코그넥스 블로그

딥러닝 공장 자동화 검사를 위한 4가지 툴

4 Critical Functions Large

딥러닝 소프트웨어는 인간 작업자와 규칙 기반 알고리즘으로는 실행할 수 없는 방대한 생산 기능을 자동화합니다.

자동차 생산 라인에서 일하는 검사자를 생각해 보십시오. 도어, 펜더, 시트, 창문, 그 밖에 수백 가지가 넘는 구성품은 생산 라인에서 긁히고, 흠이 생기거나, 찢어지고, 부서진 조각이 생길 수 있습니다. 사람은 그러한 결함 중 일부를 잡아낼 수 있습니다. 하이테크 카메라와 복잡한 알고리즘을 갖춘 머신비전 시스템은 좀더 많이 미리 결정되고 체계적으로 정의된 결점을 포착할 수 있습니다.

문제는 생산 세팅의 모든 변수가 예측하기 불가능한 결점을 만들어낼 수 있다는 점입니다. 딥러닝 소프트웨어가 바로 이 문제를 해결할 수 있습니다. 딥러닝 솔루션은 디지털 카메라와 이미지 인식 알고리즘을 사용해 녹, 변색, 손상과 같은 방대한 문제를 식별합니다.

제대로 개발된 경우, 딥러닝 애플리케이션은 제조업체가 오류를 줄이고 제품 품질을 개선하도록 도울 수 있습니다. 검사 분야에서 머신비전과 딥러닝을 결합하면 다음과 같은 효과를 거둘 수 있습니다.

  • 개발자가 손상되지 않은 제품에 대한 기준 트레이닝 이미지를 구축하여 올바른 제품 외관을 설정합니다.
  • 개발자가 손상된 제품의 이미지를 추가해 가장 흔한 변칙과 결점을 식별합니다.
  • 머신비전 카메라가 생산 라인에서 품목의 사진을 촬영합니다. 머신 학습 애플리케이션이 새로운 이미지를 트레이닝 이미지와 비교해 가능한 결함을 포착합니다.
  • 이 애플리케이션은 합격한 품목을 찾고 실패한 품목을 피하도록 최적화되므로 본질적으로 시간에 따라 더 정확한 결과를 제공하도록 스스로 훈련을 하게 됩니다.

제조 분야의 딥러닝 애플리케이션을 구축하기 위한 소프트웨어는 4가지 핵심 기능을 갖추어야 합니다.

1. 특징 위치 파악 및 조립 검사

조립 검증 자동차 산업 

결함 찾기는 머신비전과 딥러닝 소프트웨어의 유일한 역할이 아닙니다. 트레이닝 이미지와 학습 알고리즘을 이용해 특정 구성품을 찾아, 로봇 암이 구성품을 올바로 정렬하도록 지시하는 등의 작업을 도울 수 있습니다. 이는 반도체, 스마트폰, 제약품과 같은 고정밀 제품에서 필수적입니다.

이러한 애플리케이션은 한 위치에서 제품의 수를 스캔하고, 선반 또는 상자가 가득 찰 때까지 같은 제품을 더 추가하도록 로봇에 지시할 수 있습니다. 또한 패키지의 모든 구성품을 산정해 빠진 품목이 없도록 합니다.

최상의 위치 및 검증 툴은 규칙 기반 비전 시스템 및 품질 관리 담당자에게는 문제가 되는 광범위한 조명 및 표면에서 효과적으로 작동합니다.

더 보기: 딥러닝 조립 검증 툴로 다양한 구성품 또는 부품 구성을 확인

2. 결함 감지 및 세그먼테이션

 자동차 산업 결함 감지

결함 식별은 아마도 생산 환경에서 머신 학습 소프트웨어에 대해 가장 수요가 높은 기능일 것입니다. 머신비전 시스템이 한 종류의 결함을 포착하도록 프로그래밍할 수 있지만, 이런 식으로 다수의 결함을 식별하는 일은 너무 오랜 시간이 소요됩니다.

결함 감지 툴은 양호 한 이미지를 시작해서 녹, 흠집, 긁힘, 오정렬과 같은 일반적인 결함의 사진을 포착합니다. 최고 품질의 결함 감지 툴은 양호 한 이미지에서 벗어난 모든 결점을 식별하는 옵션도 제공합니다. 이처럼 드물지만 생산 과정에서 나타나는 이미지는 툴이 자체적인 훈련으로 정확성을 개선하는 데 도움을 줄 수 있습니다.

세그먼테이션은 한 이미지 내에서 하나의 섹션을 식별하여 소프트웨어에 해당 영역에 결점이 있는지 스캔하도록 지시합니다. 이는 세그먼트 스캔과 관련이 없는 영역을 필터링하여 딥러닝 애플리케이션을 간소화하는 데 도움이 됩니다.

추가 정보: 딥러닝 결함 감지를 통해 자동차 및 기타 산업의 검사를 자동화하는 방법

3. 개체 및 장면 분류

분류 예

개체와 장면을 분류하면 딥러닝 애플리케이션이 결점의 등급을 나눠 사람의 중재 없이 자체 개선을 위한 애플리케이션의 기능을 최적화하는 데 도움이 됩니다. 일반적으로 이미지는 특정 특성에 따라 라벨이 지정되며, 특정 매개변수에 따라 분류됩니다. 이런 식으로, 예를 들어 긁힘이 발생한 제품은 자동으로 페인트 라인으로 다시 이동되고, 흠집이 생긴 부품은 금속 가공 라인으로 보내질 수 있습니다.

또한 분류는 제품과 구성품을 색상, 질감, 재질, 포장, 결함 유형과 같은 일반적인 특성에 따라 나눕니다. 최상의 분류 툴은 음영, 형태 또는 크기에서 자연 발생적인 변화에 대한 허용 오차를 정립하고, 각 등급의 필요에 따라 서로 다른 허용 오차가 나타납니다.

 보기: 딥러닝 분류 툴의 작동 방식

4. 텍스트 및 문자 판독

엔진 블록의 OCR

엔진 블록, 구리 튜브와 같은 표면에 있는단어, 숫자, 텍스트를 일관되게 판독할 수 있지만, 사람과 표준 머신비전 알고리즘으로는 불가능합니다. 생산 라인에서 조명이 매우 다를 수 있어 일부 장소에는 그림자가 생기고 다른 곳에서는 글레어가 발생해 공장 내의 실내 조명이 변화함에 따라 일일 처리량이 달라지게 됩니다.

딥러닝 애플리케이션은 글꼴과 서체를 생산 중인 부품에 표기된 글자와 연결시킵니다. 이로써 플라스틱 커버와 의류 또는 정원 관리 툴과 같이 고르지 않은 표면에 있는 텍스트를 훨씬 쉽게 판독할 수 있습니다. 첨단 문자 판독 툴은 공장의 한계를 초월하여 정교한 유통, 물류 및 상거래 시스템에서 효과적인 역할을 담당합니다.

살펴보기: 딥러닝 기반 OCR을 사용하여 어떤 조건에서든 복잡하고 까다로운 코드를 판독

딥러닝 소프트웨어에서 살펴볼 또 다른 기능

위에서 설명한 4가지 기능 외에, 강력한 딥러닝 소프트웨어 패키지는 다음의 기능을 갖추어야 합니다.

  • 고급 기술적 지식이 필요하지 않은 직관적인 GUI를 사용해 쉽게 익힐 수 있어야 합니다.
  • 트레이닝이 더 적게 필요한 소량의 이미지 세트로 시각 검사 생산 환경에 맞게 최적화합니다.
  • GPU(그래픽 처리 장치)를 갖춘 Windows PC에 맞게 설계합니다.

코그넥스 딥러닝은 이러한 기능을 비롯하여 오픈 소스 딥러닝 프레임워크와 달리 공장과 생산 환경에 맞게 정밀하게 설계된 보다 강력한 여러 기능을 갖추고 있습니다. 또한 포괄적인 머신비전 툴 라이브러리와 첨단 딥러닝 툴을 공통적인 개발 및 배포 프레임워크 내에서 결합합니다.

추가 게시물 -

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

전 세계 어디에서든 코그넥스 담당자들이 여러분의 비전과 산업용 바코드 판독 관련 문제를 지원합니다.

연락처
Loading...