KR102629589B1 - 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법 - Google Patents
유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법 Download PDFInfo
- Publication number
- KR102629589B1 KR102629589B1 KR1020230142250A KR20230142250A KR102629589B1 KR 102629589 B1 KR102629589 B1 KR 102629589B1 KR 1020230142250 A KR1020230142250 A KR 1020230142250A KR 20230142250 A KR20230142250 A KR 20230142250A KR 102629589 B1 KR102629589 B1 KR 102629589B1
- Authority
- KR
- South Korea
- Prior art keywords
- unit
- inspection
- machine learning
- foreign matter
- light
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 233
- 238000000605 extraction Methods 0.000 title claims abstract description 111
- 238000010801 machine learning Methods 0.000 title claims abstract description 46
- 239000000126 substance Substances 0.000 title claims abstract description 31
- 238000003384 imaging method Methods 0.000 claims abstract description 63
- 239000012530 fluid Substances 0.000 claims abstract description 49
- 238000002347 injection Methods 0.000 claims abstract description 17
- 239000007924 injection Substances 0.000 claims abstract description 17
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 230000005856 abnormality Effects 0.000 claims abstract description 8
- 230000001678 irradiating effect Effects 0.000 claims abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 4
- 239000011521 glass Substances 0.000 claims description 9
- 238000000034 method Methods 0.000 description 31
- 238000001228 spectrum Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 241000220223 Fragaria Species 0.000 description 11
- 235000016623 Fragaria vesca Nutrition 0.000 description 11
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 11
- 229910052736 halogen Inorganic materials 0.000 description 9
- 150000002367 halogens Chemical class 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000005341 toughened glass Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 235000021056 liquid food Nutrition 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 235000021067 refined food Nutrition 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법에 관해 개시되어 있다. 개시된 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템은 대상물이 이송가능한 배관, 상기 배관의 중간 내지 주어진 부위에 연결되도록 설치된 것으로, 서로 마주하여 인접하게 배치되는 제1 및 제2 투광성 부재를 구비하는 검사 본체부와 상기 검사 본체부의 일단에 마련된 주입부 및 상기 검사 본체부의 타단에 마련된 배출부를 포함하는 검사부, 상기 검사 본체부 내에 위치하는 상기 대상물에 조명광을 조사하기 위한 조명부, 상기 검사 본체부 내에 위치하는 상기 대상물의 영상 데이터를 획득하기 위한 촬영부, 상기 촬영부에 의해 획득된 상기 영상 데이터 내지 그에 대응하는 학습용 영상 데이터를 이용해서 인공신경망에 의한 기계학습을 수행하고 상기 기계학습에 의한 학습 모델로 상기 촬영부에 의해 획득된 상기 영상 데이터에 대한 분석을 수행하도록 구성된 컴퓨팅 장치 및 상기 검사부에 연결되어 설치된 것으로, 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하기 위한 추출부를 포함할 수 있다.
Description
본 발명은 대상물에 대한 검사/처리 장치 및 방법에 관한 것으로, 보다 상세하게는 유동형 대상물에 대한 품질 검사 및 처리 장치/시스템 및 관련 방법에 관한 것이다.
다양한 대상물에 대한 품질 검사 및 이물 검사 등이 요구될 수 있다. 기존에는 금속 검출기나 X-선 검사, 육안 검사 및 체질 등의 방법으로 대상물의 품질을 검사하거나 이물을 걸러내는 경우가 있으나, 이러한 방법은 다양한 대상물에 대한 품질 검사 및 이물 제거 등에 적용하기가 어려울 수 있다.
예를 들어, 과일을 원료로 하는 잼(jam) 등 유동형 식품의 경우, 건더기가 포함된 탁한(색상이 진한) 반유체 형태를 가질 수 있고, 제조 과정에서 과일의 꼭지나 플라스틱 등 다양한 이물질이 혼입될 수 있기 때문에, 이물 판별 및 제거가 용이하지 않을 수 있다. 이러한 이유로, 잼 등의 유동형 식품에 대해서는 육안 검사가 주로 적용될 수 있는데, 이 경우, 검사 시간 및 비용이 상승하고 정확도 및 효율성이 떨어지는 문제가 있다.
따라서, 다양한 유동형 대상물에 대해서 품질 검사 및 이물 제거 등을 높은 정확도로, 그리고, 효율적으로 빠르게 수행할 수 있는 장치(시스템) 및 방법의 개발이 요구된다.
본 발명이 이루고자 하는 기술적 과제는 다양한 유동형 대상물에 대해서 품질 검사 및 이물 추출을 높은 정확도로 효율적으로 빠르게 수행할 수 있는 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 관련 방법을 제공하는데 있다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기한 과제를 달성하기 위한 본 발명의 실시예들에 따르면, 유체 내지 반유체 형태의 대상물이 이송가능한 배관; 상기 배관의 중간 내지 주어진 부위에 연결되도록 설치된 것으로, 서로 마주하여 인접하게 배치되는 제1 및 제2 투광성 부재를 구비하는 검사 본체부와 상기 검사 본체부의 일단에 마련된 주입부 및 상기 검사 본체부의 타단에 마련된 배출부를 포함하고, 상기 대상물이 상기 주입부로 주입되어 상기 제1 및 제2 투광성 부재 사이의 공간을 지나 상기 배출부로 배출되도록 구성된 검사부; 상기 검사 본체부 내에 위치하는 상기 대상물에 조명광을 조사하기 위한 조명부; 상기 검사 본체부 내에 위치하는 상기 대상물의 영상 데이터를 획득하기 위한 촬영부; 상기 촬영부에 의해 획득된 상기 영상 데이터 내지 그에 대응하는 학습용 영상 데이터를 이용해서 인공신경망에 의한 기계학습을 수행하고 상기 기계학습에 의한 학습 모델로 상기 촬영부에 의해 획득된 상기 영상 데이터에 대한 분석을 수행하도록 구성된 컴퓨팅 장치; 및 상기 검사부에 연결되어 설치된 것으로, 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하기 위한 추출부;를 포함하는 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템이 제공된다.
상기 제1 및 제2 투광성 부재 각각은 판형 유리를 포함할 수 있다.
상기 제1 및 제2 투광성 부재의 두께는 6mm일 수 있다.
상기 배출부는 복수의 경로 형성을 위해 2개 이상 마련될 수 있다.
상기 추출부는 상기 배출부에 연결된 밸브 유닛; 및 상기 밸브 유닛에 연결된 추출 배관부;를 포함할 수 있다.
상기 촬영부는 초분광(hyperspectral) 카메라를 포함할 수 있고, 상기 영상 데이터는 초분광 데이터를 포함할 수 있다.
상기 촬영부는 상기 검사부의 전면측에 배치되는 전면 촬영부; 및 상기 검사부의 후면측에 배치되는 후면 촬영부;를 포함할 수 있고, 상기 조명부는 상기 검사부의 전면측에 배치되는 복수의 전면 조명부; 및 상기 검사부의 후면측에 배치되는 복수의 후면 조명부;를 포함할 수 있다.
상기 복수의 전면 조명부는 상기 후면 촬영부에 대한 투과광 및 상기 전면 촬영부에 대한 반사광을 제공하도록 구성될 수 있고, 상기 복수의 후면 조명부는 상기 전면 촬영부에 대한 투과광 및 상기 후면 촬영부에 대한 반사광을 제공하도록 구성될 수 있다.
상기 조명부는 직관형 할로겐 광원을 포함할 수 있다.
상기 추출부는 상기 컴퓨팅 장치의 상기 영상 데이터에 대한 분석 결과에 따라 추출 신호에 의해 제어되도록 구성될 수 있다.
상기 대상물은 식품 내지 가공식품을 포함할 수 있다.
본 발명의 다른 실시예들에 따르면, 전술한 자동화된 품질 검사 및 이물 추출 시스템을 이용한 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 방법으로서, 상기 검사부를 통해 상기 대상물을 이송시키면서 상기 검사부 내에 위치하는 상기 대상물의 영상 데이터를 획득하는 단계; 상기 영상 데이터에 대하여 기계학습에 의한 학습 모델을 이용해서 분석을 수행하는 단계; 및 상기 영상 데이터에 대한 분석 결과에 따라 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하는 단계;를 포함하는 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 방법이 제공된다.
본 발명의 실시예들에 따르면, 다양한 유동형 대상물에 대해서 품질 검사 및 이물 추출을 높은 정확도로 효율적으로 빠르게 수행할 수 있는 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 관련 방법을 구현할 수 있다.
본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템 및 방법을 사용하면, 기존의 금속 검출기나 X-선 검사, 육안 검사, 체질 등의 방법으로는 정확한 검사가 어렵고 이물 제거가 어려운 다양한 유동성 대상물(제품)에 대해서 높은 정확도로 품질 검사 및 이물 제거를 실시간 전수 검사 방식으로 수행할 수 있다. 또한, 과일잼과 같이 건더기가 포함된 반유체 형태를 갖는 대상물에 대해서도 품질 검사 및 이물 제거를 빠르고 정확하게 수행할 수 있다. 부가해서, 양면 검사 방식, 반사광 및 투과광을 모두 이용한 검사 방식, 초분광(hyperspectral) 데이터를 이용한 검사 방식 등을 적용함으로써, 건더기나 부유물이 존재하거나 진한 색상을 갖거나 반사성 보다 투과성이 높은 대상물에 대해서도 검사의 정확성 및 용이성을 향상시킬 수 있다.
그러나, 본 발명의 효과는 상기 효과들로 한정되는 것은 아니며, 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있다.
도 1은 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템을 보여주는 사시도이다.
도 2는 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 일부를 예시적으로 보여주는 사진 이미지이다.
도 3은 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템을 이용한 이물 검출 및 이물 추출 방식을 개략적으로 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 검사부를 보여주는 사진 이미지이다.
도 5 및 도 6은 본 발명의 다른 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템을 보여주는 사시도이다.
도 7은 본 발명의 다른 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 검사부를 보여주는 사진 이미지이다.
도 8은 도 7의 검사부를 길이 방향으로 절단한 형태를 보여주는 도면이다.
도 9는 도 7의 검사부를 통해서 이물이 추출되는 방식을 예시적으로 보여주는 사시도이다.
도 10은 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 추출부의 구성을 예시적으로 설명하기 위한 사시도이다.
도 11은 본 발명의 일 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부 및 조명부의 구성을 예시적으로 보여주는 평면도이다.
도 12는 본 발명의 다른 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부 및 조명부의 구성을 예시적으로 보여주는 평면도이다.
도 13은 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 조명부에 적용될 수 있는 광원을 예시적으로 보여주는 사시도이다.
도 14는 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 조명부의 구성을 예시적으로 보여주는 단면도이다.
도 15는 타원형 조명의 구성 및 광경로를 보여주는 도면이다.
도 16은 포물선형 조명의 구성 및 광경로를 보여주는 도면이다.
도 17은 본 발명의 일 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 학습 방법을 예시적으로 설명하기 위한 도면이다.
도 18은 본 발명의 다른 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 학습 방법을 예시적으로 설명하기 위한 도면이다.
도 19 내지 도 22는 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 적용을 통한 실험 결과를 나타내는 도면이다.
도 23 내지 도 29는 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 적용에 따른 국제 공인 실험 기관의 실험 결과를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 일부를 예시적으로 보여주는 사진 이미지이다.
도 3은 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템을 이용한 이물 검출 및 이물 추출 방식을 개략적으로 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 검사부를 보여주는 사진 이미지이다.
도 5 및 도 6은 본 발명의 다른 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템을 보여주는 사시도이다.
도 7은 본 발명의 다른 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 검사부를 보여주는 사진 이미지이다.
도 8은 도 7의 검사부를 길이 방향으로 절단한 형태를 보여주는 도면이다.
도 9는 도 7의 검사부를 통해서 이물이 추출되는 방식을 예시적으로 보여주는 사시도이다.
도 10은 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 추출부의 구성을 예시적으로 설명하기 위한 사시도이다.
도 11은 본 발명의 일 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부 및 조명부의 구성을 예시적으로 보여주는 평면도이다.
도 12는 본 발명의 다른 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부 및 조명부의 구성을 예시적으로 보여주는 평면도이다.
도 13은 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 조명부에 적용될 수 있는 광원을 예시적으로 보여주는 사시도이다.
도 14는 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 조명부의 구성을 예시적으로 보여주는 단면도이다.
도 15는 타원형 조명의 구성 및 광경로를 보여주는 도면이다.
도 16은 포물선형 조명의 구성 및 광경로를 보여주는 도면이다.
도 17은 본 발명의 일 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 학습 방법을 예시적으로 설명하기 위한 도면이다.
도 18은 본 발명의 다른 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 학습 방법을 예시적으로 설명하기 위한 도면이다.
도 19 내지 도 22는 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 적용을 통한 실험 결과를 나타내는 도면이다.
도 23 내지 도 29는 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 적용에 따른 국제 공인 실험 기관의 실험 결과를 나타내는 도면이다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
이하에서 설명할 본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 명확하게 설명하기 위하여 제공되는 것이고, 본 발명의 범위가 하기 실시예에 의해 한정되는 것은 아니며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용되는 단수 형태의 용어는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 "포함한다(comprise)" 및/또는 "포함하는(comprising)"이라는 용어는 언급한 형상, 단계, 숫자, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 단계, 숫자, 동작, 부재, 요소 및/또는 이들 그룹의 존재 또는 부가를 배제하는 것이 아니다. 또한, 본 명세서에서 사용된 "연결"이라는 용어는 어떤 부재들이 직접적으로 연결된 것을 의미할 뿐만 아니라, 부재들 사이에 다른 부재가 더 개재되어 간접적으로 연결된 것까지 포함하는 개념이다.
아울러, 본원 명세서에서 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다. 본 명세서에서 사용된 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다. 또한, 본원 명세서에서 사용되는 "약", "실질적으로" 등의 정도의 용어는 고유한 제조 및 물질 허용 오차를 감안하여, 그 수치나 정도의 범주 또는 이에 근접한 의미로 사용되고, 본원의 이해를 돕기 위해 제공된 정확하거나 절대적인 수치가 언급된 개시 내용을 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다.
이하 첨부된 도면들을 참조하여 본 발명의 실시예들에 대해 상세히 설명한다. 첨부된 도면에 도시된 영역이나 파트들의 사이즈나 두께는 명세서의 명확성 및 설명의 편의성을 위해 다소 과장되어 있을 수 있다. 상세한 설명 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템을 보여주는 사시도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템은 유동성을 갖는 대상물(검사 대상물), 즉, 유동형 대상물을 위한 것일 수 있고, 인공지능(AI)에 의한 기계학습이 적용된 시스템일 수 있다. 상기 자동화된 품질 검사 및 이물 추출 시스템은 유체 내지 반유체 형태의 대상물이 이송가능한 배관(100) 및 배관(100)의 중간 내지 주어진 부위에 연결되도록 설치된 검사부(200A)를 포함할 수 있다. 상기 대상물은 투광성을 갖거나 반투광성을 가질 수 있다. 검사부(200A)는 배관(100)의 중간에 설치될 수 있고, 이 경우, 검사부(200A)의 양측에 배관(100)이 연결될 수 있다. 경우에 따라, 검사부(200A)는 배관(100)의 중간이 아닌 배관(100)의 일단 부위에 연결되어 설치될 수도 있다. 검사부(200A)는 검사 본체부와 상기 검사 본체부의 일단에 마련된 주입부 및 상기 검사 본체부의 타단에 마련된 배출부를 포함하도록 구성될 수 있다. 상기 대상물은 상기 주입부로 주입되어 상기 검사 본체부를 지나 상기 배출부로 배출될 수 있다. 검사부(200A)는 상기 대상물에 대한 검사가 용이하도록 투광성 소재를 포함하여 구성될 수 있고, 아울러, 비교적 얇은 두께를 가질 수 있다. 검사부(200A)는 수직하거나 대략적으로 수직하게 배치될 수 있고, 상기 대상물의 이송 경로는 수평하거나 대략적으로 수평하게 형성될 수 있다. 검사부(200A)의 구체적인 구성에 대해서는 추후에 도 4 등을 참조하여 보다 상세히 설명한다.
