본 연구에서는 라인스캔 카메라를 이용한 색도인식 스크랩 선별시스템을 설계 제작하고 제작한 시스템을 이용하여 철스크랩에 혼합되어 있는 Cu 스크랩을 자동으로 분리하는 연구를 수행하였다. 스크랩 자동선별 시스템은 크게 측정부, 이송부 그리고 이젝터로 구분되며 라인스캔 카메라, 광원 및 frame grabber로 구성된 측정부에서 스크랩 표면의 색도를 이메지 프로쎄싱 알고리즘에 의해 인식함으로써. 임의로 지정한 특정한 표면색상의 스크랩만에 에어노즐을 작동케 하여 선별하도록 되어 있다. 본 연구에서는 선별처리의 고속화에 대응하기 위하여 주파수 가변 광원시스템을 제작하여 선별시스템에 적용하였으며, 최적실험조건으로 스크랩 이송속도 25 m/min.에서 철스크랩중에 포함되어 있는 Cu스크랩을 90%이상 인식하여 약 80%의 선별효율을 얻었다.
본 연구에서는 라인스캔 카메라를 이용한 색도인식 스크랩 선별시스템을 설계 제작하고 제작한 시스템을 이용하여 철스크랩에 혼합되어 있는 Cu 스크랩을 자동으로 분리하는 연구를 수행하였다. 스크랩 자동선별 시스템은 크게 측정부, 이송부 그리고 이젝터로 구분되며 라인스캔 카메라, 광원 및 frame grabber로 구성된 측정부에서 스크랩 표면의 색도를 이메지 프로쎄싱 알고리즘에 의해 인식함으로써. 임의로 지정한 특정한 표면색상의 스크랩만에 에어노즐을 작동케 하여 선별하도록 되어 있다. 본 연구에서는 선별처리의 고속화에 대응하기 위하여 주파수 가변 광원시스템을 제작하여 선별시스템에 적용하였으며, 최적실험조건으로 스크랩 이송속도 25 m/min.에서 철스크랩중에 포함되어 있는 Cu스크랩을 90%이상 인식하여 약 80%의 선별효율을 얻었다.
In this study, a scrap sorting system using a color recognition method has been developed to automatically sort out specified materials from a mixture, and its application as been examined in the separation of Cu and other non-ferrous metal parts from a mixture of iron scraps. The system is composed...
In this study, a scrap sorting system using a color recognition method has been developed to automatically sort out specified materials from a mixture, and its application as been examined in the separation of Cu and other non-ferrous metal parts from a mixture of iron scraps. The system is composed of three parts; measuring, conveying and ejecting parts. The color of scrap surface is recognized by the measuring part consisting of a line-scan camera, light sources and a frame grabber. The recognition is program-controlled by a image processing algorithms, and thus only the scrap part of designated color is separated by the use of air nozzles. In addition, the light system is designed to meet a high speed of sorting process with a frequency-variable inverter and the air nozzled ejectors are to be operated by an I/O interface communication with a hardware controller. In the functional tests of the system, its efficiency in the recognition of Cu scraps from its mixture with Fe ones reaches to more than 90%, and that in the separation more than 80% at a conveying speed of 25 m/min. Therefore, it is expected that the system can be commercialized in the industry of shredder makers if a high efficiency ejecting system is realized.
