[논문]사출성형 자동차부품의 외관 비전검사 방법

김호연; 조재수

doi:10.6109/jkiice.2019.23.2.127

초록
AI-Helper

본 논문에서는 사출성형 자동차부품의 외관 품질과 생산성을 높이기 위하여 사출성형 자동차부품의 외관 비전검사 방법을 제안한다. 일반적으로 기존 사출성형 자동차부품의 외관검사는 사람에 의한 매뉴얼 샘플링 검사로 진행된다. 먼저 전자부품(TFT-LCD 및 PCB 등) 비전검사에 활용되는 Edge-Tolerance 비전검사 알고리즘([1]-[4])을 사출성형 부품 외관검사에 적용하고, 그 문제점을 파악하였다. 그리고 그 문제점을 극복하는 새로운 외관 비전검사 방법을 제안한다. 제안된 외관비전검사는 양품 기준영상을 기준으로 검사하고자 하는 부품의 검사영상을 정렬한 후, 부분적인 적응적 이진화 후, 이진블록매칭 알고리즘을 이용하여 양품 이진영상과 검사이진영상을 블록단위로 비교함으로써 불량부분을 검출한다. Edge-Tolerance 비전검사 알고리즘과 제안된 외관비전검사 방법을 실제 개발된 장비를 이용하여 다양한 비교 실험을 통하여 그 효용성을 검증하였다.

Abstract ▼ AI-Helper

In this paper, we propose a visual inspection method of automotive parts for injection molding to improve the appearance quality and productivity of automotive parts. Exterior inspection of existing injection molding automobile parts was generally done by manual sampling inspection by human. First, ...

In this paper, we propose a visual inspection method of automotive parts for injection molding to improve the appearance quality and productivity of automotive parts. Exterior inspection of existing injection molding automobile parts was generally done by manual sampling inspection by human. First, we applied the edge-tolerance vision inspection algorithm ([1] - [4]) for vision inspection of electronic components (TFT-LCD and PCB) And we propose a new visual inspection method to overcome the problem. In the proposed visual inspection, the inspection images of the parts to be inspected are aligned on the basis of the reference image of good quality. Then, after partial adaptive binarization, the binary block matching algorithm is used to compare the good binary image and the test binary image. We verified the effectiveness of the edge-tolerance vision check algorithm and the proposed appearance vision test method through various comparative experiments using actual developed equipment.

주제어

표/그림 (11)

그림 Fig. 1 ACV TL auto part(Throtle Valve, www.sdauto.co.kr)
그림 Fig. 2 Various appearance defects of ACV TL parts
그림 Fig. 3 The image reference vision inspection approach
그림 Fig. 4 Experimental example for edge-tolerance vision algorithm[1-3] (a problem that a non-defective area is also detected as defective area)
그림 Fig. 5 The block diagram of proposed geometry vision inspection for injection molded parts
그림 Fig. 6 Concept diagram of injection molding automotive parts vision inspection equipment
그림 Fig. 7 Vision inspection equipment of ACV TL injection molding automotive parts
그림 Fig. 8 UI screen image for vision inspection application program
그림 Fig. 9 Example of detection of defective terminal protrusion during inspection process
그림 Fig. 10 Experimental results using the proposed vision inspection method (defect detection examples)
표 Table. 1 Comparison of existing edge-tolerance algorithm and Proposed method

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서 제안한 사출성형 형상비전검사 방법의 효용성을 검증하기 위해 독립형 비전검사 장비를 개발 하였다. 그림 6은 개발한 사출성형 자동차부품 비전검 사 장비 컨셉도를 보여주고 있고, 본 컨셉도에 따라 실 제 제작한 장비는 그림 7에 나타내었다.
본 논문에서는 실제 산업 현장에서 사람의 육안으로 샘플링 검사되고 있는 사출성형 자동차부품에 대한 외 형비전검사 알고리즘을 제안하였다. 그리고 제안된 사 출성형 외관 비전검사 알고리즘은 개발된 검사장비로 그 효용성을 검증하였다.
본 논문에서는 이러한 다양한 종류의 플라스틱 사출 금형 자동차 부품들을 전수검사하기 위한 플라스틱 사출금형 자동차 부품의 외관에 대한 비전검사 방법을 제안하고 실제 그림1과 같은 ACV TL(www.sdauto.co.kr) 이라는 자동차부품을 검사하기 위한 비전검사 장비를 개발하여, 외관비전검사 방법을 제안하고 다양한 실험을 통하여 그 성능을 검증하였다. 그림2는 ACV TL 자동차 부품에 대한 다양한 외관불량들을 보여주고 있다.

제안 방법

먼저 전자부품 (TFT-LCD, PCB 부품 등) 비전검사에 많이 사용되는 기준영상 기반 비전검사 접근방법 중 Edge-Tolerance 비전검사 알고리즘[1]을 간단하게 소개하고, 본 비전 알고리즘을 자동차 사출성형부품에 적용했을 때의 문제점을 기술한다. 4장에서는 제안된 사출성형 자동차부품 형상비전검사 방법에 대한 다양한 실험결과를 정리한 후, 제안된 형상비전검사의 성능을 분석하였다. 마지막으로 5장에서는 결론과 추후 과제에 대해 기술한다.
본 논문에서 제안하는 사출성형 형상비전검사 방법 에 대한 전체적인 블록도는 그림5에 나타내었다. 기본적으로 양품부품에 대한 기준영상에 대해 검사하고자 하는 입력 검사영상을 기준영상에 정렬한 후, 양품영상 과 검사영상을 이진화한 후, 이진화된 두 영상을 비교한 다. 이진화 방법은 전체영상에 대한 전역 이치화(global threshold)대신 영상의 부분부분에 대한 적응적 이치화(adaptive threshold)를 통해 이진화하는 것이 많은 부품 을 실험한 결과 불량검출에 더 효과적이였다.
그리고 제안된 사 출성형 외관 비전검사 알고리즘은 개발된 검사장비로 그 효용성을 검증하였다. 먼저 기존의 전자부품 비전검사에서 많이 활용되는 Edge-Tolerance 비전검사 알고리 즘의 문제점을 분석한 후, 새롭게 이진블록매칭 알고리 즘을 활용하는 새로운 방법을 제안하였다. 기존 Edge- Tolerance 알고리즘 대비 충분히 가성 불량을 낮춘다는 점에서 의미가 있다고 할 수 있다 .
본 논문의 2장에서는 제안하는 사출성형 자동차부품 형상비전검사 방법을 제안한다. 먼저 전자부품 (TFT-LCD, PCB 부품 등) 비전검사에 많이 사용되는 기준영상 기반 비전검사 접근방법 중 Edge-Tolerance 비전검사 알고리즘[1]을 간단하게 소개하고, 본 비전 알고리즘을 자동차 사출성형부품에 적용했을 때의 문제점을 기술한다. 4장에서는 제안된 사출성형 자동차부품 형상비전검사 방법에 대한 다양한 실험결과를 정리한 후, 제안된 형상비전검사의 성능을 분석하였다.
조명은 다양한 조명을 실험한 결과 최종적으로 사각 돔조명을 사용하였다. 본 장비로 검사하는 항목은 크게 부품 외형검사, PCB 검 사, 터미널단자 유/무 및 위치정렬검사를 수행한다. 본논문에서는 사출성형품의 외형검사에 대한 비전 알고 리즘을 제안하였고, 제안된 외형검사 알고리즘의 효용 성을 개발된 검사장비로 실험하였다.
본 장비로 검사하는 항목은 크게 부품 외형검사, PCB 검 사, 터미널단자 유/무 및 위치정렬검사를 수행한다. 본논문에서는 사출성형품의 외형검사에 대한 비전 알고 리즘을 제안하였고, 제안된 외형검사 알고리즘의 효용 성을 개발된 검사장비로 실험하였다.
실험은 실제 ㈜ 에스디 공장라인에서 생산된 총 140 개(양품 70개, 불량 70개)의 사출 성형 제품을 실험하였 다. 실험 방법은 2장에서 기술한 기존 Edge-Tolerance 방법[1-3]과 본 논문에서 제안하는 방법을 비교하여 실 험하였다. 그림 9는 외형검사 과정에서 터미널 돌출이 된 불량을 제안된 비전검사 알고리즘으로 검출한 한 결 과를 잘 보여주고 있다.

대상 데이터

부품검사 컨셉은 하나의 제품을 지그에 장착하여 원 형벨트 이동 및 검사한 후 하나씩 회수하는 컨셉으로 비 전검사부는 두 개의 카메라를 사용하였으며, 상부카메 라(2 M CCD 컬러 카메라)와 측면카메라(1.2 M 컬러 CCD 카메라)로 구성되어 있다. 조명은 다양한 조명을 실험한 결과 최종적으로 사각 돔조명을 사용하였다.
실험은 실제 ㈜ 에스디 공장라인에서 생산된 총 140 개(양품 70개, 불량 70개)의 사출 성형 제품을 실험하였 다. 실험 방법은 2장에서 기술한 기존 Edge-Tolerance 방법[1-3]과 본 논문에서 제안하는 방법을 비교하여 실 험하였다.
2 M 컬러 CCD 카메라)로 구성되어 있다. 조명은 다양한 조명을 실험한 결과 최종적으로 사각 돔조명을 사용하였다. 본 장비로 검사하는 항목은 크게 부품 외형검사, PCB 검 사, 터미널단자 유/무 및 위치정렬검사를 수행한다.

이론/모형

영상의 에지부분에서 존재할 수 있는 샘플링에러 (sampling error) 보정을 위해 명암 형태학적 처리 (gray-scale morphological processing)[2, 5]를 이용하여 아래 식 (1)과 같은 max와 min 영상을 생성한다[2,3].
이진화된 두 영상에 대한 비교는 식 (3)과 같은 이진 블록매칭 알고리즘(binary block matching algorithm)을 활용하여 두 이진 영상간 비교를 수행한다.

성능/효과

그리고 그림 10은 외형적으로 파손된 영역, 터미널이 돌출된 불량부분을 검출한 다른 실험결과들의 예들이다. 결론적으로 표 1은 전체 실험시료 140개에 대한 기존 Edge-Tolerance 알고리즘과 제 안된 형상 비전검사 알고리즘 비교 실험한 결과를 표로 정리한 것이다. 측정된 가성불량 발생률(FPR)[9]이 실 제 생산현장에서 수용할 만한 수치라고 판단하고 있다.
본 논문에서는 실제 산업 현장에서 사람의 육안으로 샘플링 검사되고 있는 사출성형 자동차부품에 대한 외 형비전검사 알고리즘을 제안하였다. 그리고 제안된 사 출성형 외관 비전검사 알고리즘은 개발된 검사장비로 그 효용성을 검증하였다. 먼저 기존의 전자부품 비전검사에서 많이 활용되는 Edge-Tolerance 비전검사 알고리 즘의 문제점을 분석한 후, 새롭게 이진블록매칭 알고리 즘을 활용하는 새로운 방법을 제안하였다.
기존의 Edge-Tolerance 비전검사 알고리즘을 이용한 형상검사방법은 많은 가성불량이 생성될 수 있음을 확 인할 수 있었고, 실제 사출성형 부품의 외관검사로 적절 하지 않음을 여러 샘플을 통해 확인할 수 있었다. 그림 9 는 본 논문에서 제안한 외형검사 방법으로 실험한 한 결 과로 외형검사 과정에서 터미널 돌출이 된 불량을 검출 한 예를 잘 보여주고 있다.
기본적으로 양품부품에 대한 기준영상에 대해 검사하고자 하는 입력 검사영상을 기준영상에 정렬한 후, 양품영상 과 검사영상을 이진화한 후, 이진화된 두 영상을 비교한 다. 이진화 방법은 전체영상에 대한 전역 이치화(global threshold)대신 영상의 부분부분에 대한 적응적 이치화(adaptive threshold)를 통해 이진화하는 것이 많은 부품 을 실험한 결과 불량검출에 더 효과적이였다.
플라스틱 사출성형의 특성상(온도, 압 력, 재료의 조합 등) 서로 다른 시간에 생산된 양품제품 과 검사제품간의 외형상 차이점(불량이 아님)이 실제 알고리즘 적용결과에 그대로 반영된 것을 확인할 수 있 다. 즉 기존의 Edge-Tolerance 비전검사 알고리즘은 사 출성형 제품이 불량이 아닌 부분도 많은 가성불량 화소 들이 많이 발생하는 문제점으로 그대로 사용하기에는 적절하지 않음을 확인할 수 있었다.
그림 4는 Edge-Tolerance 비전검사 알고리즘을 사출 성형 자동차부품(ACV TL)에 적용하여 실험한 결과를 보여주고 있다. 플라스틱 사출성형의 특성상(온도, 압 력, 재료의 조합 등) 서로 다른 시간에 생산된 양품제품 과 검사제품간의 외형상 차이점(불량이 아님)이 실제 알고리즘 적용결과에 그대로 반영된 것을 확인할 수 있 다. 즉 기존의 Edge-Tolerance 비전검사 알고리즘은 사 출성형 제품이 불량이 아닌 부분도 많은 가성불량 화소 들이 많이 발생하는 문제점으로 그대로 사용하기에는 적절하지 않음을 확인할 수 있었다.

후속연구

추후연구 과제로 ACV-TL 외의 다른 사출성형 자동 차 부품들에 대한 활용성을 확대하는 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사출성형기술을 통한 플라스틱 소재가 널리 적용되는 분야는?	전세계적으로 사출성형기술이 매우 빠르게 변화하고 있다. 사출성형기술을 통한 플라스틱 소재가 가장 널리 적용되는 분야로 가전제품 및 휴대기기의 외관, 화장품 용기 및 자동차 부품 등이다. 세계적으로 급속하게 증가 하는 휴대기기와 외관 디자인을 주요한 승부요인으로 꼽고 있는 가전제품 및 자동차부품 시장의 요구에 따라 표면 품질기준이 급속하게 높아지고 있다.
	이진화 방법의 특징은?	기본적으로 양품부품에 대한 기준영상에 대해 검사하고자 하는 입력 검사영상을 기준영상에 정렬한 후, 양품영상 과 검사영상을 이진화한 후, 이진화된 두 영상을 비교한 다. 이진화 방법은 전체영상에 대한 전역 이치화(global threshold)대신 영상의 부분부분에 대한 적응적 이치화(adaptive threshold)를 통해 이진화하는 것이 많은 부품 을 실험한 결과 불량검출에 더 효과적이였다.
	불 량검출 비전검사 알고리즘은 무엇인가?	그림 3은 양품의 기준영상(reference image) 기반 불 량검출 비전검사 알고리즘의 개략도를 잘 보여주고 있 다. 일반적으로 이 방법은 많은 전자부품(PCB, TFT-LCD 등) 비전검사 장비에 활용되는 대표적인 비 전검사 알고리즘이다. 양품인 기준영상과 검사영상 (Inspection image)을 비교하는 비교 알고리즘(Compare algorithm)으로 차영상(Subtraction image)도 많이 사용 되지만, 참고논문 [1-8]과 같이 Edge-Tolerance 비전검 사 알고리즘이 성능면에서 더 효과적이다. Edge-Tolerance 비전검사 알고리즘을 간단하게 설명하면 다음과 같다.

참고문헌 (9)

H. Onishi, Y. Sasa, K. Nagai, and S. Tatsumi, "A Pattern Defect Inspection Method by Parallel Grayscale Image Comparison without Precise Image Alignment," Conference of the Industrial Electronics Society, vol. 3, pp. 2208-2213, Nov. 2002.
K. Sakai, O. Kikuchi, K. Kitami, M. Umeda, and S. Ohno, "Defect detection method using statistical image processing of scanning acoustic tomography," International Symposium on the Physical and Failure Analysis of Integrated Circuits, pp. 293-296, July 2016.
J. S. Cho, G. S. Ha, J. W Lee, and S. C. Hong, "TFT-LCD Defect Inspection Method by Morphological Image Processing," Journal of the Institute of Electronics and Information Engineers, 2007.
J. S. Cho, G. S. Ha, J. W. Lee, D. H. Kim, and E. Jeon, "Defect Cell Extraction for TFT-LCD Auto-Repair System," Institute of Control, Robotics and System, vol. 14, no. 5, pp. 432-437, May 2008.

원문보기 상세보기
J. H. Kim, T. Y. Lee and Y. H. Ko, "Self Reference PCSR-G Method for Detecting Defect of Flat Panel Display," Journal of Korea Multimedia Society, vol. 18, no. 3, pp. 312-322, Mar. 2015.

원문보기 상세보기
D. Yin, Y. Zhang, D. Xiong, and Q. Wu, "Research on Methods of Features Extraction for Identifying False RMB Ultraviolet Images," International Conference on Intelligent Control and Computer Application, 2016.
J. S. Kwon, and D. W. Kim, Digital Image Processing Theory and Practice, HongRung Publish Company, 2000.
K. B. Kim, C. W. Hur, and D. H. Song, Intelligent Defect Detection from Ceramic Images. International Conference On Future Information & Communication Engineering, vol. 6, no. 1. pp. 73-76, June 2014.
L. Thames and D. Schaefer, Cybersecurity for Industry 4.0: Analysis for Design and Manufacturing, 1st ed. Berlin, Springer, 2017.

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

사출성형 자동차부품의 외관 비전검사 방법
Exterior Vision Inspection Method of Injection Molding Automotive Parts 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

사출성형 자동차부품의 외관 비전검사 방법 Exterior Vision Inspection Method of Injection Molding Automotive Parts 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (11) 모든 표/그림 보기

표/그림 (11) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

조재수 (21)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

사출성형 자동차부품의 외관 비전검사 방법
Exterior Vision Inspection Method of Injection Molding Automotive Parts 원문보기

초록
AI-Helper

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper