[논문]모터 샤프트 이중컷 불량 검사 알고리즘

황면중; 정성엽

doi:10.5762/kais.2017.18.2.335

초록
AI-Helper

본 논문은 모터 샤프트 제조 공정에서 발생하는 이중컷 불량을 검사하기 위한 영상 처리 알고리즘을 제안하였다. 알고리즘은 영상의 밝기를 이용하여 외곽선을 추출하는 단계와 추출된 외곽선을 이용하여 이진화된 경계선 그래프를 구하는 단계, 최종적으로 이진화된 경계선 그래프를 이용하여 불량품을 판정하는 단계로 구성된다. 본 논문에서는 두 절단면이 분리되어 있는 결함과 두 절단면이 연결되어 있는 결함을 각각 type 1 결함과 type 2 결함이라고 정의하였다. 실제 제조 과정에서 112개의 양품과 44개의 불량품 (type 1 불량 34개 및 type 2 불량 10개) 샘플을 수집하였으며, 수집한 샘플을 이용하여 제안된 알고리즘을 검증하였다. 알고리즘 시험 결과 100% 정확도로 양품과 불량품을 판정하였으며, 불량품의 경우도 type 1 불량과 type 2 불량을 정확히 구분하는 것으로 확인되었다. 본 논문에서 제안한 알고리즘은 추가적으로 다양한 샘플에 대해 신뢰성을 확보한 후 실제 현장에 사용할 계획이다.

Abstract ▼ AI-Helper

This paper proposes an image-processing algorithm for inspecting double-cut defects in the motor shaft manufacturing process. The algorithm consists of extracting the outline using the brightness of the image, obtaining a binarized boundary graph using the extracted outline, and determining the defe...

This paper proposes an image-processing algorithm for inspecting double-cut defects in the motor shaft manufacturing process. The algorithm consists of extracting the outline using the brightness of the image, obtaining a binarized boundary graph using the extracted outline, and determining the defects from the graph. Defects in which two cut surfaces are separated are considered type 1 defects, and those in which two cut surfaces are connected are defined as type 2 defects. In an actual manufacturing process, 112 good samples and 44 defective samples (34 type 1 defects and 10 type 2 defects) were collected and used to verify the algorithm. The samples were judged with 100% accuracy for both type 1 and type 2 defects. The algorithm will be used in the field after securing reliability for various samples.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 모터 샤프트에서 발생할 수 있는 이중 커팅 불량을 머신 비전 기술을 통해 자동으로 검사할 수 있는 방법을 제안하고 실험을 통해 제안된 방법을 검증한다.
11과 같은 그래프를 구할 수 있다. 본 논문에서는 이렇게 구해진 외곽원의 이진 밝기 그래프를 이용하여 이중컷 불량을 검사한다.
13(b)와 같이 사각형의 길이가 정상인 경우보다 길어지게 된다. 본 논문은 이러한 성질을 이용하여 이중컷 불량을 검출하는 알고리즘을 제안하였다.

가설 설정

Fig. 3(a)에서 지그가 동축 조명에 의해 반사면을 구성하여 측정 대상의 아래부분은 구분이 잘되지만 윗 부분은 반사해주는 면이 없어 경계가 구분이 되지 않는다. 이를 해결하기 위해 Fig.
13(a)와 같이 두 절단면이 서로 만나는 경우이다. 본 논문에서는 첫 번째 경우를 type 1 불량이라고 정의하고 두 번째 경우를 type 2 불량이라고 정의한다. type 1 불량인 경우에 외곽원 이진 밝기 그래프는 Fig.

제안 방법

모터 샤프트의 이중컷 검사 알고리즘 개발 및 검증을 위하여 Fig. 2과 같은 영상 측정 시스템을 제작하였다. 영상 측정 시스템은 CCD 카메라, 텔레센트릭렌즈, 동축조명 및 후방조명과 모터 샤프트를 지지하기 위한 지그로 구성된다.
컷팅면의 경계를 찾아야하는 알고리즘을 위해서는 경계면의 구분이 필요하다. 이를 위해 밝은 부분은 더 밝게 어두운 부분은 더 어둡게 하는 영상 전처리를 수행하였다. 이를 위해 식 (1)과 같은 Sigmoid 함수를 이용하였다.
이중컷 유무를 검사하기 위해서는 모터 샤프트의 외곽원을 정확히 찾아야한다. 이를 위해 우선 가상의 중심(Initial Center)에서 반경 방향으로 관심영역 (ROI)를 설정한다. 우선 알고 있는 모터 샤프트의 직경을 이용하여 Fig.
6을 보면 경계점 중에는 실제 모터 샤프트의 외곽원이 아닌 점들이 존재한다. 이를 제거하기 위해 2차로 구한 반경을 이용하여 폭이 좁은 관심영역(Fine Circular ROI)을 설정하고 이 영역 내에 있는 경계점만을 이용하여 최종적으로 원의 중심점(Exact Center)과 반경을 구한다. Fig.
제안된 알고리즘을 검증하기 위해서 Visual C++ 2013에서 OpenCV 3.0 라이브러리를 이용하여 검사 프로그램을 개발하였다. 프로그램은 Fig.
1) 영상처리 방법을 이용한 검사 알고리즘을 제안하였다.
2) 알고리즘을 적용하기 용이하도록 카메라의 조명 종류 및 조건을 실험을 통하여 조사하였으며, 알고리즘 시험 및 검증을 위해 영상 측정 시스템을 제작하였다.

대상 데이터

사용한 CCD 카메라는 JAI사의 BM-500GE 모델로 2456(수직) × 2058(수평) 화소를 가지는 흑백카메라이다.
2과 같은 영상 측정 시스템을 제작하였다. 영상 측정 시스템은 CCD 카메라, 텔레센트릭렌즈, 동축조명 및 후방조명과 모터 샤프트를 지지하기 위한 지그로 구성된다. 사용한 CCD 카메라는 JAI사의 BM-500GE 모델로 2456(수직) × 2058(수평) 화소를 가지는 흑백카메라이다.
본 논문에서 이용한 미소영역은 dr이 10픽셀이며 dθ는 1도이다.
알고리즘의 유효성을 검증하기 위하여 156개의 샘플을 이용하여 검사 결과를 조사하였다. Table 1은 검사 결과를 정리한 것이다.
Table 1은 검사 결과를 정리한 것이다. 총 156개의 샘플 중에 양품은 112개이며 불량품은 44개이다. 불량품은 type 1 불량 34개와 type 2 불량 10개로 구성되어 있다.
총 156개의 샘플 중에 양품은 112개이며 불량품은 44개이다. 불량품은 type 1 불량 34개와 type 2 불량 10개로 구성되어 있다. Table 1의 3번째 열은 시험 샘플 중에 양품으로 판정한 결과로 불량품을 양품으로 판정한 결과는 없음을 확인할 수 있다.

이론/모형

이렇게 구한 경계점을 이용하여 2차로 더 정확한 중심점(Fine Center)과 반경을 구한다. 중심점과 반경를 구하는 방법은 뉴튼-랩슨법을 이용하였다[11]. Fig.

성능/효과

불량 판정 결과 양품을 불량품으로 판정한 결과는 없었다. 또한 불량 판정 결과를 보면 type 1 불량 샘플은 type 1 불량으로 type 2 불량 샘플은 type 2 불량으로 각각 정확히 판정한 것을 알 수 있다. 각 샘플당 순수하게 검사알고리즘에 소요된 시간은 0.
3) 영상 처리 알고리즘은 크게 모터 샤프트의 측면 영상에서 외곽원을 추출하는 부분과 추출된 외곽선을 이용하여 절단면인지 아닌지를 나타낼 수 있는 외곽원 이진 밝기 그래프를 구하는 과정으로 나눌 수 있다. 영상처리 알고리즘은 외곽원 이진 밝기 그래프의 상승 모서리와 하강 모서리를 조사하여 양품과 불량을 판별할 수 있으며, 불량의 종류 또한 규명할 수 있었다.
3) 영상 처리 알고리즘은 크게 모터 샤프트의 측면 영상에서 외곽원을 추출하는 부분과 추출된 외곽선을 이용하여 절단면인지 아닌지를 나타낼 수 있는 외곽원 이진 밝기 그래프를 구하는 과정으로 나눌 수 있다. 영상처리 알고리즘은 외곽원 이진 밝기 그래프의 상승 모서리와 하강 모서리를 조사하여 양품과 불량을 판별할 수 있으며, 불량의 종류 또한 규명할 수 있었다.
4) 본 논문에서 제안한 알고리즘의 검증에 156개의 실제 샘플을 이용하였으며, 시험 결과 알고리즘의 신뢰도는 100%인 것으로 확인되었다.
일반적으로 검사시간의 대부분은 부품의 이송시간이 차지한다. 본 논문에서 제안한 알고리즘의 소요 시간은 0.14msec로 전체 검사시간 중 검사 알고리즘이 차지하는 비중은 작을 것으로 예상된다.

후속연구

6) 향후 다양한 샘플에 대해서 검증을 수행하여 알고리즘의 신뢰성을 확보한 후에 실제 현장에 적용할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	모터 샤프트 제조 공정에서 발생하는 이중컷 불량을 검사하기 위한 영상 처리 알고리즘은 무엇으로 구성되는가?	본 논문은 모터 샤프트 제조 공정에서 발생하는 이중컷 불량을 검사하기 위한 영상 처리 알고리즘을 제안하였다. 알고리즘은 영상의 밝기를 이용하여 외곽선을 추출하는 단계와 추출된 외곽선을 이용하여 이진화된 경계선 그래프를 구하는 단계, 최종적으로 이진화된 경계선 그래프를 이용하여 불량품을 판정하는 단계로 구성된다. 본 논문에서는 두 절단면이 분리되어 있는 결함과 두 절단면이 연결되어 있는 결함을 각각 type 1 결함과 type 2 결함이라고 정의하였다.
	머신 비전 기술은 무엇인가?	그러나 최종 제품의 요소로 사용된 불량품은 완성품의 품질 및 이미지에 나쁜 영향을 미치기 때문에, 최근에는 샘플 검사가 아닌 전수 검사를 실시하려고 하는 요구가 많다. 머신 비전 기술은 카메라를 이용하여 대상을 측정한 후 영상을 컴퓨터 프로그램을 이용하여 분석하고 불량 유무를 판단할 수 있는 기술로 컴퓨팅 파워가 발전함에 따라 최근 기계 요소 부품의 전량 검사 기술로 자주 활용되고 있다[1-5]. 본 논문에서 대상으로 하는 모터 샤프트는 Fig.
	영상 측정 시스템은 무엇으로 구성되는가?	2과 같은 영상 측정 시스템을 제작하였다. 영상 측정 시스템은 CCD 카메라, 텔레센트릭렌즈, 동축조명 및 후방조명과 모터 샤프트를 지지하기 위한 지그로 구성된다. 사용한 CCD 카메라는 JAI사의 BM-500GE 모델로 2456(수직) × 2058(수평) 화소를 가지는 흑백카메라이다.

참고문헌 (11)

J. J. Park, G. H. Kim, E. S. Lee, "A Study on the Elliptical Gear Inspection System Using Machine Vision", Trans. of Korean Society of Mechanical Engineers, Part A, vol. 38, no. 1, pp. 59-63, 2014. DOI: https://doi.org/10.3795/KSME-A.2014.38.1.059

원문보기 상세보기
H. L, Song, T. W. Hur, "Development of Auto Sorting System for T type Welding nut using A Vision Inspector", Trans. of The Institute of Electronics Engineers of Korea, vol. 48, no. 1, March, pp. 16-24, 2011.
S. J. Kim, S. C. Lee, "Development of Inspection System for Surface of a Shock Absorber Rod using Machine vision", Journal of the Korea Academia-Industrial Cooperation Society, vol. 15, no. 6, pp. 3416-3422, 2014. DOI: https://doi.org/10.5762/KAIS.2014.15.6.3416

원문보기 상세보기
C. H. Han, S. Lee, C. G. Park, J. Y. Lee, Y. K. Ryu, K. W. Ko, "2D/3D Visual Optical Inspection System for Quad Chip", Journal of the Korea Academia-Industrial Cooperation Society, vol. 17, no. 1, pp. 684-692, 2016. DOI: https://doi.org/10.5762/KAIS.2016.17.1.684

원문보기 상세보기
Y. C. Kim, Y. M. Kim, S. G. Kim, H. B. Kim, M. T. Cho, "Development of the Mechanical System and Vision Algorithm for the External Appearance Test Using Vision Image Processing", Journal of the Korea Academia-Industrial Cooperation Society, vol. 17, no. 2, pp. 202-208, 2016. DOI: https://doi.org/10.5762/KAIS.2016.17.2.202

원문보기 상세보기
S. Y. Chung, M. J. Hwang, H. S, Kim, "Analysis of Visual Inspection Applicability for a DC Motor Shaft", The 11th Korea Robotics Society Annual Conference, 2016.
L. Jiang, K. Sun, F. Zhao, X. Hao, "Automatic Detection System of Shaft Part Surface Defect Based on Machine Vision", Proc. SPIE 9530, Automated Visual Inspection and Machine Vision, vol. 9530, June 22, 2015.
M. J. Hwang, S. Y. Chung, "Surface Inspection Algorithm using Oriented Bounding Box", Journal of Institute of Convergence Technology, vol. 4, no. 2, pp. 23-26 2016.
J. H. Bae, S. G. Kim, "Development of an Automatic Inspection System for PWM Shaft Using Machine Vision", Journal of the Korean Society of Manufacturing Technology Engineers, vol. 22, no. 1, pp. 125-130, 2013. DOI: https://doi.org/10.7735/ksmte.2013.22.1.125

원문보기 상세보기
Specification of BM-500GE, Available From: http://www.jai.com/en/products/bm-500ge. (accessed. Oct, 12, 2016)
B. I. Adi, "A Newton-Raphson method for the solution of systems of equations", Journal of Mathematical Analysis and Applications, vol. 15, no. 2, pp. 243-252, 1966. DOI: https://doi.org/10.1016/0022-247X(66)90115-6

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 모터 샤프트 이중컷 불량 검사 알고리즘
Inspection Algorithm for Double-Cut Defect of Motor Shaft 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 모터 샤프트 이중컷 불량 검사 알고리즘 Inspection Algorithm for Double-Cut Defect of Motor Shaft 원문보기

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

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

황면중 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 모터 샤프트 이중컷 불량 검사 알고리즘
Inspection Algorithm for Double-Cut Defect of Motor Shaft 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper