[논문]배터리 리드탭 압흔 오류 검출의 딥러닝 기법 적용

김윤호; 김병만

doi:10.9723/jksiis.2022.27.2.071

배터리 리드탭 압흔 오류 검출의 딥러닝 기법 적용
Application of deep learning technique for battery lead tab welding error detection 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.27 no.2, 2022년, pp.71 - 82

김윤호 ((주)4N 연구소) , 김병만 (금오공과대학교 컴퓨터소프트웨어공학과)

초록
AI-Helper

자동차용 배터리 제조공정 가운데 하나인 Tab Welding 공정에서 생산된 제품의 샘플링 인장검사를 대체하기 위해 현재 비전검사기를 개발하여 사용하고 있다. 그러나, 비전검사는 검사 위치 오차 문제와 이를 개선하기 위해 발생하는 비용 문제를 가지고 있다. 이러한 문제점들을 해결하기 위해 최근 딥러닝 기술을 적용하는 사례들이 발생하고 있다. 본 논문도 그런 사례 중 하나로 기존 제품 검사에 딥러닝 기술 중 하나인 Faster R-CNN을 적용하여 그 유용성을 파악하고자 하였다. 기존 비전검사기를 통해 획득한 이미지들을 학습 데이터로 사용하여 Faster R-CNN ResNet101 V1 1024x1024 모델을 사용하여 학습하였다. 검사 기준인 미검률 0%, 과검률 10%의 기준으로 기존 비전검사와 Faster R-CNN 검사결과를 비교 분석하였다. 미검출률은 기존 비전검사에서 34.5%, Faster R-CNN 검사에서 0%였다. 과검출률은 기존 비전검사에서 100%, Faster R-CNN에서 6.9%였다. 결론적으로 자동차용 배터리 리드탭 암흔 오류 검출에 딥러닝 기술이 매우 유용함을 확인할 수 있었다.

Abstract ▼ AI-Helper

In order to replace the sampling tensile test of products produced in the tab welding process, which is one of the automotive battery manufacturing processes, vision inspectors are currently being developed and used. However, the vision inspection has the problem of inspection position error and the cost of improving it. In order to solve these problems, there are recent cases of applying deep learning technology. As one such case, this paper tries to examine the usefulness of applying Faster R-CNN, one of the deep learning technologies, to existing product inspection. The images acquired through the existing vision inspection machine are used as training data and trained using the Faster R-CNN ResNet101 V1 1024x1024 model. The results of the conventional vision test and Faster R-CNN test are compared and analyzed based on the test standards of 0% non-detection and 10% over-detection. The non-detection rate is 34.5% in the conventional vision test and 0% in the Faster R-CNN test. The over-detection rate is 100% in the conventional vision test and 6.9% in Faster R-CNN. From these results, it is confirmed that deep learning technology is very useful for detecting welding error of lead tabs in automobile batteries.

주제어

표/그림 (25)

그림 Fig. 1 Lead tab welding
그림 Fig. 3 Image by tab welding inspector
그림 Fig. 4 Enlarged image of Fig. 3
표 Fig. 2 Tab welding inspector
그림 Fig. 5 R-CNN structure details
그림 Fig. 6 Fast R-CNN structure details
그림 Fig. 7 ROI Pooling
그림 Fig. 8 Faster R-CNN structure
그림 Fig. 9 RPN structure
그림 Fig. 10 System architecture
그림 Fig. 11 Alignment settings of tab welding inspector
표 Table 1 Industrial PC Specifications
그림 Fig. 12 ROI settings of tab welding inspector
그림 Fig. 13 Tab welding test results
그림 Fig. 14 Enlargement of Fig. 13
그림 Fig. 16 Labelmap.pbtxt file contents
그림 Fig. 17 Training Model File Modifications
그림 Fig. 15 Python commands for converting and training TFRecord
그림 Fig. 18 Training Model File Modifications
그림 Fig. 19 Contents of a result data file
표 Table 2 Performance Comparison
그림 Fig. 20 Non-detection and over-detection of image processing inspection for the first image
그림 Fig. 21 Faster R-CNN over detection for the 12th image
그림 Fig. 22 Results of image processing inspection for the 7th image
그림 Fig. 23 Results of faster R-CNN inspection for the 7th image

참고문헌 (9)

Hankookilbo (2021). "2035년 내연차 없앤다"... EU 초강력 탄소규제안 발표, https://www.hankookilbo.com/News/Read/A2021071423560004173.
Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation", CVPR 2014, pp.1, 2014.
Ross Girshick, "Fast R-CNN", ICCV 2015, pp.2, 2015.
Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun, "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks", NIPS 2015, pp.3, 2015.
GitHub, Inc. (2021). LabelImg, https://tzutalin.github.io/labelImg/.
GitHub, Inc. (2021). TensorFlow 2 Detection Model Zoo, https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2_detection_zoo.md#tensorflow-2-detection-model-zoo.
Read the Docs, Inc & contributors (2021). Sample TensorFlow XML-to-TFRecord converter, https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/_downloads/da4babe668a8afb093cc7776d7e630f3/generate_tfrecord.py.
GitHub, Inc. (2021). tensorflow/models, https://github.com/tensorflow/models/tree/master/research/object_detection.
Kim, Y. H. and Kim, B. M. (2021). Development of Indentation Detection System of Battery Lead Tab Using Faster R-CNN, MS thesis, Kumoh National Institute of Technology.

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