생성될 수 있다.
그 결과, 상기 판단부는 상기 이미지를 상AI 기반 알고리즘에 입력값으로 입력하여, 불량 발생 여부인 결과값을 얻을 수 있다.
한편, 일례로, 상기 검출 장치(300)는 상기 컨베이어(C) 상에서 이동되는 차량 디스크(D)에 의도하지 않은 빛이 투사되는 것을 방지하며, 제1 배치공간(S1) 및 상기 제1 배치공간(S1)과 구획되는 제2 배치공간(S2)을 형성하는 커버부(330)를 더 포함할 수 있다.
일례로, 상기 커버부(330)는 상기 제1 배치공간(S1)과 상기 제2 배치공간(S2)을 구획하는 격벽을 형성하되, 상기 컨베이어(C) 상에서 이동되는 차량 디스크(D)가 상기 제1 배치공간(S1)으로부터 상기 제2 배치공간(S2)으로 이동될 수 있도록 격벽에 소정의 관통홀을 형성할 수 있다.
여기서, 일례로, 상기 발광부(310)는 상기 컨베이어(C)의 경로 상에 배치되는 제1 발광부(311) 및 상기 컨베이어(C)의 경로 상에서 상기 제1 발광부(311)보다 하류에 배치되는 제2 발광부(313)를 구비할 수 있다.
이를 보다 자세히 설명하자면, 일례로, 상기 제1 발광부(311)는 상기 제1 배치공간(S1) 상에 배치될 수 있으며, 상기 커버부(330)에 위치 고정될 수 있다.
일례로, 상기 제1 발광부(311)는 상기 제1 배치공간(S1) 상에서 상기 컨베이어(C)에 의해 이동되는 차량 디스크(D)에 소정의 각도로 빛을 투사할 수 있다.
일례로, 상기 제1 발광부(311)는 상기 제1 배치공간(S1) 상에 복수 개 배치될 수 있다.
또한, 상기 제2 발광부(313)는 상기 제2 배치공간(S2) 상에 배치될 수 있으며, 상기 커버부(330)에 위치 고정될 수 있다.
일례로, 상기 제2 발광부(313)는 상기 제2 배치공간(S2) 상에서 상기 컨베이어(C)에 의해 이동되는 차량 디스크(D)에 소정의 각도로 빛을 투사할 수 있다
일례로, 상기 제2 발광부(313)는 상기 제2 배치공간(S2) 상에 복수 개 배치될 수 있다.
여기서, 일례로, 상기 제1 발광부(311)가 상기 컨베이어(C) 상에서 이동되는 디스크(D)에 빛을 투사하는 각도와 상기 제2 발광부(313)가 상기 컨베이어(C) 상에서 이동되는 디스크(D)에 빛을 투사하는 각도는 서로 다를 수 있다.
이를 보다 자세히 설명하자면, 상기 제1 발광부(311)가 디스크(D)로 빛을 투사하는 각도와 상기 제2 발광부(313)가 디스크(D)로 빛을 투사하는 각도는 상호 다를 수 있으며, 그 결과, 디스크(D)로부터 반사되는 빛의 각도가 상호 다름에 따라 아래에서 설명될 제1 촬영부(321) 및 제2 촬영부(323)에 의해 생성되는 상기 이미지는 다양할 수 있다.
따라서, 보다 정확하게 디스크(D)의 불량 발생 여부를 검출할 수 있다.
한편, 상기 촬영부(320)는 상기 제1 발광부(311)가 투사하는 빛을 반사하는 디스크(D)를 촬영하는 제1 촬영부(321) 및 상기 제2 발광부(313)가 투사하는 빛을 반사하는 디스크(D)를 촬영하는 제2 촬영부(323)를 구비할 수 있다.
이를 보다 자세히 설명하자면, 일례로, 상기 제1 촬영부(321)는 상기 제1 배치공간(S1) 상에 배치될 수 있으며, 상기 커버부(330)에 위치 고정될 수 있다.
일례로, 상기 제1 촬영부(321)는 상기 제1 배치공간(S1) 상에서 상기 컨베이어(C)에 의해 이동되는 차량 디스크(D)를 촬영하여 상기 이미지를 생성할 수 있다.
일례로, 상기 제1 촬영부(321)는 상기 제1 배치공간(S1) 상에 복수 개 배치될 수도 있다.
또한, 상기 제2 촬영부(323)는 상기 제2 배치공간(S2) 상에 배치될 수 있으며, 상기 커버부(330)에 위치 고정될 수 있다.
일례로, 상기 제2 촬영부(323)는 상기 제2 배치공간(S2) 상에서 상기 컨베이어(C)에 의해 이동되는 차량 디스크(D)를 촬영하여 상기 이미지를 생성할 수 있다.
일례로, 상기 제2 촬영부(323)는 상기 제2 배치공간(S2) 상에 서로 다른 각도로 복수 개 배치될 수도 있다.
한편, 상기 판단부는 상기 촬영부(320)로부터 상기 이미지를 획득하여 AI 기반 알고리즘을 통해 해당 디스크(D)가 불량인지 여부에 대한 결과값을 생성할 수 있다.
여기서, 일례로, 상기 판단부는 상기 이미지 분석을 통해 불량이라고 판단한 디스크(D)의 경우 디스크(D) 상에 표시된 상기 식별코드(I)를 추출할 수 있다.
그 결과, 상기 판단부는 상기 식별코드(I)를 이용하여 불량이라고 판단한 디스크(D)와 불량이 아니라고 판단한 디스크(D)를 구별할 수 있다.
한편, 이하에서는 도 1을 참조하여, 상기 구별부(400), 보관부(500) 및 배출부(600)를 더욱 자세히 설명하겠다.
일례로, 상기 구별부(400)는 상기 검출 장치(300)를 통과한 상기 컨베이어(C) 상의 디스크(D)를 상기 보관부(500) 및 상기 배출부(600)로 이동시키는 구성일 수 있다.
여기서, 일례로, 상기 구별부(400)는 디스크(D)의 식별코드(I)를 인식하고, 상기 판단부가 추출한 식별코드(I)(불량이라고 판단한 디스크(D)의 식별코드(I))와 비교하여 디스크(D)를 보관부(500) 또는 배출부(600)로 이동시킬 수 있다.
이를 보다 자세히 설명하자면, 상기 구별부(400)는 상기 검출 장치(300)를 통과한 디스크(D) 상에 표시된 상기 식별코드(I)를 인식할 수 있으며, 상기 판단부로부터 상기 판단부가 불량이라고 판단한 디스크(D)라고 추출한 식별코드(I)만을 전달받아 상호 비교할 수 있다.
만약, 특정 디스크(D)를 기준으로, 상기 판단부가 추출한 상기 식별코드(I)와 상기 구별부(400)가 인식한 상기 식별코드(I)가 동일한 경우, 상기 구별부(400)는 특정 디스크(D)를 상기 배출부(600)로 이동시킬 수 있다.
반면에, 특정 디스크(D)를 기준으로, 상기 판단부가 추출한 상기 식별코드(I)와 상기 구별부(400)가 인식한 상기 식별코드(I)가 동일하지 않은 경우, 상기 구별부(400)는 특정 디스크(D)를 상기 보관부(500)로 이동시킬 수 있다.
그 결과, 상기 구별부(400)는 상기 판단부가 불량이라고 판단한 디스크(D)와 불량이 아니라고 판단한 디스크(D)를 각각 분리 이동시킬 수 있다.
여기서, 일례로, 상기 구별부(400)는 상기 컨베이어(C)와 상기 보관부(500) 사이의 경로 상에 배치되는 트레이부(410), 상기 트레이부(410) 상에서 위치 이동되며 디스크(D)를 파지하는 파지부(420) 및 상기 파지부(420)에 파지된 디스크(D)의 식별코드(I)를 인식하는 인식부(미 도시)를 구비할 수 있다.
이를 보다 자세히 설명하자면, 일례로, 상기 트레이부(410)는 지지대의 기능을 구현하는 구성으로서, 상기 컨베이어(C)와 상기 보관부(500) 상측에 연장되어 배치될 수 있다.
일례로, 상기 지지대는 마주보는 1쌍으로 배치될 수 있다.
여기서, 일례로, 상기 파지부(420)는 유압, 공압 또는 그 밖의 공지된 방식으로 상기 컨베이어(C) 상에 위치하는 디스크(D)를 파지할 수 있으며, 디스크(D)를 파지한 상태에서 상기 트레이부(410) 상에서 위치 이동될 수 있다.
일례로, 상기 파지부(420)는 상기 트레이 상에서 레일 형식으로 위치 이동될 수도 있고, 기어 등의 매커니즘에 의해 위치 이동될 수도 있다.
또한, 상기 파지부(420)는 파지한 디스크(D)를 더 이상 파지하지 않을 수 있다.
따라서, 상기 파지부(420)는 상기 컨베이어(C) 상의 디스크(D)를 파지하여 상기 배출부(600) 상에 놓을 수도 있고, 상기 보관부(500) 상에 놓을 수도 있다.
한편, 상기 인식부는 상기 파지부(420)에 파지된 디스크(D)를 촬영하고, 촬영된 이미지 상의 상기 식별코드(I)를 추출할 수 있다. 일례로, 상기 인식부는 카메라일 수 있다.
또한, 일례로, 상기 인식부는 상기 파지부(420) 상에 배치되어 상기 파지부(420)에 의해 상기 트레이부(410) 상에서 위치 이동될 수 있다.
또한, 상기 인식부는 디스크(D)의 식별코드(I)를 인식하고, 상기 판단부가 추출한 식별코드(I)(불량이라고 판단한 디스크(D)의 식별코드(I))와 비교하여 디스크(D)를 상기 보관부(500) 또는 상기 배출부(600)로 이동시키도록 상기 파지부(420)에 제어 명령을 줄 수 있다.
그 결과, 상기 구별부(400)는 불량이라고 판단된 디스크(D)를 상기 컨베이어(C)로부터 상기 배출부(600)로 이동시키고, 불량이 아니라고 판단된 디스크(D)를 상기 컨베이어(C)로부터 상기 보관부(500)로 이동시킬 수 있다.
한편, 상기 보관부(500)는 소정의 중심축을 기준으로 회전될 수 있다.
이를 보다 자세히 설명하자면, 상기 보관부(500)는 상기 구별부(400)로부터 디스크(D)를 보관하고자 소정의 중심축을 기준으로 회전되며 디스크(D)가 놓이지 않은 구역을 상기 구별부(400)에게 제공할 수 있으며, 상기 구별부(400)는 디스크(D)가 놓이지 않은 상기 보관부(500) 상에 디스크(D)를 놓을 수 있다.
한편, 상기 보관부(500)는 상기 구별부(400)로부터 회전 여부에 대한 명령을 획득하여 회전 여부가 결정될 수 있다.
이를 보다 자세히 설명하자면, 상기 구별부(400)가 상기 컨베이어(C)에서 파지한 디스크(D)가 불량이라고 판단된 디스크(D)인 경우, 상기 구별부(400)는 상기 보관부(500)에게 회전 명령을 하지 않을 수 있다.
반대로, 상기 구별부(400)가 상기 컨베이어(C)에서 파지한 디스크(D)가 불량이 아니라고 판단된 디스크(D)인 경우, 상기 구별부(400)는 상기 보관부(500)에게 회전 명령하여 상기 보관부(500)가 기 설정된 각도로 회전됨에 따라 상기 구별부(400) 상에 파지한 디스크(D)를 놓을 공간을 확보할 수 있다.
그 결과, 본 발명의 일 실시예에 따른 AI 기반 차량 디스크 불량 검출 시스템(10)은 공정 속도를 늦추지 않으면서, 디스크의 불량 발생 여부를 정확하게 판단할 수 있고, 불량인 디스크와 불량이 아닌 디스크를 매우 용이하게 분리할 수 있다.
이하에서는, 도 4 내지 도 8을 참조하여, 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에 대해 자세히 설명하겠다.
이하에서 설명되는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사의 대상이 되는 객체는 비전 검사(vision inepsction)의 대상이 되는 제조된 제품이나 제품을 구성하는 세부 제품을 의미할 수 있으며, 특히 본 발명에서 설명되는 객체는 차량용 브레이크에 제품이나 제품을 구성하는 세부 제품을 의미할 수 있다.
특히, 반드시 이에 한정되는 것은 아닐 수 있으나 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사의 대상이 되는 객체는 차량용 브레이크에 적용되는 디스크(disk) 등과 같은 제품을 의미할 수 있다.
도 4는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법이 수행되는 환경을 도시한 개념도이다.
도 4를 참조하면, 본 발명의 제2 실시예에 따른 인공지능 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법은 비전 검사 장치(1000) 및 비전 검사 서버(2000)를 기반으로 수행될 수 있으며, 비전 검사 장치(1000) 및 비전 검사 서버(2000)는 통신을 수행함으로써 정보를 전송하거나 수신할 수 있도록 미리 연동될 수 있다.
구체적으로, 비전 검사 장치(1000)는 제조된 제품이나 제품을 구성하는 세부 제품 등과 같은 객체에 대한 정상적인 제조 상태를 확인하여 불량 여부를 판단하기 위한 비전 검사 방법을 수행하는 장치를 의미할 수 있으며, 비전 검사 방법을 수행하기 위해 복수의 수단들(예를 들어, 기능적인 부분을 다루는 구성 요소를 의미할 수 있음)을 포함할 수 있다.
또한, 비전 검사 서버(2000)는 비전 검사 장치(1000)에서 객체에 대한 비전 검사 방법을 수행하는 과정에서 필요한 정보가 저장된 데이터베이스(database)를 포함할 수 있고, 비전 검사 장치(1000)에서 비전 검사 방법을 수행하는 과정에서 필요한 정보를 요청하는 경우, 비전 검사 장치(1000)의 요청에 상응하여 필요한 정보를 비전 검사 장치(1000)로 전송할 수 있다.
이하에서는 도 4를 참조하여 설명된 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치가 구현될 수 있는 일 예에 대하여 도 5를 참조하여 보다 상세하게 설명될 수 있다.
도 5는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치에 대한 하드웨어 블록도이다.
도 5를 참조하면, 인공지능 기반의 동적 플레이트를 이용한 비전 검사 방법을 수행하는 비전 검사 장치(3000)는 도 4를 참조하여 설명된 비전 검사 장치(1000)를 의미할 수 있으며, 비전 검사 장치(1000)를 참조하여 설명되는 하드웨어적인 요소는 반드시 비전 검사 장치에 한정되는 것은 아닐 수도 있다. 즉, 도 5에서는 비전 검사 장치로 예를 들어 설명되었으나, 도 5에 도시된 하드웨어적인 구조는 도 4을 참조하여 설명된 비전 검사 서버(2000)에도 유사 또는 동일하게 적용될 수 있다.
본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치(3000)는 적어도 하나의 프로세서(processor, 3100) 및 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 3200)를 포함할 수 있다.
여기서, 적어도 하나의 프로세서(3100)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 제2 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(3200) 및 저장 장치(3600) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(3200)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 비전 검사 장치(3000)는 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(3300)를 포함할 수 있다. 또한, 비전 검사 장치(3000)는 입력 인터페이스 장치(3400), 출력 인터페이스 장치(3500) 및 저장 장치(3600) 등을 더 포함할 수 있다. 비전 검사 장치(3000)에 포함된 각각의 구성 요소들은 버스(bus)(3700)에 의해 연결되어 서로 통신을 수행할 수 있다.
여기서, 적어도 하나의 단계는 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법과 관련된 단계를 의미할 수 있고, 더욱 상세하게는 비전 검사 장치(3000)에서 수행되는 동작 방법과 관련된 단계를 포함할 수 있다.
이하에서는, 도 4를 참조하여 설명된 비전 검사 장치(1000) 및 비전 검사 서버(2000)와 도 5를 참조하여 설명된 비전 검사 장치(3000)에서 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 도 6 내지 도 8를 참조하여 보다 상세하게 설명될 수 있다.
도 6은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 도시한 흐름도이다.
도 6을 참조하면, 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법은 도 4을 참조하여 설명된 비전 검사 장치(1000) 및 비전 검사 서버(2000)와 도 5를 참조하여 설명된 비전 검사 장치(3000)에서 수행될 수 있다.
먼저, 비전 검사 장치는 비전 검사 장치를 통해 비전 검사를 수행하기 위해 동적 플레이트에 위치하는 객체를 감지하여 객체의 종류를 식별할 수 있다(S310).
여기서, 비전 검사 장치에서 비전 검사를 수행하기 위해 동적 플레이트에 위치하는 객체를 감지하여 객체의 종류를 식별하는 구체적인 방법은 이하에서 도 7을 참조하여 보다 상세하게 설명될 수 있다.
도 7은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 객체의 종류를 식별하는 방법을 도시한 흐름도이다.
도 7을 참조하면, 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 비전 검사 장치에 포함된 객체 수용 수단의 내부 공간에 미리 설치된 동적 플레이트에 위치하는 객체를 감지할 수 있다(S311).
구체적으로, 비전 검사 장치는 비전 검사의 대상이 되는 객체가 위치할 수 있는 객체 수용 수단을 포함할 수 있고, 객체 수용 수단의 내부 공간에는 객체가 비전 검사를 위해 위치할 수 있는 영역인 동적 플레이트가 미리 설치된 상태일 수 있다. 이때, 비전 검사 장치의 사용자 또는 별도의 장치에 의해 동적 플레이트 상에 비전 검사의 대상이 되는 객체를 감지할 수 있다.
예를 들어, 비전 검사 장치는 객체가 위치할 수 있는 동적 플레이트의 영역을 비전 검사 장치에 포함된 촬영 수단(예를 들어, 카메라 등과 같은 장치)을 통해 실시간으로 촬영할 수 있으며, 촬영된 실시간 영상 정보를 생성할 수 있다. 이후, 비전 검사 장치는 실시간 영상 정보를 이미지나 영상 내에서 미리 설정된 객체 등의 존재 여부를 식별 가능한 알고리즘을 기반으로 분석하여 동적 플레이트 상에 객체를 감지할 수 있다.
또한, 비전 검사 장치의 동적 플레이트는 압력 감지 수단(예를 들어, 압력 센서 등)을 포함할 수 있으며, 동적 플레이트 상에 객체로 인해 미리 설정된 값의 압력이 감지되는 경우, 비전 검사 장치는 동적 플레이트 상에 객체가 위치한 것으로 판단함으로써 감지할 수도 있다.
이후, 비전 검사 장치는 감지된 객체에 대한 식별을 위해 수행되도록 비전 검사 장치에 미리 설정된 객체 식별 알고리즘을 이용하여 객체의 종류를 식별할 수 있다(S312).
여기서, 비전 검사 장치는 동적 플레이트 상에 객체가 감지되는 경우, 해당 객체에 대한 실시간 영상 정보를 미리 설정된 객체 식별 알고리즘을 이용하여 분석할 수 있고, 이를 통해 객체의 종류를 식별할 수 있다. 예를 들어 객체 식별 알고리즘은 이미지나 영상 내에서 미리 설정된 객체의 종류를 판단함으로써 식별할 수 있는 알고리즘을 의미할 수 있다.
다시, 도 7을 참조하면 비전 검사 장치는 비전 검사 장치와 연동된 비전 검사 서버로 객체에 대하여 식별된 객체의 종류에 상응하는 운동 정보를 요청하여 획득할 수 있다(S320).
여기서, 비전 검사 장치에서 비전 검사 장치와 연동된 비전 검사 서버로 객체에 대하여 식별된 객체의 종류에 상응하는 운동 정보를 요청하여 획득하는 구체적인 방법은 이하에서 도 8을 참조하여 보다 상세하게 설명될 수 있다.
도 8은 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 운동 정보를 획득하는 방법을 도시한 흐름도이다.
도 8을 참조하면, 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 식별된 객체의 종류에 상응하여 미리 매칭된 동적 플레이트의 운동 정보를 비전 검사 서버로 요청할 수 있다(S321).
구체적으로, 비전 검사 장치는 식별된 객체의 종류에 대하여 미리 매칭된 객체의 코드를 확인할 수 있다. 여기서, 객체의 종류는 객체의 이름(예를 들어, 디스크(disk) 등)과 같은 정보를 의미할 수 있다. 또한, 객체의 코드는 객체의 종류와 매칭되어 해당 객체의 종류를 식별하기 위해 사용되는 정보를 의미할 수 있으며, 미리 설정된 자릿수의 일련번호로 생성될 수 있다.
즉, 비전 검사 장치 및 비전 검사 서버 간 비전 검사의 수행에 필요한 정보를 전송하거나 수신하는 과정에서 객체의 종류를 전송하거나 수신해야할 필요가 발생하는 경우, 객체의 종류와 미리 매칭되어 저장된 객체의 코드가 이용될 수 있다.
이후, 비전 검사 장치는 확인된 객체의 코드를 이용하여 해당 객체의 종류에 상응하여 미리 매칭된 동적 플레이트의 운동 정보를 비전 검사 서버로 요청할 수 있다. 여기서, 비전 검사 서버는 도 4를 참조하여 설명된 비전 검사 서버(2000)를 의미할 수 있으며, 도 4를 참조하여 설명된 바와 같이 비전 검사 장치와 미리 연동된 상태로 통신을 수행함으로써 정보를 전송하거나 수신할 수 있다.
이후, 비전 검사 서버는 비전 검사 장치로부터 객체의 종류에 상응하여 미리 매칭된 동적 플레이트의 운동 정보를 확인할 수 있다. 구체적으로, 비전 검사 서버는 이하의 표 1과 같은 방식으로 비전 검사의 대상이 될 수 있는 복수의 객체들에 대하여 각 객체 별 운동 정보가 데이터베이스에 미리 저장된 상태일 수 있으며, 이는 비전 검사의 대상에 해당될 수 있는 복수의 객체들에 대한 데이터 셋(data set)을 의미할 수 있다.
객체의 종류 객체의 코드 운동 정보 조명 정보
제1 종류 CODE_000001 X0001_Y0001 LIGHT_000001
제2 종류 CODE_000002 X0002_Y0002 LIGHT_000002
제n 종류 CODE_000003 X000N_Y000N LIGHT_00000N
여기서, 객체의 종류는 검사의 대상이 되는 객체의 종류를 의미하는 것으로서 제1 종류(예를 들어, 차량 디스크) 내지 제n 종류(예를 들어, 차량 사이드 미러)는 서로 다른 종류를 의미하며, 운동 정보는 검사의 대상이 되는 객체가 움직이도록 운동하는 동적 플레이트가 움직이는 정보를 의미하는 것으로서 객체의 종류마다 서로 다른 운동 정보를 가지며, 조명 정보는 동적 플레이트 상에 움직이는 검사의 대상이 되는 객체에 빛을 조사하는 빛에 대한 정보로서 객체의 종류마다 다른 조명 정보를 가짐.
먼저, 표 1을 참조하면, 비전 검사 서버는 객체의 종류에 대하여 미리 매칭된 운동 정보를 확인할 수 있는 참조표가 데이터베이스에 미리 저장된 상태일 수 있다. 표 1과 같은 참조표는 객체의 종류, 객체의 코드, 운동 정보 및 조명 정보를 포함할 수 있다.
표 1에 저장된 운동 정보는 동적 플레이트의 운동 궤적을 나타내는 의미할 수 있으며, 상하 방향 및 좌우 방향으로 운동하는 거리를 지시하는 값(예를 들어, 거리를 지시할 수 있는 센티미터(cm), 밀리미터(mm) 및 인치(inch) 등으로 생성될 수 있다.
또한, 조명 정보는 객체에 대한 비전 검사의 과정에서 비전 검사 장치의 촬영 수단을 통해 해당 객체를 촬영하는 동안 난반사를 발생시킬 수 있는 빛의 세기(예를 들어, 빛의 세기를 지시할 수 있는 룩스(lux) 및 칸델라(cd) 등)를 의미하는 정보를 의미할 수 있으며, 제어 가능한 조명 수단이 비전 검사 장치에 포함된 경우, 비전 검사 서버에서 비전 검사 장치로 운동 정보를 전송하는 과정에서 함께 전송될 수 있다.
구체적으로, 표 1을 참조하면 객체의 종류가 제1 종류인 경우, 해당 객체의 코드는 "CODE_000001"로 생성될 수 있고, 해당 객체의 비전 검사를 위해 동적 플레이트가 운동되는 운동 궤적에 대한 정보인 운동 정보는 "X0001_Y0001"으로 생성될 수 있다. 이때, 제1 종류의 객체에 대한 운동 정보를 요청하는 비전 검사 장치에 조명 수단이 포함된 것으로 판단된 경우, 해당 객체에 대한 조명 정보는 "LIGHT_000001"로 생성될 수 있다.
또한, 표 1에 따르면, 객체의 종류가 제2 종류인 경우, 해당 객체의 코드는 CODE_000002"로 생성될 수 있고, 해당 객체의 비전 검사를 위해 동적 플레이트가 운동되는 운동 궤적에 대한 정보인 운동 정보는 "X0002_Y0002"으로 생성될 수 있다.
이때, 제2 종류의 객체에 대한 운동 정보를 요청하는 비전 검사 장치에 조명 수단이 포함된 것으로 판단된 경우, 해당 객체에 대한 조명 정보는 "LIGHT_000002"로 생성될 수 있다.
상술한 바와 같이 비전 검사 서버는 복수의 객체의 종류들에 기초하여 각 객체의 코드, 운동 정보 및 조명 정보가 미리 저장된 상태일 수 있다. 이에 따라, 비전 검사 서버는 비전 검사 장치의 요청에 상응하여 객체의 종류에 따른 정보를 추출할 수 있으며, 추출된 정보를 비전 검사 장치로 전송함으로써 객체에 대한 비전 검사의 수행을 지원할 수 있다.
이와 같은 경우, 비전 검사 장치에서 판단된 객체의 종류가 표 1에 기재된 복수의 객체들의 종류 중 제1 종류인 경우, 비전 검사 장치는 제1 종류의 객체에 대하여 미리 매칭된 운동 정보를 비전 검사 서버로 요청할 수 있다.
이후, 비전 검사 서버는 비전 검사 장치로부터 수신된 요청에 기초하여 제1 종류의 객체에 대하여 미리 매칭된 운동 정보인 "X0001-Y0001"을 검색할 수 있고, 검색된 운동 정보인 "X0001-Y0001"을 비전 검사 장치로 전송할 수 있다.
이때, 비전 검사 서버는 비전 검사 장치로부터 운동 정보의 요청을 수신하는 과정에서 비전 검사 장치에 대한 조명 수단의 포함 여부에 대한 정보를 함께 수신할 수 있고, 비전 검사 장치에 조명 수단이 포함된 것으로 판단된 경우, 운동 정보와 함께 조명 정보를 비전 검사 장치로 전송할 수 있다.
이후, 비전 검사 장치는 비전 검사 서버로부터 요청에 대한 응답으로 객체의 종류에 상응하여 미리 매칭된 동적 플레이트의 운동 정보를 수신함으로써 획득할 수 있다(S322).
이때, 비전 검사 장치는 비전 검사 서버로부터 비전 검사 서버로부터 수신된 운동 정보에 상응하여 미리 매칭된 객체의 코드를 확인할 수 있고, 확인된 객체의 코드와 운동 정보를 요청하는 과정에서 사용된 객체의 코드를 비교함으로써 비전 검사 장치에서 전송한 요청에 상응하는 응답의 수신 여부를 판단할 수 있다.
예를 들어, 비전 검사 장치에서 운동 정보를 요청하기 위해 사용된 객체의 코드가 표 1에 기재된 제1 종류의 객체에 대한 객체의 코드인 "CODE_000001"인 경우, 비전 검사 서버로부터 수신된 운동 정보에 상응하여 미리 매칭된 객체의 코드가 제1 종류의 객체에 대한 객체의 코드인 "CODE_000001"와의 동일 여부를 확인할 수 있다.
이후, 비전 검사 장치는 비전 검사 서버로부터 수신된 운동 정보에 상응하여 미리 매칭된 객체의 코드가 제1 종류의 객체에 대한 객체의 코드인 "CODE_000001"와 동일한 경우, 비전 검사 장치에서 전송한 요청에 상응하는 응답이 정상적으로 수신된 것으로 판단할 수 있다.
반면, 비전 검사 장치는 비전 검사 장치는 비전 검사 서버로부터 수신된 운동 정보에 상응하여 미리 매칭된 객체의 코드가 제1 종류의 객체에 대한 객체의 코드인 "CODE_000001"와 동일하지 않은 경우, 비전 검사 장치에서 전송한 요청에 상응하는 응답이 정상적으로 수신되지 않은 것으로 판단할 수 있다. 이와 같은 경우, 비전 검사 장치는 비전 검사 장치에서 제1 종류의 객체에 대한 운동 정보의 요청을 비전 검사 서버로 다시 요청할 수 있다.
다시, 도 6을 참조하면 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 획득된 운동 정보에 기초하여 동적 플레이트가 운동하는 상태에서 객체에 대한 촬영을 통해 실시간 영상 정보를 생성할 수 있다(S330).
구체적으로, 비전 검사 장치는 실시간 영상 정보를 생성하기 위해 비전 검사 장치에 포함된 촬영 수단을 통해 운동 정보가 지시하는 운동 궤적에 기초하여 동적 플레이트가 운동하도록 동적 플레이트를 제어할 수 있다. 이때, 비전 검사 장치의 동적 플레이트에는 비전 검사의 대상이 되는 객체가 동반된 상태일 수 있다.
이후, 비전 검사 장치는 비전 검사 장치에 포함된 촬영 수단(예를 들어, 카메라 등과 같은 장치)을 통해 운동하는 동적 플레이트에 위치하는 객체를 촬영할 수 있으며, 이를 통해 객체에 대한 비전 검사를 위한 분석에 사용되는 실시간 영상 정보를 생성할 수 있다.
여기서, 비전 검사 장치에서 생성되는 실시간 영상 정보는 동적 플레이트의 운동으로 인해 객체가 촬영 수단을 통해 촬영되는 각도가 난반사를 발생시키는 각도를 형성된 이미지 또는 영상과 관련된 정보를 의미할 수 있다. 즉, 실시간 영상 정보는 촬영 수단을 통해 촬영되는 경우, 난반사가 발생된 상태에서 촬영된 객체에 대한 영상 정보일 수 있다.
즉, 비전 검사 장치는 촬영 수단을 통해 획득된 실시간 영상 정보에 상응하는 이미지 또는 영상과 관련된 정보가 빛에 의한 난반사가 반영된 상태로 객체가 촬영 되도록 동적 플레이트를 운동시킬 수 있다. 이때, 비전 검사 장치는 동적 플레이트의 운동이 모두 완료된 후(예를 들어, 운동 정보에 상응하는 운동 궤적에 기초하여 운동이 완료된 경우) 촬영을 통해 실시간 영상 정보를 생성할 수 있다. 또한, 비전 검사 장치는 동적 플레이트의 운동이 진행되는 상황에서 촬영을 통해 실시간 영상 정보를 생성할 수도 있다.
이후, 비전 검사 장치는 인공지능 학습 기반의 알고리즘을 이용하여 생성된 실시간 영상 정보에 대한 분석을 통해 상기 객체에 대한 불량 여부를 판단할 수 있다(S340).
구체적으로, 비전 검사 장치는 실시간 영상 정보에 포함된 비전 검사와 관련된 학습 정보로 미리 학습된 인공지능 학습 알고리즘을 기반으로 객체에 대한 비전 검사를 수행할 수 있다.
예를 들어, 학습 정보는 복수의 객체들에 대한 객체의 종류 별 비전 검사가 수행된 검사 결과와 관련된 정보를 의미할 수 있다. 이때, 객체의 종류 별 비전 검사는 서로 다른 복수의 조건들이 적용된 상태에서 수행된 비전 검사를 의미할 수 있다.
여기서, 비전 검사에 적용된 복수의 조건들은 객체에 대한 비전 검사가 수행되는 동안 발생한 빛의 평균 세기, 난반사를 발생시키는 각도, 객체의 표면에 의해 발생되는 난반사의 양 및 객체 수용 수단에 포함된 각 면의 투명 정도를 포함할 수 있다. 비전 검사 장치는 위와 같은 학습 정보에 기초하여 미리 학습된 인공지능 학습 알고리즘을 기반으로 객체에 대한 비전 검사를 수행할 수 있으며, 이를 통해 객체에 대한 불량 여부를 판단할 수 있다.
특히, 비전 검사 장치는 실시간 영상 정보가 영상과 관련된 정보인 경우, 영상과 관련된 정보를 미리 설정된 시간 단위에 기초하여 복수의 영상 프레임들을 생성할 수 있다. 이후, 비전 검사 장치는 실시간 영상 정보를 분석하여 생성된 복수의 영상 프레임들에 대하여 미리 학습된 인공지능 학습 알고리즘을 기반으로 객체에 대한 비전 검사를 수행할 수 있다.
한편, 비전 검사 장치는 객체에 대한 비전 검사가 수행되는 과정을 비전 검사 장치에 포함된 촬영 수단을 통해 촬영할 수 있으며, 이를 통해 비전 검사의 과정에 대한 실시간 영상 정보를 생성할 수 있다. 이후, 비전 검사 장치는 비전 검사 장치의 사용자에게 비전 검사의 과정 및 결과를 제공할 수 있도록 비전 검사 장치에 포함된 출력 수단을 통해 출력할 수 있다.
다시 말해, 비전 검사 장치는 모니터 및 스크린 등과 같은 출력 수단을 포함할 수 있고, 이와 같은 출력 수단을 통해 카메라 등과 같은 촬영 수단을 통해 촬영된 객체에 대한 비전 검사의 과정을 확인할 수 있도록 출력함으로써 제공할 수 있다.
한편, 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법에서 사용되는 객체의 식별, 탐지 및 검출을 위한 알고리즘은 YOLO(You Only Look Once) 알고리즘을 의미할 수 있다.
구체적으로, YOLO 알고리즘은 단일 단계 방식을 기반으로 객체를 탐지하는 알고리즘을 의미할 수 있으며, 이미지의 프레임이나 영상을 구성하는 복수의 프레임들을 동일한 크기의 영역(예를 들어, 그리드(grid) 등)으로 분할할 수 있다.
이후, YOLO 알고리즘에 따르면, 각 영역의 중앙을 중심으로 미리 정의된 형태(predefined shape)로 지정된 경계 박스의 수를 예측할 수 있고, 예측된 수를 기반으로 신뢰도를 산출할 수 있다.
이때, YOLO 알고리즘을 수행하는 비전 검사 장치는 이미지의 프레임이나 영상을 구성하는 복수의 프레임들에 대한 객체의 포함 여부를 미리 설정된 기준에 기초하여 비교적 높은 신뢰도를 가진 영역을 선택할 수 있고, 선택된 영역에 대한 객체의 종류 등을 파악할 수 있다.
본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 YOLO 알고리즘을 사용하는 것으로 예를 들어 설명되었으나, 반드시 이에 한정되는 것은 아닐 수 있다.
다시 말해, 본 발명의 제2 실시예예 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 YOLO 알고리즘 외에 객체를 탐지하거나 식별하기 위해 사용될 수 있는 알고리즘은 CNN 기반의 객체 탐지 알고리즘 및 SAS 딥 러닝 기반의 객체 탐지 알고리즘 등이 사용될 수 있다.
한편, 도 4 내지 도 8을 참조하여 상술한 바와 같이 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 비전 검사의 대상이 되는 객체에 대한 촬영을 통해 실시간 영상 정보를 획득할 수 있으며, 객체의 촬영 시 객체의 종류에 따라 난반사를 최대한 발생시킬 수 있도록 객체의 종류에 따라 동적 플레이트를 운동시킬 수 있으며, 객체의 종류에 따라 빛의 평균 세기, 난반사를 발생시키는 각도 등을 조절할 수 있다.
이후, 비전 검사 장치는 난반사가 발생된 상태로 획득된 객체에 대한 실시간 영상 정보를 미리 인공지능을 기반으로 학습된 인공지능 학습 알고리즘을 기반으로 객체에 대한 실시간 영상 정보를 분석하여 객체에 대한 불량 여부를 판단할 수 있으며, 이를 통해 사용자의 육안을 대신하여 정확한 비전 검사를 수행할 수 있는 효과를 가질 수 있다.
다시 말해, 본 발명의 제2 실시예에 따른 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법을 수행하는 비전 검사 장치는 사용자의 육안과 유사 또는 동일한 상황을 조성하기 위해 동적 플레이트를 기반으로 객체가 촬영되는 각도를 이용하여 난반사를 발생시킬 수 있으며, 이에 대하여 사용자가 직접적으로 불량 여부를 판단하는 방식과 유사 또는 동일할 수 있도록 인공지능을 기반으로 학습된 인공지능 학습 기반의 알고리즘을 이용하여 객체에 대한 불량 여부를 판단할 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.

Claims (6)

  1. AI 기반 차량 디스크 불량 검출 시스템에 있어서,
    컨베이어 상에서 이동되는 디스크에 소정의 각도로 빛을 투사하는 발광부;
    상기 컨베이어 상에서 이동되는 디스크를 촬영하여 이미지를 생성하는 촬영부; 및
    AI 기반의 알고리즘을 이용하여 상기 이미지 분석을 통해 디스크의 불량 발생 여부를 판단하는 판단부;를 포함하는,
    AI 기반 차량 디스크 불량 검출 시스템.
  2. 제1항에 있어서,
    상기 판단부에 의해 불량이 아니라고 판단된 디스크를 보관하는 보관부;
    상기 판단부에 의해 불량이라고 판단된 디스크를 배출하는 배출부; 및
    상기 판단부에 의해 불량이 아니라고 판단된 상기 컨베이어 상의 디스크를 상기 보관부로 이동시키고, 상기 판단부에 의해 불량이라고 판단된 상기 컨베이어 상의 디스크를 상기 배출부로 이동시키는 구별부;를 더 포함하는,
    AI 기반 차량 디스크 불량 검출 시스템.
  3. 제2항에 있어서,
    상기 판단부는,
    불량이라고 판단한 디스크의 식별코드를 추출하고,
    상기 구별부는,
    디스크의 식별코드를 인식하고, 상기 판단부가 추출한 식별코드와 비교하여 디스크를 보관부 또는 배출부로 이동시키는,
    AI 기반 차량 디스크 불량 검출 시스템.
  4. 제3항에 있어서,
    상기 구별부는,
    상기 컨베이어와 상기 보관부 사이의 경로 상에 배치되는 트레이부,
    상기 트레이부 상에서 위치 이동되며 디스크를 파지하는 파지부 및
    상기 파지부에 파지된 디스크의 식별코드를 인식하는 인식부를 구비하는,
    AI 기반 차량 디스크 불량 검출 시스템.
  5. 제2항에 있어서,
    상기 발광부는,
    상기 컨베이어의 경로 상에 배치되는 제1 발광부 및
    상기 컨베이어의 경로 상에서 상기 제1 발광부보다 하류에 배치되는 제2 발광부를 구비하며,
    상기 촬영부는,
    상기 제1 발광부가 투사하는 빛을 반사하는 디스크를 촬영하는 제1 촬영부 및
    상기 제2 발광부가 투사하는 빛을 반사하는 디스크를 촬영하는 제2 촬영부를 구비하는,
    AI 기반 차량 디스크 불량 검출 시스템.
  6. 제5항에 있어서,
    상기 제1 발광부가 상기 컨베이어 상에서 이동되는 디스크에 빛을 투사하는 각도와 상기 제2 발광부가 상기 컨베이어 상에서 이동되는 디스크에 빛을 투사하는 각도는,
    서로 다른,
    AI 기반 차량 디스크 불량 검출 시스템.
PCT/KR2022/012358 2021-08-20 2022-08-18 Ai 기반 차량 디스크 불량 검출 시스템 WO2023022537A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR1020210110173A KR102491420B1 (ko) 2021-08-20 2021-08-20 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법
KR10-2021-0110173 2021-08-20
KR10-2022-0014320 2022-02-03
KR1020220014320A KR102503877B1 (ko) 2022-02-03 2022-02-03 Ai 기반 차량 디스크 불량 검출 시스템

Publications (1)

Publication Number Publication Date
WO2023022537A1 true WO2023022537A1 (ko) 2023-02-23

Family

ID=85239634

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/012358 WO2023022537A1 (ko) 2021-08-20 2022-08-18 Ai 기반 차량 디스크 불량 검출 시스템

Country Status (1)

Country Link
WO (1) WO2023022537A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117635605A (zh) * 2024-01-23 2024-03-01 宁德时代新能源科技股份有限公司 电池目检确认方法、装置、电子设备和存储介质
CN118032792A (zh) * 2024-04-11 2024-05-14 宁波市甬先智能科技研究有限公司 汽车刹车盘检测装置
CN118060191A (zh) * 2024-04-17 2024-05-24 济南威成汽车零部件有限公司 一种齿圈齿形自动化检测分选装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100573039B1 (ko) * 2004-04-10 2006-04-24 (주)글로벌엔지니어링 비전 카메라를 이용한 부품의 검사장치
KR20150051657A (ko) * 2013-11-05 2015-05-13 주식회사 엘지화학 전지셀의 검사 장치
KR20160105738A (ko) * 2016-08-25 2016-09-07 (주)자비스 이송 제어 구조 방식의 자동 검사를 위한 엑스레이 검사 장치
KR20200006854A (ko) * 2018-07-11 2020-01-21 (주) 장원테크 비전검사장치
JP2020041889A (ja) * 2018-09-10 2020-03-19 日本電気硝子株式会社 ワーク検査方法及びワーク検査システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100573039B1 (ko) * 2004-04-10 2006-04-24 (주)글로벌엔지니어링 비전 카메라를 이용한 부품의 검사장치
KR20150051657A (ko) * 2013-11-05 2015-05-13 주식회사 엘지화학 전지셀의 검사 장치
KR20160105738A (ko) * 2016-08-25 2016-09-07 (주)자비스 이송 제어 구조 방식의 자동 검사를 위한 엑스레이 검사 장치
KR20200006854A (ko) * 2018-07-11 2020-01-21 (주) 장원테크 비전검사장치
JP2020041889A (ja) * 2018-09-10 2020-03-19 日本電気硝子株式会社 ワーク検査方法及びワーク検査システム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117635605A (zh) * 2024-01-23 2024-03-01 宁德时代新能源科技股份有限公司 电池目检确认方法、装置、电子设备和存储介质
CN118032792A (zh) * 2024-04-11 2024-05-14 宁波市甬先智能科技研究有限公司 汽车刹车盘检测装置
CN118060191A (zh) * 2024-04-17 2024-05-24 济南威成汽车零部件有限公司 一种齿圈齿形自动化检测分选装置

Similar Documents

Publication Publication Date Title
WO2023022537A1 (ko) Ai 기반 차량 디스크 불량 검출 시스템
WO2019151735A1 (en) Vision inspection management method and vision inspection system
WO2019009664A1 (en) APPARATUS FOR OPTIMIZING THE INSPECTION OF THE OUTSIDE OF A TARGET OBJECT AND ASSOCIATED METHOD
WO2013085193A1 (ko) 사용자 인지 향상 장치 및 그 인지 향상 방법
WO2015122677A1 (ko) 자동차의 트렁크 개방 장치 및 방법과, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
WO2018008881A1 (ko) 단말장치 및 서비스서버, 그 장치에 의해 수행되는 진단분석 서비스를 제공하기 위한 방법 및 프로그램과, 그 프로그램이 기록된 컴퓨터 판독 가능 기록매체
WO2015016619A1 (en) Electronic apparatus, method of controlling the same, and image reproducing apparatus and method
WO2014051362A1 (ko) 이벤트 기반 비전 센서를 이용한 근접 센서 및 근접 센싱 방법
WO2017179846A1 (ko) 지문과 지정맥을 동시에 인증하는 다면 입체 촬영장치
WO2013165048A1 (ko) 영상 검색 시스템 및 영상 분석 서버
WO2017039171A1 (ko) 레이저 가공장치 및 레이저 가공방법
WO2020233076A1 (zh) 基于身份验证的物品入库方法、装置、设备及存储介质
WO2019143050A1 (en) Electronic device and method for controlling autofocus of camera
WO2020230931A1 (ko) 다중 센서 및 인공지능에 기반하여 맵을 생성하고 노드들의 상관 관계를 설정하며 맵을 이용하여 주행하는 로봇 및 맵을 생성하는 방법
WO2020171333A1 (ko) 이미지 내의 오브젝트 선택에 대응하는 서비스를 제공하기 위한 전자 장치 및 방법
WO2021157904A1 (en) Electronic apparatus and controlling method thereof
WO2022145999A1 (ko) 인공지능 기반의 자궁경부암 검진 서비스 시스템
WO2022086157A1 (ko) 전자 장치 및 그 제어 방법
WO2020080734A1 (ko) 얼굴 인식 방법 및 얼굴 인식 장치
WO2020204219A1 (ko) 인공지능을 이용한 사물 인식 학습에서 아웃라이어를 분류하는 방법 및 분류장치와 로봇
WO2019199019A1 (ko) 테라헤르츠파 기반 결함 측정 장치 및 방법
WO2022039575A1 (ko) 딥 러닝 기반 실시간 공정 감시 시스템 및 그 방법
WO2012108577A1 (ko) 감시 장치 및 방법
WO2023282441A1 (ko) 이미지 프로세싱을 위한 전자 장치 및 그 동작 방법
WO2022108044A1 (ko) 이미지 분석 서버, 이미지 분석 서버를 이용한 객체 카운팅 방법 및 객체 카운팅 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22858774

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22858774

Country of ref document: EP

Kind code of ref document: A1