상기 자동화된 품질 검사 및 이물 추출 시스템은 검사부(200A) 내에 위치하는 상기 대상물에 조명광을 조사하기 위한 조명부(300) 및 검사부(200A) 내에 위치하는 상기 대상물의 영상 데이터를 획득하기 위한 촬영부(400)를 포함할 수 있다. 조명부(300)는 검사부(200A)의 상기 검사 본체부 내에 위치하는 상기 대상물에 조명광을 조사할 수 있다. 조명부(300)는 검사부(200A)의 얇은 두께를 갖는 방향 또는 그 방향에 소정 각도를 이루는 방향으로 조명광을 조사하도록 배치될 수 있다. 조명부(300)는 검사부(200A)의 주면(main surface)을 향하여 조명광을 조사하도록 배치될 수 있다. 조명부(300)는 복수의 조명 부재를 포함하여 구성될 수 있다. 또한, 조명부(300)는 검사부(200A)의 전면측에 배치되는 적어도 하나의 조명 부재 및 검사부(200A)의 후면측에 배치되는 적어도 하나의 조명 부재를 포함할 수 있다.
촬영부(400)는 검사부(200A)의 상기 검사 본체부 내에 위치하는 상기 대상물의 영상 데이터를 획득할 수 있다. 촬영부(400)는, 예를 들어, 초분광(hyperspectral) 카메라를 포함할 수 있고, 이 경우, 상기 영상 데이터는 초분광 데이터(초분광 영상 데이터)를 포함할 수 있다. 초분광 카메라(초분광 센서)는, 사람의 눈과는 달리, 가시광선 영역 뿐만 아니라 적외선, 자외선 영역 등까지 모두 확인할 수 있다. 또한, 초분광 카메라는 입사되는 빛의 분광을 통해 영상의 각 화소에 해당하는 대상체 영역에 대한 수백에서 수천개의 분광 정보를 취득하며, 이를 초분광 영상(hyperspectral image)이라 한다. 초분광 영상은 전자기 스펙트럼의 정보를 처리하고 수집하기 때문에, 초분광 영상을 활용하면 필요로 하는 개체를 식별하는데 매우 유용할 수 있다. 따라서, 본 발명의 실시예에서 초분광 카메라를 사용할 경우, 상기 대상물에 대한 품질 검사 및 이물 검사 성능이 크게 향상될 수 있다.
아울러, 촬영부(400)는 검사부(200A)의 얇은 두께를 갖는 방향 또는 그 방향에 소정 각도를 이루는 방향으로 검사부(200A) 내에 위치하는 상기 대상물을 촬영하도록 배치될 수 있다. 촬영부(400)는 검사부(200A)의 주면(main surface)을 향하여 촬영을 수행하도록 배치될 수 있다. 촬영부(400)는 복수의 촬영 부재(즉, 복수의 카메라)를 포함하여 구성될 수 있다. 또한, 촬영부(400)는 검사부(200A)의 전면측에 배치되는 적어도 하나의 촬영 부재 및 검사부(200A)의 후면측에 배치되는 적어도 하나의 촬영 부재를 포함할 수 있다.
상기 자동화된 품질 검사 및 이물 추출 시스템은 컴퓨팅 장치(500)를 포함할 수 있다. 컴퓨팅 장치(500)는 촬영부(400)에 의해 획득된 영상 데이터 내지 그에 대응하는 학습용 영상 데이터를 이용해서 인공신경망에 의한 기계학습을 수행하고 상기 기계학습에 의한 학습 모델(즉, AI 학습 모델)로 촬영부(400)에 의해 획득된 영상 데이터에 대한 분석을 수행하도록 구성될 수 있다. 컴퓨팅 장치(500)는 촬영부(400)에 의해 획득된 영상 데이터에 대한 분석을 수행하여 상기 대상물 내에 포함된 이물(foreign substance) 내지 이상부(abnormal portion)를 확인 및 검출할 수 있다. 여기서, 상기 이상부는 이물의 일종으로 여길 수도 있다. 상기 대상물에 대한 촬영 및 컴퓨팅 장치(500)에 의한 검사는 실시간으로 수행될 수 있다.
상기 자동화된 품질 검사 및 이물 추출 시스템은 검사부(200A)에 연결되어 설치된 추출부(600)를 더 포함할 수 있다. 추출부(600)는 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하기 위한 구성요소일 수 있다. 추출부(600)는 상기 영상 데이터에 대한 분석 결과에 따라 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하도록 구성될 수 있다. 즉, 추출부(600)는 컴퓨팅 장치(500)의 상기 영상 데이터에 대한 분석 결과에 따라 추출 신호에 의해 제어되도록 구성될 수 있다. 추출부(600)는 PC(personal computer), PLC(programmable logic controller) 등으로부터 추출 신호를 수신하는 경우, 밸브 유닛으로 대상물의 흐름 방향을 제어하여 이물 등을 분리하여 추출할 수 있다. 이물 검사의 경우, 이물만 추출하고 양품은 메인 이송 라인(정상 이송 라인)으로 흐르도록 제어할 수 있다. 추출부(600)는 이물의 위치에 따라 이물이 발생한 부분만 분리하여 추출함으로써 양품의 손실률을 줄일 수 있도록 구성될 수 있다. 추출부(600)는 컴퓨팅 장치(500)에 전기적으로 연결될 수 있다. 이 경우, 상기 PC 또는 PLC는 상기 컴퓨팅 장치(500)에 포함되거나 상기 컴퓨팅 장치(500)에 연결될 수 있다. 추출부(600)의 구체적인 구성에 대해서는 추후에 도 10을 참조하여 보다 자세히 설명한다.
부가적으로, 상기 자동화된 품질 검사 및 이물 추출 시스템은 상기 대상물의 원물을 투입하기 위한 대상물 투입부(10) 및 상기 대상물을 배관(100) 및 검사부(200A) 등을 통해 이송시키기 위한 펌프(20)를 더 포함할 수 있다. 대상물 투입부(10)는 용기 형태를 가질 수 있고, 배관(100)과 연결될 수 있다. 또한, 대상물 투입부(10)는 대상물의 회수 용기로 사용될 수도 있다. 그러나, 경우에 따라, 대상물 투입부(10)와 별도의 회수 용기가 더 구비될 수도 있다. 펌프(20)는 배관(100)의 중간에 연결될 수 있고, 자동화 방식으로 제어될 수 있다. 아울러, 상기 자동화된 품질 검사 및 이물 추출 시스템은 추출부(600)에 의해 추출된 이물을 수용하기 위한 이물 수용 용기(30)를 더 포함할 수 있다.
한편, 상기 대상물은 유체 또는 반유체 형태를 가질 수 있고, 투광성 또는 반투광성을 가질 수 있다. 상기 대상물은 식품 내지 가공식품을 포함할 수 있다. 비제한적인 예로, 상기 대상물은 딸기잼이나 그 밖에 다른 과일잼일 수 있다. 상기 대상물이 딸기잼과 같은 잼인 경우, 건더기가 포함된 진한 색상의 반유체 형태를 가질 수 있다. 그러나, 상기 대상물은 잼이 아닌 다른 유체/반유체일 수 있다.
도 2는 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 일부를 예시적으로 보여주는 사진 이미지이다.
도 2를 참조하면, 본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템은 배관(100), 검사부(200A), 조명부(300), 촬영부(400) 등을 포함할 수 있다. 배관(100), 검사부(200A), 조명부(300) 및 촬영부(400)의 구성 및 역할은 도 1에서 설명한 바와 동일할 수 있다.
도 3은 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템을 이용한 이물 검출 및 이물 추출 방식을 개략적으로 설명하기 위한 도면이다.
도 3을 참조하면, (A)도면은 상기 검사부 내에 위치하는 대상물의 이미지를 예시적으로 보여준다. (B)도면은 상기 컴퓨팅 장치를 이용해서 상기 대상물의 영상 데이터로부터 AI 학습 모델을 통해 이물을 검출하는 방식을 예시적으로 보여준다. (C)도면은 상기 추출부를 이용해서 이물을 자동화 방식으로 분리 추출하는 과정을 예시적으로 보여준다.
도 4는 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 검사부(200A)의 예시적인 형태를 보여주는 사진 이미지이다.
도 4를 참조하면, 검사부(200A)는 서로 마주하여 인접하게 배치되는 제1 및 제2 투광성 부재(T10, T20)를 구비하는 검사 본체부(60)와 검사 본체부(60)의 일단에 마련된 주입부(50) 및 검사 본체부(60)의 타단에 마련된 배출부(70)를 포함할 수 있다. 대상물은 주입부(50)로 주입되어 검사 본체부(60)의 제1 및 제2 투광성 부재(T10, T20) 사이의 공간을 지나 배출부(70)로 배출될 수 있다. 일례의 경우, 주입부(50)는 상기 배관의 제1 부분에 연결될 수 있고, 상기 배출부(70)는 상기 배관의 제2 부분에 연결될 수 있다. 이 경우, 검사부(200A)는 상기 배관의 제1 부분과 상기 배관의 제2 부분을 상호 연결한다고 할 수 있다.
제1 및 제2 투광성 부재(T10, T20) 각각은, 예를 들어, 유리(glass)를 포함할 수 있다. 제1 및 제2 투광성 부재(T10, T20) 각각은 판형 유리를 포함할 수 있다. 여기서, 상기 유리는 강화 유리일 수 있다. 제1 및 제2 투광성 부재(T10, T20)는 판형 구조를 가질 수 있다. 제1 및 제2 투광성 부재(T10, T20)가 서로 마주하여 상호 이격하여 배치될 수 있고, 이들의 가장자리를 둘러싸는 프레임 부재가 마련될 수 있다. 대상물은 제1 및 제2 투광성 부재(T10, T20) 사이의 공간으로 흐를 수 있고, 주입부(50)와 배출부(70)를 제외한 나머지 영역은 밀폐될 수 있다. 제1 및 제2 투광성 부재(T10, T20)는 우수한 투광성을 가질 수 있기 때문에, 이들 사이에 위치하는 대상물에 대한 영상 촬영이 용이할 수 있다.
제1 및 제2 투광성 부재(T10, T20)는 6mm의 두께를 가질 수 있다.
제1 및 제2 투광성 부재(T10, T20) 사이의 간격은, 소정의 범위를 유지하여, 상기 대상물이 개재된 상태에서 제1 및 제2 투광성 부재(T10, T20)를 통하여 광이 용이하게 투과할 수 있고, 상기 대상물이 비교적 얇은 두께로 펴진 상태에서 상기 대상물에 대한 영상 촬영이 용이하게 수행될 수 있으며, 이물 등의 검사가 보다 용이하게 진행될 수 있다. 그러나, 대상물의 종류에 따라서, 제1 및 제2 투광성 부재(T10, T20) 사이의 적정한 간격 범위는 달라질 수 있다. 본 발명의 실시예에 따른 검사부(200A)는 '사이트 글래스(sight glass)' 또는 '사이트 글래스 부재'라고 지칭할 수 있다.
도 5 및 도 6은 본 발명의 다른 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템을 보여주는 사시도이다.
도 5 및 도 6을 참조하면, 본 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템은 배관(100), 검사부(200B), 조명부(300), 촬영부(400), 컴퓨팅 장치(500) 및 추출부(600)를 포함할 수 있다. 배관(100), 검사부(200B), 조명부(300), 촬영부(400), 컴퓨팅 장치(500) 및 추출부(600)는 각각 도 1을 참조하여 설명한 배관(100), 검사부(200A), 조명부(300), 촬영부(400), 컴퓨팅 장치(500) 및 추출부(600)와 유사하거나 동일할 수 있다.
본 실시예에서 검사부(200B)는 복수의 경로(배출 경로) 형성을 위해 2개 이상의 배출부를 포함할 수 있다. 상기 복수의 경로(배출 경로)는 수평 방향으로 나란히 형성될 수 있고, 서로 다른 높이를 가질 수 있다. 따라서, 상기 2개 이상의 배출부는 수직 방향으로 서로 다른 높이에 배치될 수 있다. 검사부(200B)가 2개 이상의 배출부를 포함함에 따라, 추출부(600)도 복수의 라인으로 구성될 수 있다. 검사부(200B)의 구체적인 구성에 대해서는 도 7 내지 도 9에서, 추출부(600)의 구체적인 구성에 대해서는 도 10에서 보다 상세히 설명한다.
부가해서, 본 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템은 대상물 투입부(10), 펌프(20) 및 이물 수용 용기(30)를 더 포함할 수 있다. 대상물 투입부(10), 펌프(20) 및 이물 수용 용기(30)는 각각 도 1을 참조하여 설명한 대상물 투입부(10), 펌프(20) 및 이물 수용 용기(30)와 동일하거나 유사할 수 있다.
또한, 본 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템은 이물 투입부(40)를 더 포함할 수 있다. 이물 투입부(40)는 검사부(200B)에 소정의 이물을 인위적으로 투입하기 위한 부재(장치)로서, 검사부(200B)의 주입부에 인접하게 구비될 수 있다. 기계학습을 진행할 때, 이물 투입부(40)를 통해서 검사부(200B)에 이물을 인위적으로 적절히 투입시킬 수 있다. 즉, 이물 투입부(40)를 통해서 검사부(200B)에 이물을 적절히 투입하면서, 기계학습을 수행할 수 있다. 따라서, 기계학습 진행시, 이물 투입부(40)가 유용하게 활용될 수 있다.
도 7은 본 발명의 다른 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 검사부(200B)를 보여주는 사진 이미지이다.
도 7을 참조하면, 검사부(200B)는 도 4에서 설명한 검사부(200A)와 유사한 구조를 갖되, 배출부(71)가 복수개로 구비된다는 점에서 다를 수 있다. 검사부(200B)는 서로 마주하여 인접하게 배치되는 제1 및 제2 투광성 부재(T11, T21)를 구비하는 검사 본체부(61)와 검사 본체부(61)의 일단에 마련된 주입부(51) 및 검사 본체부(61)의 타단에 마련된 배출부(71)를 포함할 수 있다. 배출부(71)는 복수개로 구비될 수 있다. 도 7에서는 2개의 배출부(71)가 구비된 경우가 도시된다. 참조번호 71a는 제1 배출부를 나타내고, 71b는 제2 배출부를 나타낸다. 제1 및 제2 배출부(71a, 71b)는 검사부(200B)의 길이 방향(대상물의 이송 방향)에 따라 상호 나란히 배치될 수 있고, 검사부(200B)의 폭 방향(높이 방향)에 따라 배열될 수 있다. 제1 및 제2 배출부(71a, 71b)는 검사 본체부(61)를 2등분하도록 배치된다고 할 수 있다. 배출부(71)의 개수는 3개 이상으로 증가할 수 있고, n개의 배출부가 검사 본체부(61)를 n등분하도록 배치될 수 있다.
제1 및 제2 투광성 부재(T11, T21)의 재질 및 이들 사이의 간격 등은 도 4를 참조하여 제1 및 제2 투광성 부재(T10, T20)에 대하여 설명한 바와 동일하거나 유사할 수 있으므로, 이에 대한 반복 설명은 생략한다.
도 8은 도 7의 검사부(200B)를 길이 방향으로 절단한 형태를 보여주는 도면이다. 도 8의 (A)도면은 평면도이고, (B)도면은 사시도이다. 도 8을 참조하면, 검사부(200B)의 구조를 보다 잘 확인할 수 있다.
도 9는 도 7의 검사부(200B)를 통해서 이물(F1)이 추출되는 방식을 예시적으로 보여주는 사시도이다.
도 9를 참조하면, 검사 본체부(61)의 하부측에 이물(F1)이 존재할 경우, 하부측에 위치하는 제1 배출부(71a)를 통해서 이물(F1)을 분리하여 추출할 수 있다. 제품 생산에 있어서 양품의 수율이 중요할 수 있고, 본 실시예에서와 같이 복수의 배출부(71)를 사용함으로써, 손실률을 절반(1/2) 또는 1/n로 줄이는 효과를 얻을 수 있다. 따라서, 복수의 배출부(71) 및 이들에 각각 대응하는 복수의 밸브 유닛(추출 밸브 유닛)을 사용하는 것이 바람직할 수 있다.
도 10은 본 발명의 일 실시예에 따른 것으로, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 추출부(600)의 구성을 예시적으로 설명하기 위한 사시도이다.
도 10을 참조하면, 추출부(600)는 검사부(200B)의 배출부(71)에 연결된 밸브 유닛(V10, V20) 및 밸브 유닛(V10, V20)에 연결된 추출 배관부(E10, E20)를 포함할 수 있다. 복수의 배출부(71)가 구비된 경우, 각각의 배출부(71)에 밸브 유닛(V10/V20)이 연결될 수 있고, 밸브 유닛(V10/V20) 각각에 연결된 추출 배관부(E10/E20)가 마련될 수 있다. 예를 들어, 제1 배출부(71a)에 제1 밸브 유닛(V10)이 연결될 수 있고, 제1 밸브 유닛(V10)에 제1 추출 배관부(E10)가 연결될 수 있다. 또한, 제2 배출부(71b)에 제2 밸브 유닛(V20)이 연결될 수 있고, 제2 밸브 유닛(V20)에 제2 추출 배관부(E20)가 연결될 수 있다. 추출 배관부(E10, E20)는 이물 수용 용기(30)에 연결될 수 있다. 밸브 유닛(V10, V20)을 전기적으로 자동화 방식으로 제어함으로써, 이물은 이물 수용 용기(30)로 보내어 분리 추출하고, 양품은 메인 배관을 통해 회수되도록 할 수 있다. 앞서 설명한 바와 같이, 복수의 배출부(71)를 사용함으로써, 손실률을 절반(1/2) 또는 1/n로 줄이는 효과를 얻을 수 있다.
도 11은 본 발명의 일 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부 및 조명부의 구성을 예시적으로 보여주는 평면도이다.
도 11을 참조하면, 본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부는 검사부(200)의 전면측에 배치되는 전면 촬영부(400a) 및 검사부(200)의 후면측에 배치되는 후면 촬영부(400b)를 포함할 수 있다. 상기 조명부는 검사부(200)의 전면측에 배치되는 복수의 전면 조명부(300a) 및 검사부(200)의 후면측에 배치되는 복수의 후면 조명부(300b)를 포함할 수 있다. 복수의 전면 조명부(300a)는 후면 촬영부(400b)에 대한 투과광 및 전면 촬영부(400a)에 대한 반사광을 제공하도록 구성될 수 있다. 이와 유사하게, 복수의 후면 조명부(300b)는 전면 촬영부(400a)에 대한 투과광 및 후면 촬영부(400b)에 대한 반사광을 제공하도록 구성될 수 있다.
복수의 전면 조명부(300a)는 301a, 302a 및 303a로 표시된 개별 조명부들을 포함할 수 있다. 복수의 후면 조명부(300b)는 301b, 302b 및 303b로 표시된 개별 조명부들을 포함할 수 있다. 301a는 후면 촬영부(400b)에 대한 투과광(후면광)을 제공할 수 있고, 302a 및 303a는 전면 촬영부(400a)에 대한 반사광(전면광)을 제공할 수 있다. 301b는 전면 촬영부(400a)에 대한 투과광(후면광)을 제공할 수 있고, 302b 및 303b는 후면 촬영부(400b)에 대한 반사광(전면광)을 제공할 수 있다. 여기서, 투과광 및 반사광은 검사부(200)에 대한 투과 및 반사를 의미할 수 있다. 검사부(200)는, 예를 들어, 도 4 또는 도 7에서 설명한 구조를 가질 수 있다.
도 12는 본 발명의 다른 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부 및 조명부의 구성을 예시적으로 보여주는 평면도이다.
도 12를 참조하면, 본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 촬영부는 검사부(200)의 전면측에 배치되는 전면 촬영부(400a) 및 검사부(200)의 후면측에 배치되는 후면 촬영부(400b)를 포함할 수 있다. 상기 조명부는 검사부(200)의 전면측에 배치되는 복수의 전면 조명부(300a) 및 검사부(200)의 후면측에 배치되는 복수의 후면 조명부(300b)를 포함할 수 있다. 복수의 전면 조명부(300a)는 후면 촬영부(400b)에 대한 투과광 및 전면 촬영부(400a)에 대한 반사광을 제공하도록 구성될 수 있다. 이와 유사하게, 복수의 후면 조명부(300b)는 전면 촬영부(400a)에 대한 투과광 및 후면 촬영부(400b)에 대한 반사광을 제공하도록 구성될 수 있다.
복수의 전면 조명부(300a)는 311a 및 312a로 표시된 개별 조명부들을 포함할 수 있다. 복수의 후면 조명부(300b)는 311b 및 312b로 표시된 개별 조명부들을 포함할 수 있다. 311a는 전면 촬영부(400a)에 대한 반사광(전면광)을 제공할 수 있고, 312a는 후면 촬영부(400b)에 대한 투과광(후면광) 및 전면 촬영부(400a)에 대한 반사광(전면광)을 제공할 수 있다. 311b는 후면 촬영부(400b)에 대한 반사광(전면광)을 제공할 수 있고, 312b는 전면 촬영부(400a)에 대한 투과광(후면광) 및 후면 촬영부(400b)에 대한 반사광(전면광)을 제공할 수 있다.
도 11 및 도 12에 예시된 바와 같이, 일정 거리를 두고 전면 및 후면 촬영부(카메라)를 배치하여 대상물에 대한 양면 촬영을 수행할 수 있다. 상기 전면 및 후면 촬영부는 초분광 카메라일 수 있다. 또한, 경우에 따라, 상기 전면 및 후면 촬영부는 라인 스캔형 카메라일 수 있다. 투광성이 높은 대상물의 경우, 후면광을 단독 혹은 전면광과 함께 설치하여 데이터의 강도 및 정확도를 상당히 높일 수 있다. 구체적인 일례로, 약 200W 이상 출력을 갖는 직관 할로겐 투광기 조명을 약 200 ∼ 300 mm 거리에서 후면광으로 사용시에, 균일하고 강한 투과 스펙트럼을 얻을 수 있다. 이는 과일잼(ex, 딸기잼) 등의 탁한 대상물에 대한 고품질 데이터를 얻는데 유리하게 작용할 수 있다.
도 13은 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 조명부에 적용될 수 있는 광원(15)을 예시적으로 보여주는 사시도이다.
도 13을 참조하면, 상기 조명부의 광원(15)은, 예를 들어, 직관형 할로겐 광원(직관형 할로겐 램프)일 수 있다. 벌브형 대신 직관형(라인형) 할로겐 광원을 직렬로 배치할 경우, 라인 스캔 이미징에 대해 균일한 조도 획득이 보다 용이할 수 있다. 약 200W 이상 출력을 갖는 직관형 할로겐 조명을 검사부로부터 약 200 ∼ 300 mm 거리에 배치할 수 있다. 이때, 상기 직관형 할로겐 조명은 수직하거나 대체로 수직하게 배치될 수 있다. 그러나, 조명부에 적용되는 광원(15)은 직관형 할로겐 광원으로 한정되지 아니하고, 경우에 따라, 달라질 수 있다.
도 14는 본 발명의 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 조명부의 구성을 예시적으로 보여주는 단면도이다.
도 14를 참조하면, 상기 조명부는 광원(15) 및 광원(15)의 주위를 대략 감싸도록 배치되는 반사 곡면 한정부(25)를 포함할 수 있다. 광원(15)은 도 13에서 설명한 바와 같은 직관형 할로겐 광원일 수 있다. 반사 곡면 한정부(25)는 광원(15)에서 발생된 광을 반사하여 소정 방향으로 조사하기 위한 반사 곡면을 가질 수 있다. 상기 반사 곡면에는 반사경 또는 반사면이 형성되어 있을 수 있고, 또는, 별도의 반사 필름을 상기 반사 곡면에 부착하여 사용할 수 있다. 상기 반사 곡면의 형태에 따라서, 상기 조명부는 타원형 조명 또는 포물선형 조명으로 사용될 수 있다.
상기 타원형 조명은, 도 15에 도시된 바와 같이, 빛이 타원형의 반사경에 의해 반사되어 반대편의 중심점으로 빛을 모아주는 역할을 할 수 있고, 원하는 지점에 집중적인 빛을 모아줌으로써 탁한 물질에서의 데이터를 얻는데 보다 유리할 수 있다.
상기 포물선형 조명은, 도 16에 도시된 바와 같이, 빛이 포물선형의 반사경에 의해 반사되어 넓은 면적에 빛을 균일하게 비추는 역할을 할 수 있고, 빛을 균일하게 펼침으로써 전체의 밝기가 일정하게 유지되므로 전체적인 밝기를 일정하게 해야 할 때 유리할 수 있다.
상기 조명부의 타입 선택 및 구체적인 구성은 원물(대상물)의 상태에 따라 반사되는 최상의 조건을 찾기 위해 중요할 수 있다. 본 발명의 실시예에 따르면, 도 14의 구조에서 반사경 부분, 즉, 반사 곡면 한정부(25)만 분리 교체하여 기능을 바꿔줌으로써, 타원형 조명 및 포물선형 조명을 모두 구현 가능하도록 할 수 있다. 일반적인 반사경 제작시, 금형을 이용할 경우, 그 제작 비용이 매우 높을 수 있다. 그러나, 본 발명의 실시예에서는 3D(3-dimensional) 가공을 통해 가공 문제를 해결할 수 있고, 아울러, 반사면에 반사율이 높은 반사 필름을 별도로 부착함으로써 제조 단가를 크게 낮추는 효과를 얻을 수 있다. 상기 반사 필름은, 비제한적인 예로, 알루미늄 증착 필름을 포함할 수 있다. 이러한 본 발명의 실시예들에 따르면, 원하는 반사각의 가공 및 반사율을 원하는대로 소량 생산하는 것도 가능할 수 있다.
도 17은 본 발명의 일 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 학습 방법을 예시적으로 설명하기 위한 도면이다.
도 17을 참조하면, 실제 사용되는 검사부와 동일하거나 유사한 규격의 학습용 검사부 모듈(210)을 제작하여 원하는대로 검사 대상 물질(이물 포함)을 그 내부에 세팅하고, 동일한 시스템 내에서 쉽고 빠르게 다량의 데이터를 취득하고 AI 모델을 학습시킬 수 있다. 영상 데이터를 라인 스캔하여 얻는 경우, 컨베이어를 이용해서 학습용 검사부 모듈(210)을 이동시키면서 스캔을 진행할 수 있다. 학습용 검사부 모듈(210)은 실제 사용되는 검사부에서 주입부 및 배출부가 없는 구조를 가질 수 있다. 또한, 학습용 검사부 모듈(210)은 제1 및 제2 투광성 부재 사이로 검사 대상 물질(이물 포함)을 넣어줄 수 있도록 일부가 열린 구조 또는 개폐 가능한 구조를 가질 수 있다. 실제와 동일한 조명부-촬영부-검사부 위치 관계로 장비를 세팅하여 최대한 광학적으로 동일한 조건에서 데이터가 취득되도록 할 수 있다. AI 모델 학습에서 데이터의 양과 질이 모두 중요할 수 있으므로, 유체/반유체 검사와 같이 통제하기 어려운 물질에 대한 데이터를 취득하고 학습할 때, 학습용 검사부 모듈(210)을 이용한 데이터 취득은 큰 효용성을 가질 수 있다.
도 18은 본 발명의 다른 실시예에 따른 것으로, 자동화된 품질 검사 및 이물 추출 시스템에 적용될 수 있는 학습 방법을 예시적으로 설명하기 위한 도면이다.
도 18을 참조하면, 붉은색으로 마킹된 조명부 및 촬영부의 하단을 슬라이딩이 가능한 레일로 제작하여, 유체의 직접적인 흐름 없이, 레인의 슬라이딩을 통해 데이터 취득이 이루어질 수 있다. 보다 구체적으로, 검사부에 노란색으로 마킹된 화살표 방향으로 이물 투입이 가능한 투입구를 배치하여, 원하는 위치(수직)에 유동성 물질 내에 이물을 투입하도록 할 수 있다. 이물의 수평 위치는 라인 스캔 카메라가 고정될 위치로 결정될 수 있다. 구비될 레일을 통한 슬라이딩 이동을 통해 펌프 가동 없이 학습 데이터가 획득될 수 있으며, 학습 데이터에 라벨링을 통해 학습이 수행될 수 있다.
도 19 내지 도 22는 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 적용을 통한 실험 결과를 나타내는 도면이다.
도 19를 참조하면, (a) 내지 (c)는 각각 16mm 두께의 투광성 부재에서 전면광 적용(a), 후면광 적용(b), 전면광 및 후면광 적용(c)에 따라 이물(딸기잎)이 배치된 유체(딸기잼)을 촬영하여 획득한 초분광 스펙트럼일 수 있다. (d)는 컨베이어 벨트 상의 고체(땅콩)를 촬영하여 획득한 초분광 스펙트럼일 수 있다. 실험 결과 상에서 딸기잼에 대응되는 스펙트럼은 붉은색으로, 딸기잎에 대응되는 스펙트럼은 녹색으로 표현될 수 있다. 반사성보다 투과성이 높은 잼의 특성상 전명광의 밝기가 약해, (a)와 같이 노이즈가 많으며 신호 강도가 약한 저품질 데이터가 생성될 수 있다. (b) 및 (c)의 경우 신호 강도가 충분하고 노이즈가 적은 고품질 데이터가 생성되는 것을 확인할 수 있으며, 예시적으로 사용된 유체인 딸기잼의 경우 약 8배 정도의 신호 강도 차이가 발생되었다. 또한, (c)의 경우 (b)에 비해 신호 강도가 크게 나타났고, 스펙트럼 구분이 보다 용이한 것을 확인할 수 있다.
도 20을 참고하면, (a)에 도시된 바와 같이, 흐름성이 있는 유체가 검사 대상에 해당하는 경우, 글래스(투광성 부재) 내에서 광이 다양한 경로로 산란하여 광경로가 복잡하기 때문에 다양하며 변화폭이 큰 스펙트럼이 생성될 수 있다. 이와 달리, (b)에 도시된 고체의 경우 반사광을 활용하는 경우 단순 반사가 이루어져 단순한 스펙트럼이 생성될 수 있다.
따라서, (a)에 도시된 유체에 대한 분석의 경우 분산도가 높고 변화폭이 큰 데이터의 비선형적 분석을 위하여 딥러닝이 활용되는 것이 적합하며, 비교적 단순하거나 변화폭이 좁은 고체에 대한 검사의 경우 통계 기반의 방법(예를 들어, PCA, PLS-DA, SVM 등의 머신 러닝 기법)이 적절할 수 있다.
도 21을 참고하면, 유체(딸기잼) 내 이물(딸기잎)을 검출하는 과정에서,(a)는 전면광을 활용한 경우이고, (b)는 양면광을 활용한 경우에서 좌측 도면은 전면 카메라를 통해 검사한 결과이고, 우측은 후면 카메라를 활용하여 검출한 결과일 수 있다.
(a)의 경우, 노란색으로 마킹된 이물 검출 결과 외에 다수의 붉은 점에 해당하는 노이즈가 발생된다. 또한, 신호대잡음비를 높이기 위하여 노출시간을 높여야 하고(예를 들어, 8~16ms), 7mm 정도의 투과 검출이 가능할 수 있다. 또한, 1> 노출시간*FPS 조건으로 인하여, FPS에 상한이 발생되며, 원물 처리속도에 상한이 발생될 수 있다.
이와 달리, (b)의 경우, 16mm까지 투과하여 92%의 단면 검출률로 딸기잎 이물이 검출될 수 있으며(전면 카메라의 경우), (a)에 비해 더 적은 노출 시간(예를 들어, 1~2ms)에서도 고품질 데이터 획득이 가능하여 높은 FPS 활용이 가능하며, 처리 속도가 향상될 수 있다. 후면 카메라의 경우, 78%의 단면 검출률로 이물 검출이 가능하고, 양면 검사에 기반하여 총 98%의 검출률이 나타날 수 있다.
도 22를 참조하면, 각각의 스펙트럼은 조명에서 광이 나와 투광성 부재(글라스, 강화유리)를 투과한 뒤 컨베이어에 반사되어 다시 강화유리를 통해 카메라에 측정되는 스펙트럼일 수 있다. 흰색 스펙트럼은 강화유리 없이 투과한 광(100%)일 수 있으며, 노란색은 12mm의 투광성 부재, 파란색은 15mm의 투광성 부재, 빨강색은 19mm의 투광성 부재에서 측정된 스펙트럼일 수 있다. 투광성 부재의 두께가 두꺼워질수록 빛이 흡수되어 투과도(투광성 부재 스펙트럼/컨베이어 스펙트럼)가 떨어지며, 특히 700-1000nm의 장파장 광의 투과도가 떨어지는 것이 확인되었다. 이외에도 6mm의 투광성 부재의 경우, 내압/내열성을 유지하며 광 손실을 최소화할 수 있다.
도 23 내지 도 29는 일 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템의 적용에 따른 국제 공인 실험 기관의 실험 결과를 나타내는 도면이다.
도 23은 본원 발명의 적용에 따라 한국시스템 보증에서 수행한 실험 결과를 나타내는 도면이다.
도 24 내지 도 29는 일련의 실험이 진행되는 절차 및 이에 따른 결과를 나타내는 도면이다.
전술한 본 발명의 실시예들에 따른 자동화된 품질 검사 및 이물 추출 시스템을 이용한 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 방법은 상기 검사부를 통해 상기 대상물을 이송시키면서 상기 검사부 내에 위치하는 상기 대상물의 영상 데이터를 획득하는 단계, 상기 영상 데이터에 대하여 기계학습에 의한 학습 모델을 이용해서 분석을 수행하는 단계 및 상기 영상 데이터에 대한 분석 결과에 따라 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하는 단계를 포함할 수 있다. 이는 도 1 내지 도 29를 참조하여 설명한 내용으로부터 용이하게 이해될 수 있다. 또한, 도 1 내지 도 29를 참조하여 설명한 모든 내용이 본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 방법에 적용될 수 있다.
이상에서 설명한 본 발명의 실시예들에 따르면, 다양한 유동형 대상물에 대해서 품질 검사 및 이물 추출을 높은 정확도로 효율적으로 빠르게 수행할 수 있는 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 관련 방법을 구현할 수 있다. 본 발명의 실시예에 따른 자동화된 품질 검사 및 이물 추출 시스템 및 방법을 사용하면, 기존의 금속 검출기나 X-선 검사, 육안 검사, 체질 등의 방법으로는 정확한 검사가 어렵고 이물 제거가 어려운 다양한 유동성 대상물(제품)에 대해서 높은 정확도로 품질 검사 및 이물 제거를 실시간 전수 검사 방식으로 수행할 수 있다. 또한, 과일잼과 같이 건더기가 포함된 반유체 형태를 갖는 대상물에 대해서도 품질 검사 및 이물 제거를 빠르고 정확하게 수행할 수 있다. 부가해서, 양면 검사 방식, 반사광 및 투과광을 모두 이용한 검사 방식, 초분광(hyperspectral) 데이터를 이용한 검사 방식 등을 적용함으로써, 건더기나 부유물이 존재하거나 진한 색상을 갖거나 반사성 보다 투과성이 높은 대상물에 대해서도 검사의 정확성 및 용이성을 향상시킬 수 있다.
본 명세서에서는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 해당 기술 분야에서 통상의 지식을 가진 자라면, 도 1 내지 도 29를 참조하여 설명한 실시예들에 따른 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법이, 본 발명의 기술적 사상이 벗어나지 않는 범위 내에서, 다양하게 치환, 변경 및 변형될 수 있음을 알 수 있을 것이다. 때문에 발명의 범위는 설명된 실시예에 의하여 정하여 질 것이 아니고 특허 청구범위에 기재된 기술적 사상에 의해 정하여져야 한다.
* 도면의 주요 부분에 대한 부호설명 *
10 : 대상물 투입부 20 : 펌프
30 : 이물 수용 용기 40 : 이물 투입부
50, 51 : 주입부 60, 61 : 검사 본체부
70, 71 : 배출부 100 : 배관
200, 200A, 200B : 검사부 210 : 학습용 검사부 모듈
300 : 조명부 400 : 촬영부
500 : 컴퓨팅 장치 600 : 배출부
T10, T11 : 제1 투광성 부재 T20, T21 : 제2 투광성 부재
V10, V20 : 밸브 유닛 E10, E20 : 추출 배관부
10 : 대상물 투입부 20 : 펌프
30 : 이물 수용 용기 40 : 이물 투입부
50, 51 : 주입부 60, 61 : 검사 본체부
70, 71 : 배출부 100 : 배관
200, 200A, 200B : 검사부 210 : 학습용 검사부 모듈
300 : 조명부 400 : 촬영부
500 : 컴퓨팅 장치 600 : 배출부
T10, T11 : 제1 투광성 부재 T20, T21 : 제2 투광성 부재
V10, V20 : 밸브 유닛 E10, E20 : 추출 배관부
Claims (5)
- 유체 내지 반유체 형태의 대상물이 이송가능한 배관;
상기 배관의 중간 내지 주어진 부위에 연결되도록 설치된 것으로, 서로 마주하여 인접하게 배치되는 제1 및 제2 투광성 부재를 구비하는 검사 본체부와 상기 검사 본체부의 일단에 마련된 주입부 및 상기 검사 본체부의 타단에 마련된 배출부를 포함하고, 상기 대상물이 상기 주입부로 주입되어 상기 제1 및 제2 투광성 부재 사이의 공간을 지나 상기 배출부로 배출되도록 구성된 검사부;
상기 검사 본체부 내에 위치하는 상기 대상물에 조명광을 조사하기 위한 조명부;
상기 검사 본체부 내에 위치하는 상기 대상물의 영상 데이터를 획득하기 위한 촬영부;
상기 촬영부에 의해 획득된 상기 영상 데이터 내지 그에 대응하는 학습용 영상 데이터를 이용해서 인공신경망에 의한 기계학습을 수행하고 상기 기계학습에 의한 학습 모델로 상기 촬영부에 의해 획득된 상기 영상 데이터에 대한 분석을 수행하도록 구성된 컴퓨팅 장치; 및
상기 검사부에 연결되어 설치된 것으로, 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하기 위한 추출부;를 포함하고,
상기 촬영부는 초분광(hyperspectral) 카메라를 포함하고,
상기 영상 데이터는 초분광 데이터를 포함하고,
상기 촬영부는 상기 검사부의 전면측에 배치되는 전면 촬영부; 및
상기 검사부의 후면측에 배치되는 후면 촬영부
를 포함하고,
상기 조명부는 상기 검사부의 전면측에 배치되는 복수의 전면 조명부; 및
상기 검사부의 후면측에 배치되는 복수의 후면 조명부
를 포함하고,
상기 복수의 전면 조명부는,
상기 후면 촬영부와 마주보는 위치에 배치되어 상기 후면 촬영부에 투과광을 제공함과 동시에, 상기 전면 촬영부에 반사광을 제공하도록 구성된 제1 개별 조명부
를 포함하고,
상기 복수의 후면 조명부는,
상기 전면 촬영부와 마주보는 위치에 배치되어 상기 전면 촬영부에 투과광을 제공함과 동시에, 상기 후면 촬영부에 반사광을 제공하도록 구성된 제2 개별 조명부
를 포함하는, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템. - 제 1 항에 있어서,
상기 제1 및 제2 투광성 부재 각각은 판형 유리를 포함하고,
상기 제1 및 제2 투광성 부재는 6mm의 두께인 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템. - 제 1 항에 있어서,
상기 추출부는 상기 배출부에 연결된 밸브 유닛; 및 상기 밸브 유닛에 연결된 추출 배관부;를 포함하고,
상기 배출부는,
검사부의 길이 방향으로 배치된 복수개의 배출부를 포함하는, 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템. - 삭제
- 청구항 1 항에 기재된 자동화된 품질 검사 및 이물 추출 시스템을 이용한 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 방법으로서,
상기 검사부를 통해 상기 대상물을 이송시키면서 상기 검사부 내에 위치하는 상기 대상물의 영상 데이터를 획득하는 단계;
상기 영상 데이터에 대하여 기계학습에 의한 학습 모델을 이용해서 분석을 수행하는 단계; 및
상기 영상 데이터에 대한 분석 결과에 따라 상기 대상물 내에 포함된 이물 내지 이상부를 분리하여 추출하는 단계;를 포함하는 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230142250A KR102629589B1 (ko) | 2023-10-23 | 2023-10-23 | 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230142250A KR102629589B1 (ko) | 2023-10-23 | 2023-10-23 | 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102629589B1 true KR102629589B1 (ko) | 2024-01-29 |
Family
ID=89716670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230142250A KR102629589B1 (ko) | 2023-10-23 | 2023-10-23 | 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102629589B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019181803A1 (ja) * | 2018-03-20 | 2019-09-26 | 住友電気工業株式会社 | 微小粒子計測装置 |
| JP2020139871A (ja) * | 2019-02-28 | 2020-09-03 | 横河電機株式会社 | 濁度測定方法及び濁度計 |
| KR102259123B1 (ko) * | 2020-11-16 | 2021-06-01 | (주)키웍스 | 비전검사 장치 및 그 제어 방법 |
| JP2021520500A (ja) * | 2018-05-18 | 2021-08-19 | ザ ウェーブ トーク， インコーポレイテッドＴｈｅ Ｗａｖｅ Ｔａｌｋ， Ｉｎｃ． | 光学検出システム |
-
2023
- 2023-10-23 KR KR1020230142250A patent/KR102629589B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019181803A1 (ja) * | 2018-03-20 | 2019-09-26 | 住友電気工業株式会社 | 微小粒子計測装置 |
| JP2021520500A (ja) * | 2018-05-18 | 2021-08-19 | ザ ウェーブ トーク， インコーポレイテッドＴｈｅ Ｗａｖｅ Ｔａｌｋ， Ｉｎｃ． | 光学検出システム |
| JP2020139871A (ja) * | 2019-02-28 | 2020-09-03 | 横河電機株式会社 | 濁度測定方法及び濁度計 |
| KR102259123B1 (ko) * | 2020-11-16 | 2021-06-01 | (주)키웍스 | 비전검사 장치 및 그 제어 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104646315A (zh) | 一种具有黄曲霉素检测功能的农产品智能分选机 | |
| Makky et al. | Development of an automatic grading machine for oil palm fresh fruits bunches (FFBs) based on machine vision | |
| US8426223B2 (en) | Wafer edge inspection | |
| CN105358966B (zh) | 对长材进行表面检查的方法及执行这样的方法的设备 | |
| KR102545082B1 (ko) | 대상물의 흐름을 검사하기 위한 기계 및 방법 | |
| CN104871175A (zh) | 对食品质量进行评分和控制 | |
| CN113600508B (zh) | 一种基于机器视觉的烟叶烟包霉变及杂物监测*** | |
| CN102601063B (zh) | 一种竹片自动识别分级方法 | |
| CN107614127A (zh) | 利用多反射和多角度视图的新型基于颜色的光学分级*** | |
| US20100230327A1 (en) | Device and method for the classification of transparent component in a material flow | |
| CN204699963U (zh) | 一种具有黄曲霉素检测功能的农产品智能分选机 | |
| CN103808669A (zh) | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 | |
| CN109115719A (zh) | 一种基于高光谱成像技术的柑橘黄龙病波段融合快速检测方法 | |
| JP6967518B2 (ja) | 異物が除去された魚卵ペーストの製造方法及び異物が除去された魚卵ペーストの製造装置 | |
| CN206132659U (zh) | 用于检测柑橘表皮缺陷的在线图像采集*** | |
| CN102422145A (zh) | 连续流中粒状产品的品质的测量 | |
| KR102629589B1 (ko) | 유동형 대상물에 대한 기계학습이 적용된 자동화된 품질 검사 및 이물 추출 시스템 및 기계학습을 이용한 자동화된 품질 검사 및 이물 추출 방법 | |
| KR20200126849A (ko) | 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 | |
| WO2022137243A1 (en) | Optical technique for analyzing insects, shrimp and fish | |
| CN206906259U (zh) | 肉类品质智能检测装置 | |
| US10902575B2 (en) | Automated grains inspection | |
| US20220254182A1 (en) | Optical technique for analyzing insects, shrimp and fish | |
| Banus et al. | A deep-learning based solution to automatically control closure and seal of pizza packages | |
| CN208350678U (zh) | 透明容器口部裂纹在线检测装置 | |
| CA3169874A1 (en) | System and method for imaging reflecting objects |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |