딥러닝

머신 비전의 과제

Rules-based algorithm

규칙 기반 알고리즘은 차이와 예측 불가능한 결함이 관여되는 복잡한 검사를 프로그램하기가 어렵습니다

기존의 머신비전 시스템은 일관적이고 생산 과정에서 결함이 없는 부품에 대해서는 높은 신뢰도로 작동합니다. 이 기술은 인간 검사보다 비용 측면에서 저렴하게 단계별 필터링과 규칙 기반 알고리즘을 통해 작동합니다. 그러나 예외적 상황과 결함 라이브러리가 증가하면서 알고리즘 프로그래밍이 어려워집니다.

머신 비전 시스템은 다음으로 인한 부품의 외형 상 변화를 어느 정도 허용합니다:
  • 배율
  • 회전
  • Pose 왜곡

그럼에도 불구하고 복잡한 표면 텍스처와 이미지 품질 문제로 인해 심각한 검사 난제가 발생합니다. 머신 비전 시스템은 시각적으로 매우 유사한 부품들 사이의 가변성과 편차를 평가하기가 어렵습니다. 부품의 사용성에 영향을 주는 기능적인 결함은 거의 대부분 불합격으로 처리되지만 미관상의 결함은 생산업체의 필요와 선호도에 따라 불합격 처리되지 않을 수도 있습니다. 가장 문제가 큰 부분은 이러한 결함은 기존의 머신 비전 시스템이 구분하기 어렵다는 사실입니다.

자동차 트림 와이어 어셈블리 

최종 어셈블리 검사 등과 같은 특정한 일반적인 머신 비전 검사는 다음과 같이 컴퓨터가 분리하기 어려운 여러 변수들 때문에 특히 프로그램하기 어려운 분야로 악명이 높습니다:
  • 조명
  • 색상 변경
  • 곡률
  • 시야각

프로그래밍과 유지 관리가 너무 어려워서 편차와 예측할 수 없는 결함 등이 관여된 복잡한 검사에 대해 딥러닝 기반 소프트웨어는 탁월한 대안이 될 수 있습니다.

관련 제품

Cognex 제품에 대한 추가 정보:

주요 Cognex 제품

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

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

연락처
Loading...