[논문]컴퓨터 비전 기술을 이용한 볼트 탭 형상 검사 시스템 개발

박양재

doi:10.14400/jdc.2018.16.3.303

컴퓨터 비전 기술을 이용한 볼트 탭 형상 검사 시스템 개발
Development of Bolt Tap Shape Inspection System Using Computer Vision Technology 원문보기

디지털융복합연구 = Journal of digital convergence, v.16 no.3, 2018년, pp.303 - 309

초록
AI-Helper

컴퓨터 비전 기술은 인공지능의 한 분야로 인간의 눈의 기능을 기계가 수행 할 수 있도록 카메라로부터 영상 이미지를 취득하고, 알고리즘을 통하여 분석하고 판별한 후 생산부품의 양품과 불량을 판별하는 부품 검사에 많이 적용되고 있다. 볼트 생산 시스템에서 생산되는 볼트 탭의 유무를 컴퓨터 비전 기술을 적용하여 자동으로 불량품을 선별하는 장치를 개발하였다. 형상검사 방법으로는 라인 스캔방식으로 검사영역의 시작점과 끝점의 위치를 파악하여 높이를 측정하는 방법을 사용하였으며, 볼트 탭의 유무를 판별하기 위한 방식으로는 원형 스캔방식으로 검사영역의 평균 밝기 값의 차이를 측정하여 유사도를 구하는 방식을 사용하였다. 두 종류의 볼트 탭의 검사 성능실험에서 총 검사에 소요되는 시간은 분당 300개 검사가 가능하며, 완벽한 검사 정확도를 나타내어 생산라인에서 검사의 정확성과 효율성을 입증하였다.

Abstract ▼ AI-Helper

Computer vision technology is a component inspection to obtain a video image from the camera to the machine to perform the capabilities of the human eye with a field of artificial intelligence, and then analyzed by the algorithm to determine to determine the good and bad of production parts It is widely applied. Shape inspection method was used as how to identify the location of the start point and the end point of the search range, measure the height to the line scan method, in such a manner as to determine the presence or absence of the bolt tabs average brightness of the inspection area in a circular scan type value And the degree of similarity was calculated. The total time it takes to test in the test performance tests of two types of bolts tab enables test 300 min, and demonstrated the accuracy and efficiency of the inspection on the production line represented a complete inspection accuracy.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 컴퓨터 비전 기술을 적용한 볼트 탭 형상 검사 시스템을 개발 하였다. 이미지 검사 알고리즘으로는 라인 스캔방식으로 검사영역의 시작점과 끝점의 위치를 파악하여 높이를 측정하는 방법을 사용하였으며,탭의 유무를 판별하기 위한 방식으로는 원형 스캔방식으로 검사영역의 평균 밝기 값의 차이를 측정하여 유사도를 구하는 방식을 사용하였다.

가설 설정

본 시스템의 검사대상은 Fig. 4와 같이 두 종류의 (a) 황동탭(Brass with Tap)과 (b)너트타입의 탭(Nut Type with Tap)이다.
1)이진 에지 이미지를 사용하여 누산기 배열에 계산값을 누적 시킨다.

제안 방법

Fig. 7과 같이 양품과 불량품 이미지의 형상의 차이를 발견하는 방식을 적용하여 탭이 있는 경우와 없는 경우를 판별하는데 적용하였다.
검사 시스템의 검사과정은 이송장치를 통해 검사대상인 탭이 이송 시스템으로 공급되면 비전 카메라를 사용하여 대상의 정면이미지를 취득하고 이미지분석과 처리를 통해 검사대상 여부를 판별한다. 검사결과가 부합하면 RS-485통신을 이용하여 PLC에 전달되며 제품분리장치에 의해 양품과 불량을 Fig.
즉, 모든 픽셀의 밝기 값의 범위는 0-255 사이이다. 그러므로 본 시스템에서는 픽셀의 밝기 값을 이용하여 탭의 형상 검사를 수행한다.
너트타입의 탭(Nut Type with Tap)의 검사항목은 탭의 유무 검사와 높이검사를 동시에 수행할 수 있도록 깊은 곳의 탭까지 검사하기 위하여 고광량의 국부조명을 이용하였으며, 깊은 조리개 심도를 활용하여 최적화된 이미지 처리를 Fig. 9와 같이 취득하였다. 카메라의 각도는 비스듬한 각도로 탭의 유무를 판별하기 위한 최소치 이내의 각도를 유지하여 높이 측정에 대한 왜곡 무결성을 최대한 확보하였다.
라인 스캐닝 방식의 검사 방법은 Fig. 6과 같이 검사대상이 이송 시스템에 의하여 검사대상이 비전 카메라의 검사영역 안으로 들어가면 라인 스캔하여 대상의 위치와 시작점과 끝점을 검출하여 높이를 계산하는 방식을 적용하였다. 이 방식으로 대상의 높이를 측정하여 설정된 높이와 다른 경우 불량을 선별하는 기능을 수행한다.
본 시스템은 픽셀의 밝기 값의 차에 따라서 흑색부분과 백색부분의 경계면을 검출해 내는 라인스캔방식과 원형 이미지 박스를 설치한 영역 안에서 형상이 다름으로 발생되는 밝기 차이를 발견하기 위한 원형 스캐닝 방식을 사용하여 패턴 매칭방식에 따른 유사도를 검사하여 양품과 불량품의 판별하는 방식을 적용하였다[14,15].
본 연구에서는 이송 시스템에 의하여 볼트가 검사 위치로 이동되면 센서가 설치된 카메라가 획득한 영상을 이미지 처리하여 볼트의 탭의 유무를 판별하는 방식을 적용하였다. 이 방법은 결함이 없는 정상 볼트 이미지와 획득된 이미지와의 차이를 통하여 양품과 불량품을 판별한다.
일반 디지털 카메라 또는 DSLR과는 다르게 자동화 설비에 최적화된 16K TDI급 고해상도 Line Scan 카메라와 F-Mount Line Scan 전용 고해상도/저왜곡 렌즈(Tele-centric)를 적용하였다.
빠른 이미지 처리를 위하여 취득한 이미지를 흑백 이미지로 변환한다. 취득된 이미지는 조명에 의한 빛과 그림자 같은 잡음이 있기 때문에 이를 감소시키기 위하여 필터링과 경계 추출을 수행한다. 볼트 탭의 정상 이미지와 취득된 이미지와 비교를 통하여 볼트 탭의 유무를 판별을 수행 한다[12,13]
컴퓨터 비전 시스템은 카메라의 시각매체를 통해 입력받은 영상에서 주변물체와 환경 속성에 대한 이미지를 분석하여 유용한 정보를 생성하는 기술이다[1]. 컴퓨터 비전 기술을 적용하여 볼트 생산 시스템에서 생산되는 볼트의 형상을 카메라로 실시간 취득하여 양품의 볼트 탭 이미지와 취득한 이미지와의 차이를 비교하여 자동으로 선별하는 형상 검사 시스템을 개발하였다.
컴퓨터 비전을 이용한 탭 형상 검사 시스템의 성능 검사는 두 종류의 황동 탭(Brass with Tap)과 너트타입의 탭(Nut Type with Tap)의 양품과 불량 선별의 정확성과 시간을 측정하였다. 실험은 황동탭과 너트타입의 탭 각각 1000개이며, 양품 960개, 불량품 40개로 10회 반복하여 측정하였다.
탭의 유무를 판정하기 위한 방식으로는 원형스캔방식을 적용하여 설정 이미지와 비교하여 밝기 값의 차이가 나는 부분에 원형 툴을 설치하여 설정된 영역 내에서 불량제품의 기준이 되는 밝기 값의 한계 영역을 설정하고 기준 값과 비교하여 판정한다.

대상 데이터

컴퓨터 비전을 이용한 탭 형상 검사 시스템의 성능 검사는 두 종류의 황동 탭(Brass with Tap)과 너트타입의 탭(Nut Type with Tap)의 양품과 불량 선별의 정확성과 시간을 측정하였다. 실험은 황동탭과 너트타입의 탭 각각 1000개이며, 양품 960개, 불량품 40개로 10회 반복하여 측정하였다. 탭의 형상을 검사하는 실험에서는 종류별 1000개의 대상에서 40개의 불량품을 정확하게 선별하여 완벽한 정확도를 나타내었다.

이론/모형

본 논문에서는 컴퓨터 비전 기술을 적용한 볼트 탭 형상 검사 시스템을 개발 하였다. 이미지 검사 알고리즘으로는 라인 스캔방식으로 검사영역의 시작점과 끝점의 위치를 파악하여 높이를 측정하는 방법을 사용하였으며,탭의 유무를 판별하기 위한 방식으로는 원형 스캔방식으로 검사영역의 평균 밝기 값의 차이를 측정하여 유사도를 구하는 방식을 사용하였다. 본 시스템은 검사대상을 컴퓨터 비전 카메라 영역까지 이송하는 시간은 두 종류 모두 평균 분당 300개 정도이며, 한 개의 볼트 탭 검사 시간은 검사 이미지를 카메라가 획득하는 시간은 약 50ms, 검사시간은 약 150ms 으로 총 검사시간은 약 200ms 소요되었다.

성능/효과

1에서 (a)는 취득 영상, (b)는 밝기 값 히스토그램,(c)는 결과 영상이다. (b)히스토그램에서 백그라운드 영역은 약 100, 물체는 약 150 정도의 밝기 값 분포를 갖는다. 따라서 임계값 T=125 밝기 값 분포 정도로 설정하고이진화를 했을 때 (c)와 같이 가장 우수한 이진화 결과를 얻을 수 있다.
본 시스템은 검사대상을 컴퓨터 비전 카메라 영역까지 이송하는 시간은 두 종류 모두 평균 분당 300개 정도이며, 한 개의 볼트 탭 검사 시간은 검사 이미지를 카메라가 획득하는 시간은 약 50ms, 검사시간은 약 150ms 으로 총 검사시간은 약 200ms 소요되었다. 두 종류의 볼트 탭의 검사 정확도는 100%를 나타내어 생산라인에서 사람의 육안 검사를 대신하여 자동으로 수행 할 수 있는 정확성과 효율성을 입증하였다.
이미지 검사 알고리즘으로는 라인 스캔방식으로 검사영역의 시작점과 끝점의 위치를 파악하여 높이를 측정하는 방법을 사용하였으며,탭의 유무를 판별하기 위한 방식으로는 원형 스캔방식으로 검사영역의 평균 밝기 값의 차이를 측정하여 유사도를 구하는 방식을 사용하였다. 본 시스템은 검사대상을 컴퓨터 비전 카메라 영역까지 이송하는 시간은 두 종류 모두 평균 분당 300개 정도이며, 한 개의 볼트 탭 검사 시간은 검사 이미지를 카메라가 획득하는 시간은 약 50ms, 검사시간은 약 150ms 으로 총 검사시간은 약 200ms 소요되었다. 두 종류의 볼트 탭의 검사 정확도는 100%를 나타내어 생산라인에서 사람의 육안 검사를 대신하여 자동으로 수행 할 수 있는 정확성과 효율성을 입증하였다.
실험은 황동탭과 너트타입의 탭 각각 1000개이며, 양품 960개, 불량품 40개로 10회 반복하여 측정하였다. 탭의 형상을 검사하는 실험에서는 종류별 1000개의 대상에서 40개의 불량품을 정확하게 선별하여 완벽한 정확도를 나타내었다. Fig.

질의응답

핵심어	질문	논문에서 추출한 답변
	전역 고정 이진화의 방법은 무엇인가?	영상처리에서 이진화는 카메라에서 입력된 영상 이미지를 0 아니면 1 또는 흑 아니면 백으로 한꺼번에 둘 중 하나의 값으로 분류하는 방법을 이진화라고 한다. 방법으로는 전역 고정 이진화(global fixed thresholding)는입력 영상에서 결정된 임계값(threshold)보다 밝기분포가 큰 픽셀들은 전부 백색으로, 그렇지 않은 픽셀들은 모두 흑색으로 변경하는 것을 의미한다.
	볼트란 무엇인가?	볼트는 다양한 제품의 결합과 고정의 사용되는 부품으로 공작기계, 자동차, 항공기 등에 필수적으로 사용되고 있다. 볼트의 불량 또는 체결이 완전하게 되어 있지않을 경우 제품에 치명적인 문제를 야기 한다.
	가우시안 필터의 노이즈 제거시 나타나는 단점은 무엇인가?	그래서 노이즈 값은 상대적으로 이웃 픽셀들 값과 상관성이 작기 때문에 이웃 픽셀 값들의 가중 평균의 방식으로 완화시킬 수 있다. 하지만 경계(edge)와 같이 공간적으로 급변하는 부분에서는 단점을 보인다. 경계도 무뎌진다. 이것도 사실 가우시안 필터의 중요한 장점이기도 하지만, 노이즈 제거의 목적에서는 단점이다.

참고문헌 (14)

S. B. Baek, K. Y. Lee, W. J. Joo, K. Park & S. W. Ra. (2011). Improvement of the optical characteristics of vision system for precision screws using ray tracing simulation. Trans. KSPE, 28, 1194-1102.
H. J. Yang, D. H. Kim. & Y. G. Seo. (2017). Noise-robust Hand Region Segmentation In RGB Color-baseed Real-time Image. Journal of Digital Contents Society, 18(8), 1603-1613.
T. R Singh, S. Roy, O. Imocha, T. Sinam & M. Singh. (2011). A new local adaptive thresholding technique in binarization, IJCSI International Journal of computer science issues, 8(6), 271-277.
S. K. Hwang. (2015). Visual C++ Image Processing Pgrogramming. Seoul. Gilbut Publishing.
Wikipedia, Canny Edge Detector, (2018), https://en.wikipedia.org/wiki/Canny_edge_detector,
H. S. Kim.(2017), Gpu based real time lane detection using compact hough transform. Ph.D. dissertation, Kyungbok University.
OpenCV. (2017), Opencv documentation, https://docs.opencv.org/2.4.13.3/
S. J. Kim & S.C. Lee. (2014). Development of Inspection System for Surface of a Shack Absorber Rod using Machine Vision. Journal of the Korea Academia-Industrial Cooperation Society, 15(6), 3416-3422.

원문보기 상세보기
K. H. Kwak, D. F. Huber, H. Badino & T. Kanade.(2011). Extrinsic calibration of a single line scanning lidar and a camera. intelligent robots and systems (IROS), IEEE/RSJ International conference on. 3283-3285. San Francisco, CA, USA.
Gao, H. & Ye, X. & Li, J.(2013). A simple line sensing method by laser line scanning for line scale measurement, Proceedings -SPIE the international socity for optical engineering, 875. Beijing, China.
Y. C. Kim, Y. M, Kim, S. G. Kim, H. B. Kim & M.T. Cho. (2016). Development of the Mechenical System and Vision Algorithm for the External Appearance Test Using Vision Image Processing. Journal of the Korea Academia-Industrial Cooperation Society, 17(2), 202-208.
J. S. Yun. & .H. Kim. (2017), An Improvement of Histogram Equalization Using Edge Information of an Image. Journal of Korea Multimedia Society, 20(2), 188-195.

원문보기 상세보기
K. H. Kwak, D. F. Huber, H. Badino & T. Kanade. (2011). Extrinsic calibration of a single line scanning lidar and a camera. intelligent robots and systems (IROS), IEEE/RSJ International conference on. 3283-3285. San Francisco, CA, USA.
S. J. Kim & S. C. Lee. (2014). Development of Inspection System for Surface of a Shock Absorber Rod using Machine vision. Journal of the Korea Academia-industrial cooperation Society, 15(6), 3416-3422.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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