초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

공정자동화를 통한 생산원가 절감을 이루기 위해서는 공정관리가 필요하다. 공정관리에 사용되는 데이터 중 불량관리 및 개선방안 수립에 필요한 데이터를 얻는 방법으로 비전검사기가 사용되고 있다. 하지만, 중소규모의 현장에는 수요만 있을 뿐 실제 적용에까지 이르지는 못하고 있다. 이에 비교적 단순한 구성으로 현장에서 쉽게 도입할 수 있는 비전검사기 시스템을 구현하였다.

머신비전 기술은 검사 전 이미지 취득 및 보정의 단계와 결함유무 검사를 하는 단계로 나눌 수 있다. 첫 번째 단계인 이미지 취득 및 보정 단계에서 CPU기반 병렬처리인 OpenMP를 적용하여 헤드라이트의 얼라인먼트 보정을 하였고, 보정 이미지의 중심을 기준으로 좌, 우 ...

공정자동화를 통한 생산원가 절감을 이루기 위해서는 공정관리가 필요하다. 공정관리에 사용되는 데이터 중 불량관리 및 개선방안 수립에 필요한 데이터를 얻는 방법으로 비전검사기가 사용되고 있다. 하지만, 중소규모의 현장에는 수요만 있을 뿐 실제 적용에까지 이르지는 못하고 있다. 이에 비교적 단순한 구성으로 현장에서 쉽게 도입할 수 있는 비전검사기 시스템을 구현하였다.

머신비전 기술은 검사 전 이미지 취득 및 보정의 단계와 결함유무 검사를 하는 단계로 나눌 수 있다. 첫 번째 단계인 이미지 취득 및 보정 단계에서 CPU기반 병렬처리인 OpenMP를 적용하여 헤드라이트의 얼라인먼트 보정을 하였고, 보정 이미지의 중심을 기준으로 좌, 우 장축을 찾아 차종 판별을 하였다. 제안방법의 세부성능을 분석하기 위해 Gray 영상을 이용한 방법 및 라인 검출을 이용한 방법과의 모델구분 성능 및 처리속도를 비교하였고, 분석결과 본 논문에서 제시한 방법이 제조공정 관점에서 좋은 결과를 도출할 수 있었다.
두 번째 단계인 결함유무 검사 단계에서는 검사영역의 ROI와 표준 이미지와의 유사도를 이용하여 결함유무를 판단하는 방법을 제안하였다. 유사도의 경우 템플릿매칭의 유사도 판별방법인 TM_SQDIFF, TM_CCORR, TM_SQDIFF_NORMED 및 TM_CCORR_NORMED를 사용하였다. 세부성능 비교결과, TM_SQDIFF를 제외한 나머지 방법 모두에서 불량분류 기준을 용이하게 설정할 수 있었다. 특히, TM_CCORR_NORMED와 TM_CCORR의 경우 실험에 사용한 헤드라이트 각 모델의 MAX값과 MIN값의 차이가 크기 때문에 불량 분류기준 설정에 더 유리하다는 것을 알 수 있었다. 또한, 동일 판별방법 내에서도 ROI 영역의 지정 범위에 따라 판별성능이 다르게 나타나는 것을 알 수 있었다. 불량판별 대상 부품 전체를 ROI 영역으로 지정하는 것보다 부품 간 동일 영역을 제외한 부분만 ROI 영역으로 지정하는 것이 불량분류 설정의 기준이 더 명확하였고 처리속도 역시 더 빠른 것을 확인할 수 있었다.

주제어