In this study, a scrap sorting system using a color recognition method has been developed to automatically sort out specified materials from a mixture, and its application as been examined in the separation of Cu and other non-ferrous metal parts from a mixture of iron scraps. The system is composed of three parts; measuring, conveying and ejecting parts. The color of scrap surface is recognized by the measuring part consisting of a line-scan camera, light sources and a frame grabber. The recognition is program-controlled by a image processing algorithms, and thus only the scrap part of designated color is separated by the use of air nozzles. In addition, the light system is designed to meet a high speed of sorting process with a frequency-variable inverter and the air nozzled ejectors are to be operated by an I/O interface communication with a hardware controller. In the functional tests of the system, its efficiency in the recognition of Cu scraps from its mixture with Fe ones reaches to more than 90%, and that in the separation more than 80% at a conveying speed of 25 m/min. Therefore, it is expected that the system can be commercialized in the industry of shredder makers if a high efficiency ejecting system is realized.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
광량 및 소비전력 측면에서 유리한 광원 조건은 그림에서 보는 바와 같이 주파수가 되도록 낮은 20~27KHz의 광을 조사하는 것이 최적임을 알 수 있다. 본 시험의 목적은 광량 및 소비전력 모두 만족하는 조건의 광원주파수를 도출하는 것이나 반복실험에 의해 주파수에 따른 광량변동폭이 1~3%로 확인되었으며 이는 동일한 광량의 빛을 조사하는 데는 주파수변동이 발생함을 의미한다. 따라서 그림에서 보면 최적광원 주파수가 25-27 KHz로 나타나고 있으나 광량이 93 이상을 나타내는 20~27KHz범위, 즉, 색도인식에 미치는 영향이 크지 않는 광량범위내에서는 광원주파수를 되도록 낮추는 주파수를 선택하는 것이 바람직 하다고 판단된다.
본 연구는 색도인식을 이용한 스크랩의 선별처리 속도를 높이기 위하여 이메지 켑쳐를 기존의 에어리어 카메라를 라인스캔 카메라로 대체하고 콘베이어 고속화에 대응한 고주파 광원시스템을 도입한 스크랩 선별시스템을 제작하여 그 성능을 시험하였다.
본 연구에서는 금속표면의 색도 데이타를 취득하고 분석하기 위하여 색도데이터 취득 알고리즘을 구성하고 Visual C*로 색도인식 및 데이터 프로세싱용 S/W를 제작하였다. 인식하려는 대상물체에 대하여 광원을 조사함으로써 CCD 카메라에서 얻은 영상데이터는 frame grabber라는 이메지 취득기를 통하여 이메지를 취득한 후 컴퓨터로 보내게 되며 연속적인 영상 데이터를 full fiane으로 디스플레이 영역에 전송하게 된다.
본 연구에서는 철스크랩에 혼입되어 있는 Cu스크랩의 선별처리 고속도화에 따른 인식효율을 향상시키기 위하여 라인스캔 카메라 시스템과 주파수 가변 광원 장치를 설계하여, 스크랩 자동선별시스템을 제작하고, 시스템의 색도인식 및 선별시험과 분석을 행함으로써 향후 스크랩 자동선별시스템의 산업적용 가능성을 평가하고자 하였다.
제안 방법
그리고 측정부에서는 계측된 색도데이타를 분석하고 모든 동작은 컴퓨터상의 메인화면에서 이루어지도록 하였다. 구동부는 검출할 대상소재, 즉 본 연구에서는 스크랩을 이송하는 수단인 콘베이어와 10개의 이젝팅용 에어 노즐 분사기구로 구성되어 있으며 콘트롤러에서 송출한 신호에 따라 이송되어 오는 스크랩을 겨냥하여 공기를 분사하도록 설계하였다. Fig.
그리고 그 내부에 3CCD camera 및 조명기구가 설치되어 콘베어로 운송되어 오는 소재에 빛을 조사함으로써 반사되는 가시광의 파장을 분석하여 영상데이터를 컴퓨터로 전송하는 역할을 수행한다. Fig.
에서 60m/min. 까지 콘베이어가 진행하는 방향의 시편길이(L)와 너비(W)를 이메지 캡춰하여 측정하였다. 또 기존의 형광램프와 본 연구에서 시험 제작한 고주파 광원의 특성을 비교분석하기 위하여 주파수를 22 KHz로 고정하고 기존의 형광램프와 본 연구에서 시험제작한 고주파 광원으로 바탕이 녹색계열인 콘베이어의 표면에 빛을 조사하여 각각의 이메지를 캡춰하여 RGB 데이터 분포 및 이메지 분석을 행하였다.
그 이유는 주파수가 높아짐에 따라 전력소모와 더불어 파형에 왜곡 발생율이 커져 이로 인하여 색도 인식 능이 크게 저하하는 문제가 발생하므로 되도록 낮은 주파수 대역의 광원조건을 찾는 것이 우선적이기 때문이다. 따라서 이러한 이유로 인하여 본 연구에서도 스크랩 선별시험은 최적 주파수 범위내에 있으면서 되도록 낮은 주파수인 22 KHz를 선정하여 시험을 행하였다. Fig.
까지 콘베이어가 진행하는 방향의 시편길이(L)와 너비(W)를 이메지 캡춰하여 측정하였다. 또 기존의 형광램프와 본 연구에서 시험 제작한 고주파 광원의 특성을 비교분석하기 위하여 주파수를 22 KHz로 고정하고 기존의 형광램프와 본 연구에서 시험제작한 고주파 광원으로 바탕이 녹색계열인 콘베이어의 표면에 빛을 조사하여 각각의 이메지를 캡춰하여 RGB 데이터 분포 및 이메지 분석을 행하였다. 자동선별 시험은 고주파 광원시스템과 연계한 스크랩 선별시스템을 이용하여 시험을 행하였다.
색도인식 자동선별 시스템은 크게 측정부, 제어부 그리고 구동부로 구성되어 있으며 측정부는 색도를 계측하기 위한 구성요소로써 자연광에 의한 영향을 제거하기 위하여 폐쇄된 공간내부를 암실구조로 하였다. 그리고 그 내부에 3CCD camera 및 조명기구가 설치되어 콘베어로 운송되어 오는 소재에 빛을 조사함으로써 반사되는 가시광의 파장을 분석하여 영상데이터를 컴퓨터로 전송하는 역할을 수행한다.
콘베이어상에 배치된 스크랩은 광원과 카메라가 설치된 폐쇄된 측정공간을 지나치는 과정에서 라인카메라로 스크랩의 이메지를 캡춰하고 이메지를 칼라데이타로 전환하여 연산 처리하여 분석하게 되며, Cu 스크랩인 경우 에어노즐을 분사하여 이젝팅하게 된다. 선별효율의 산출은 선별 후 투입된 철스크랩에 몇개의 Cu스크랩이 혼합되는 지를 계수하여 산출하였다. Table 1에는 도출된 시험조건 하에서 스크랩 그룹별로 자동선별을 행한 결과를 나타낸다.
스크랩 선별시스템의 선별조건은 반응시간, 복귀시간 및 인접검출 등 3가지 항목으로 구성되며, 전보8)에서 기술한 선별시스템 운전 메인화면상에서 ms 단위로 임의로 입력을 하여 조정을 하면서 최적의 조건을 도출하였다. 여기서 반응시간은 카메라에서 스크랩표면색을 인식하여 에어노즐을 분사할 때 까지의 시간을 의미하며 복귀 시간은 분사 후 다음 분사동작까지의 시간을, 인접검출은 연속하여 이송되어 오는 스크랩이 동일의 재질인 경우 한 몸체로 인식되는 시간을 의미한다.
스크랩 자동선별 시험은 먼저 콘베이어 속도 및 스크랩 선별시스템의 선별조건을 결정한 후에 행하였다. 스크랩 선별시스템의 선별조건은 반응시간, 복귀시간 및 인접검출 등 3가지 항목으로 구성되며, 전보8)에서 기술한 선별시스템 운전 메인화면상에서 ms 단위로 임의로 입력을 하여 조정을 하면서 최적의 조건을 도출하였다.
스크랩 자동선별시험은 철스크랩, Cu스크랩, 그리고 철스크랩에 Cu스크랩을 일정한 비율로 혼합한 혼합스크랩 등 3개 그룹의 시편을 준비하고 그룹별로 색도 인식 및 선별시험을 하였다. 혼합스크랩은 5~6cm인 크기의 철스크랩 100개와 50개의 Cu스크랩을 2:1로 혼합하여 총 150개의 스크랩으로 시험하였다.
자동선별 시험은 고주파 광원시스템과 연계한 스크랩 선별시스템을 이용하여 시험을 행하였다. 시험용 철스크랩 및 Cu스크랩은 자동차 슈레더 공장에서 생산된 자동차 스크랩을 회수하여 본 시스템의 규모에 적합하도록 적당한 크기로 절단하여 시험편을 제작하였다. 자동선별 시험은 컨베이어 속도를 25m/min.
자동선별 시험은 컨베이어 속도를 25m/min.으로 고정하고 최적의 노즐반응시간, 복귀시간 및 인접검출시간 등 최적의 조건을 도출한 후에 인식효율 및 선별효율 측정시험을 행하였다.
또 기존의 형광램프와 본 연구에서 시험 제작한 고주파 광원의 특성을 비교분석하기 위하여 주파수를 22 KHz로 고정하고 기존의 형광램프와 본 연구에서 시험제작한 고주파 광원으로 바탕이 녹색계열인 콘베이어의 표면에 빛을 조사하여 각각의 이메지를 캡춰하여 RGB 데이터 분포 및 이메지 분석을 행하였다. 자동선별 시험은 고주파 광원시스템과 연계한 스크랩 선별시스템을 이용하여 시험을 행하였다. 시험용 철스크랩 및 Cu스크랩은 자동차 슈레더 공장에서 생산된 자동차 스크랩을 회수하여 본 시스템의 규모에 적합하도록 적당한 크기로 절단하여 시험편을 제작하였다.
특히, 본 연구에서는 선별처리 고속화에 따른 최적광원을 도출하기 위하여 주파수를 17KHz~40KHz 범위에서 2KHz단위로 가변할 수 있는 고주파 인버터가 내장된 광원시스템을 설계 제작하여, 콘트롤부와 연동되도록 하였다. 제어부는 시스템을 제어하는 콘트롤러와 컴퓨터로 구성되어 있으며, 시스템의 모든 구성요소가 연동되도록 설계하였다. 그리고 측정부에서는 계측된 색도데이타를 분석하고 모든 동작은 컴퓨터상의 메인화면에서 이루어지도록 하였다.
따른 광량 및 소비전력을 측정하였다. 조도는 조도계로 소비전력은 주파수 변화에 따른 투입 전압 및 전류를 파워메터로 측정하였다. 또한 콘베이어 속도변화가 3 CCD 카메라로 캡쳐되는 이메지 크기에 어떻게 영향을 미치는 지 알기 위하여 컨베이어 속도를 5m/min.
Frame grabber는 i2s camera link방식의 Matrix vision의 mv GAMMA- CL(i2s camera limk방식)을 사용하였다. 조명은 20W 용량의 형광램프를 사용하여 색도 측정 중에 1000 룩스 이상의 조도를 유지하도록 하였다. 특히, 본 연구에서는 선별처리 고속화에 따른 최적광원을 도출하기 위하여 주파수를 17KHz~40KHz 범위에서 2KHz단위로 가변할 수 있는 고주파 인버터가 내장된 광원시스템을 설계 제작하여, 콘트롤부와 연동되도록 하였다.
최적의 고주파광원을 도출하기 위하여 조도를 500 룩스로 고정하고 고주파인버터의 주파수를 약 2KHz 간격으로 17kHz에 40KHz까지 가변시키면서 주파수 변화에 따른 광량 및 소비전력을 측정하였다. 조도는 조도계로 소비전력은 주파수 변화에 따른 투입 전압 및 전류를 파워메터로 측정하였다.
조명은 20W 용량의 형광램프를 사용하여 색도 측정 중에 1000 룩스 이상의 조도를 유지하도록 하였다. 특히, 본 연구에서는 선별처리 고속화에 따른 최적광원을 도출하기 위하여 주파수를 17KHz~40KHz 범위에서 2KHz단위로 가변할 수 있는 고주파 인버터가 내장된 광원시스템을 설계 제작하여, 콘트롤부와 연동되도록 하였다. 제어부는 시스템을 제어하는 콘트롤러와 컴퓨터로 구성되어 있으며, 시스템의 모든 구성요소가 연동되도록 설계하였다.
인식하려는 대상물체에 대하여 광원을 조사함으로써 CCD 카메라에서 얻은 영상데이터는 frame grabber라는 이메지 취득기를 통하여 이메지를 취득한 후 컴퓨터로 보내게 되며 연속적인 영상 데이터를 full fiane으로 디스플레이 영역에 전송하게 된다. 획득한 영상 데이터는 RGB(red, green, blue) 값으로 데이터화하며, 연산이 용이한 색도 데이터로 변환하기 위해서 전보 8)에서 보고한 바와 같은 변환식을 이용하여 RGB 데이터를 HSV 데이터로 변환한다.
대상 데이터
1은 색도 데이터를 취득하기 위한 기능을 수행하도록 제작한 시험용 색도 인식 선별시스템의 개념도를 나타낸 것이다. 시스템에 사용된 카메라는 BASLER의 라인스캔 카메라(Model: L104K)로 하였으며 LM 가이드를 사용하여 100~300mm 까지 높이조절이 가능하도록 하였다. Frame grabber는 i2s camera link방식의 Matrix vision의 mv GAMMA- CL(i2s camera limk방식)을 사용하였다.
및 선별시험을 하였다. 혼합스크랩은 5~6cm인 크기의 철스크랩 100개와 50개의 Cu스크랩을 2:1로 혼합하여 총 150개의 스크랩으로 시험하였다. 선별시험은 스크랩 시편을 Fig.
이론/모형
시스템에 사용된 카메라는 BASLER의 라인스캔 카메라(Model: L104K)로 하였으며 LM 가이드를 사용하여 100~300mm 까지 높이조절이 가능하도록 하였다. Frame grabber는 i2s camera link방식의 Matrix vision의 mv GAMMA- CL(i2s camera limk방식)을 사용하였다. 조명은 20W 용량의 형광램프를 사용하여 색도 측정 중에 1000 룩스 이상의 조도를 유지하도록 하였다.
2. Lab-scaled scrap sorting system used in this study.
성능/효과
고주파 광원시험결과, 광량 및 소비전력 측면에서 인버터의 주파수를 20~27KHz로 하여 광을 조사하는 것이 최적임을 알 수 있었으며, 또한 최적의 고주파 광원하에서 라인스캔 카메라를 통하여 획득한 이메지는 RGB 광분포가 균일하여 라인스캔 카메라를 이용한 스크랩 선별처리의 고속화가 가능함을 확인하였다. 스크랩 선별효율 평가결과, 스크랩 이송속도가 25m /min.
즉, 본 연구에서 제작한 시스템으로 캡춰한 이메지는 RGB 광분포가 균일한 반면 기존 시스템의 이메지는 RGB 각 색요소의 분포가 불균일하여 진폭의 고저가 크게 나타나고 있으며 특히 녹색과 적색광의 산과 골의 고저가 어긋남으로써 RGB 분포곡선 하단에 나타낸 이미지에 적색줄무늬가 나타나고 있음을 알 수 있다. 반면 본 연구에서 제작한 시스템의 이메지는 기존 시스템의 이메지와 달리 줄무늬가 나타나고 있지 않고 있어 이러한 광원특성이 스크랩 선별시스템의 색도인식능 향상에 크게 영향을 미치는 것으로 판단된다. Fig.
스크랩 선별효율 평가결과, 스크랩 이송속도가 25m /min.에서 90% 이상의 인식효율과 약 80%이상의 선별효율을 나타내었으며 향후 고정도의 이젝팅 시스템이 구현된다면 자동차 슈레더 업체, 재활용업체 및 전기로 제강 업체 등으로의 산업적으로 적용가능성이 매우 높은 것으로 판단되었다.
이 결과는 인식성능은 매우 우수하나 에어노즐시스템의 특성상 스크랩을 이젝팅하는 능력에 한계가 있음을 의미한다. 즉, 금속스크랩의 콘베어벨트 표면과의 마찰력이 커 에어 노즐이 정확히 스크랩을 향하여 분사를 하지만 분사력에 한계가 있어 VKg/cn?이상으로 분사력을 크게 하더라도 이젝팅이 안되는 경우가 발생하여 선별효율를저하시키는 요인임을 확인하였다. 선별효율을 보다 향상시키기 위해서는 향후 이젝팅 시스템의 개선이 필요할 것으로 판단되었다.
예로써 인접검출시간이 100 ms인 경우 첫 번째 검출 후 두번째 검출까지의 시간이 100 ms 이내에 검출하였다면 이는 하나의 물체로 인식하여 분사를 행한 후 분사동작을 중단하지 않고 계속 분사를 하는 상태로 있게 되는 것을 의미한다. 자동선별시 콘베이어속도는 25m/min로 일정하게 하여 콘베이어상에 스크랩을 투입하였으며 예비선별 시험을 행한 결과 도출된 최적의 반응시간이 2500ms, 복귀시간이 150ms, 인접검출은 100 ms 이었다.
그림은 라인스캔 카메라로 캡춰한 이메지 중심부 (1023 픽셀라인)의 폭방향으로 분포하는 RGB데이터를 히스토그램으로 출력한 결과를 나타낸 것으로 기존 시스템과 본 연구에서 제작한 시스템간에 차이가 있음을 알 수 있다. 즉, 본 연구에서 제작한 시스템으로 캡춰한 이메지는 RGB 광분포가 균일한 반면 기존 시스템의 이메지는 RGB 각 색요소의 분포가 불균일하여 진폭의 고저가 크게 나타나고 있으며 특히 녹색과 적색광의 산과 골의 고저가 어긋남으로써 RGB 분포곡선 하단에 나타낸 이미지에 적색줄무늬가 나타나고 있음을 알 수 있다. 반면 본 연구에서 제작한 시스템의 이메지는 기존 시스템의 이메지와 달리 줄무늬가 나타나고 있지 않고 있어 이러한 광원특성이 스크랩 선별시스템의 색도인식능 향상에 크게 영향을 미치는 것으로 판단된다.
후속연구
즉, 금속스크랩의 콘베어벨트 표면과의 마찰력이 커 에어 노즐이 정확히 스크랩을 향하여 분사를 하지만 분사력에 한계가 있어 VKg/cn?이상으로 분사력을 크게 하더라도 이젝팅이 안되는 경우가 발생하여 선별효율를저하시키는 요인임을 확인하였다. 선별효율을 보다 향상시키기 위해서는 향후 이젝팅 시스템의 개선이 필요할 것으로 판단되었다.
참고문헌 (8)
C. Boukouvalas, F. D. Natale, G. D. Toni, et al., 1998 : Automatic system for surface inspection and sorting of tiles, J. Mater. Proc. Tech., 82, pp. 179-188
D. Wang, J. Zou, and Y. Yang, 1996 : Agricultural produce grading and sorting system using color CCD and color identification algorithm, Proceedings of SPIE, 2899, pp. 637-645
D. Lee and R. S. Anbalagan, 1995 : High-speed automated color sorting vision system, Proceedings of SPIE, 2622, pp. 573-579
F. Pla, J. M. Sanchiz, and J. S. Sanchez, 2001 : An integral automation of industrial fruit and vegetable sorting by machine vision, IEEE Symposium on Emerging Technologies and Factory Automation, ETFA, 2, pp. 541-546
J. M. Oestreich, W. K. Tolley, and D. A. Rice, 1995 : The development of color sensor system to measure mineral composition, Mineral Eng., 8(1/2), pp. 31-39
A. M. Sabatani, V. Genovese, E. Guglielmelli, et al. : A Low-cost, composite sensor array combining ultrasonic and infrared proximity sensors, IEEE International Conference on Intelligent Robots and Systems, 3, pp. 120-126
J. E. Gebhardt, W. K. Tolley, and J. H. Ahn, 1993 : Color measurements of minerals and mineralized froths, Miner. Metall. Process., May, pp. 96-99
김찬욱, 김행구, 2006 : 머신비젼 시스템을 이용한 스크랩 자동선별연구, 자원리싸이클링, 15(6), pp. 3-9
※ AI-Helper는 부적절한 답변을 할 수 있습니다.