KR102684093B1 - Method and apparatus for manufacturing a front side of a fire door using neural networks - Google Patents
Method and apparatus for manufacturing a front side of a fire door using neural networks Download PDFInfo
- Publication number
- KR102684093B1 KR102684093B1 KR1020230111150A KR20230111150A KR102684093B1 KR 102684093 B1 KR102684093 B1 KR 102684093B1 KR 1020230111150 A KR1020230111150 A KR 1020230111150A KR 20230111150 A KR20230111150 A KR 20230111150A KR 102684093 B1 KR102684093 B1 KR 102684093B1
- Authority
- KR
- South Korea
- Prior art keywords
- base plate
- pressing
- heat dissipation
- plate
- fire door
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 128
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003825 pressing Methods 0.000 claims abstract description 201
- 238000004891 communication Methods 0.000 claims abstract description 30
- 230000015654 memory Effects 0.000 claims abstract description 16
- 230000017525 heat dissipation Effects 0.000 claims description 185
- 239000013598 vector Substances 0.000 claims description 76
- 239000000463 material Substances 0.000 claims description 33
- 239000000853 adhesive Substances 0.000 claims description 22
- 230000001070 adhesive effect Effects 0.000 claims description 22
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 40
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 15
- 230000008878 coupling Effects 0.000 description 9
- 238000010168 coupling process Methods 0.000 description 9
- 238000005859 coupling reaction Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000005494 condensation Effects 0.000 description 4
- 238000009833 condensation Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E06—DOORS, WINDOWS, SHUTTERS, OR ROLLER BLINDS IN GENERAL; LADDERS
- E06B—FIXED OR MOVABLE CLOSURES FOR OPENINGS IN BUILDINGS, VEHICLES, FENCES OR LIKE ENCLOSURES IN GENERAL, e.g. DOORS, WINDOWS, BLINDS, GATES
- E06B5/00—Doors, windows, or like closures for special purposes; Border constructions therefor
- E06B5/10—Doors, windows, or like closures for special purposes; Border constructions therefor for protection against air-raid or other war-like action; for other protective purposes
- E06B5/16—Fireproof doors or similar closures; Adaptations of fixed constructions therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES E05D AND E05F, RELATING TO CONSTRUCTION ELEMENTS, ELECTRIC CONTROL, POWER SUPPLY, POWER SIGNAL OR TRANSMISSION, USER INTERFACES, MOUNTING OR COUPLING, DETAILS, ACCESSORIES, AUXILIARY OPERATIONS NOT OTHERWISE PROVIDED FOR, APPLICATION THEREOF
- E05Y2800/00—Details, accessories and auxiliary operations not otherwise provided for
- E05Y2800/45—Manufacturing
- E05Y2800/465—Pressing
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES E05D AND E05F, RELATING TO CONSTRUCTION ELEMENTS, ELECTRIC CONTROL, POWER SUPPLY, POWER SIGNAL OR TRANSMISSION, USER INTERFACES, MOUNTING OR COUPLING, DETAILS, ACCESSORIES, AUXILIARY OPERATIONS NOT OTHERWISE PROVIDED FOR, APPLICATION THEREOF
- E05Y2900/00—Application of doors, windows, wings or fittings thereof
- E05Y2900/10—Application of doors, windows, wings or fittings thereof for buildings or parts thereof
- E05Y2900/13—Type of wing
- E05Y2900/132—Doors
- E05Y2900/134—Fire doors
-
- E—FIXED CONSTRUCTIONS
- E06—DOORS, WINDOWS, SHUTTERS, OR ROLLER BLINDS IN GENERAL; LADDERS
- E06B—FIXED OR MOVABLE CLOSURES FOR OPENINGS IN BUILDINGS, VEHICLES, FENCES OR LIKE ENCLOSURES IN GENERAL, e.g. DOORS, WINDOWS, BLINDS, GATES
- E06B3/00—Window sashes, door leaves, or like elements for closing wall or like openings; Layout of fixed or moving closures, e.g. windows in wall or like openings; Features of rigidly-mounted outer frames relating to the mounting of wing frames
- E06B3/70—Door leaves
- E06B3/7015—Door leaves characterised by the filling between two external panels
- E06B2003/7042—Door leaves characterised by the filling between two external panels with a fire retardant layer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Special Wing (AREA)
Abstract
실시예들은 뉴럴 네트워크를 이용하여 방화문의 전면을 제조하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 제조 장치는, 베이스 플레이트를 지지하고, 상기 베이스 플레이트의 이동을 보조하는 지지부; 상기 베이스 플레이트를 파지하고, 상기 베이스 플레이트를 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시키는 이동식 파지부; 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 상면에서 수직 방향으로 하향 이동하여 상기 베이스 플레이트에 수직의 가압력을 전달하는 가압부; 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 이동 및 상기 가압부의 상기 베이스 플레이트에 대한 가압에 기반하여 상기 베이스 플레이트에 복수의 직사각형 양각 평면이 형성되고, 상기 방화문의 전면은 상기 베이스 플레이트에 형성된 상기 복수의 직사각형 양각 평면을 포함하고, 상기 베이스 플레이트를 촬영하는 카메라 모듈 및 상기 베이스 플레이트의 크기와 두께를 센싱하는 센서 모듈을 포함하는 인식부; 하나 이상의 메모리, 통신 모듈 및 상기 하나 이상의 메모리와 상기 인식부, 상기 이동식 파지부, 상기 가압부 및 상기 통신 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부를 포함할 수 있다. Embodiments present a method and apparatus for manufacturing the front surface of a fire door using a neural network. The manufacturing apparatus according to one embodiment includes a support portion that supports a base plate and assists movement of the base plate; a movable gripper that grips the base plate and moves the base plate in the X-axis or Y-axis direction parallel to the upper surface of the support portion; a pressing part that moves vertically downward from the upper surface of the base plate held by the movable gripping part and transmits a vertical pressing force to the base plate; A plurality of rectangular embossed planes are formed on the base plate based on the movement of the base plate held by the movable gripper and the pressure on the base plate by the pressing unit, and the front surface of the fire door is formed on the plurality of planes formed on the base plate. A recognition unit including a rectangular embossed plane and including a camera module for photographing the base plate and a sensor module for sensing the size and thickness of the base plate; It may include a control unit including one or more memories, a communication module, and one or more processors connecting the one or more memories, the recognition unit, the movable gripping unit, the pressing unit, and the communication module.
Description
본 개시의 실시예들은 방화문의 전면을 제조하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 방화문의 전면을 제조하는 방법 및 장치에 대한 것이다.Embodiments of the present disclosure relate to technology for manufacturing the front of a fire door, and to a method and device for manufacturing the front of a fire door using a neural network.
한편, 방화문은 건물에서 화재를 최소화하기 위해 설치되는 문으로서, 주로 건물의 현관 및 비상구, 계단, 복도 등에 설치된다. 화재가 발생한 경우, 방화문은 화재로 인해 발생하는 화염이나 연기, 열기가 다른 공간(화재가 발생한 반대쪽 공간)으로 번지는 것을 차단하고 방지하는 기능을 수행한다. Meanwhile, fire doors are doors installed to minimize fires in buildings, and are mainly installed in building entrances, emergency exits, staircases, and hallways. In the event of a fire, a fire door performs the function of blocking and preventing the flame, smoke, or heat generated by the fire from spreading to another space (the space opposite to where the fire occurred).
즉, 화염이나 연기를 차단하기 위해, 대부분 스테인레스나 철판 등의 금속재질을 이용하여 외부 공기와 접촉하는 패널과 내부 공기와 접촉하는 패널 사이에 흡음 단열재를 채운 상태에서 상, 하측에 보강 패널을 결합시켜 방화문을 제작한다.In other words, in order to block flame or smoke, most metal materials such as stainless steel or steel plates are used to fill sound-absorbing insulation between the panel in contact with the outside air and the panel in contact with the inside air, and reinforced panels are joined on the upper and lower sides. to manufacture fire doors.
도 1에서 보는 바와 같이 종래기술에 의한 방화문의 전면(100)은, 베이스 플레이트(10)에 형성된 복수의 결합용 홈(20)과 하나의 방열 플레이트(30)에 결합된 복수의 후크(40)가 결합됨으로써, 방열 플레이트(30)와 다른 방열 플레이트(60) 사이의 틈에 홈(50)이 형성되어 결로가 발생할 수 있는 문제가 있다.As shown in Figure 1, the
따라서, 기존 방화문의 전면(100)의 제조 시간을 감축하여 제조 효율을 향상시키고, 기존 방화문의 전면(100)에서 방열 플레이트(30) 사이에 형성되는 홈을 제거하기 위해, 결함용 홈(20)과 후크(40)의 결합으로 방열 플레이트(30)를 부착하는 방식을 대체할 방식이 필요하다.Therefore, in order to improve manufacturing efficiency by reducing the manufacturing time of the
이때, 기존의 방식을 대체하기 위해, 베이스 플레이트에 직사각형 양각 평면을 형성하여 방열 플레이트를 부착하는 방식을 사용할 있다. 다만, 방화문의 전면에 서로 다른 직사각형 양각 평면을 형성하기 위해서, 각각의 직사각형 양각 평면에 대한 가압 형태와 가압력을 다르게 설정해야 하는 문제가 있다. At this time, in order to replace the existing method, a method of forming a rectangular embossed plane on the base plate and attaching the heat dissipation plate can be used. However, in order to form different rectangular embossed planes on the front of the fire door, there is a problem that the pressing form and pressing force for each rectangular embossed plane must be set differently.
이에, 뉴럴 네트워크를 이용하여 베이스 플레이트에 직사각형 양각 평면을 형성하기 위한 이동식 파지부 및 가압부를 설정하고, 이동식 파지부 및 가압부를 통해 직사각형 양각 평면을 형성하고, 형성된 직사각형 양각 편면에 방열 플레이트를 배치하여 방화문의 전면을 형성하는 제조 장치 및 방법이 필요하다.Accordingly, a movable gripping part and a pressing part are set up to form a rectangular embossed plane on the base plate using a neural network, a rectangular embossed plane is formed through the movable gripping part and a pressing part, and a heat dissipation plate is placed on one side of the formed rectangular embossed plane. There is a need for a manufacturing apparatus and method for forming the front face of a fire door.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 방화문의 전면을 제조하는 방법 및 장치를 제공할 수 있다. Embodiments of the present disclosure can provide a method and device for manufacturing the front surface of a fire door using a neural network.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.The technical challenges to be achieved in the embodiments are not limited to the matters mentioned above, and other technical challenges not mentioned may be considered by those skilled in the art from the various embodiments described below. You can.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 방화문의 전면을 형성하는 제조 장치는, 베이스 플레이트를 지지하고, 상기 베이스 플레이트의 이동을 보조하는 지지부; 상기 베이스 플레이트를 파지하고, 상기 베이스 플레이트를 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시키는 이동식 파지부; 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 상면에서 수직 방향으로 하향 이동하여 상기 베이스 플레이트에 수직의 가압력을 전달하는 가압부; 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 이동 및 상기 가압부의 상기 베이스 플레이트에 대한 가압에 기반하여 상기 베이스 플레이트에 복수의 직사각형 양각 평면이 형성되고, 상기 방화문의 전면은 상기 베이스 플레이트에 형성된 상기 복수의 직사각형 양각 평면을 포함하고, 상기 베이스 플레이트를 촬영하는 카메라 모듈 및 상기 베이스 플레이트의 크기와 두께를 센싱하는 센서 모듈을 포함하는 인식부; 하나 이상의 메모리, 통신 모듈 및 상기 하나 이상의 메모리와 상기 인식부, 상기 이동식 파지부, 상기 가압부 및 상기 통신 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부를 포함할 수 있다. 상기 하나 이상의 프로세서는, 상기 인식부에 의해 획득된 상기 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 상기 베이스 플레이트의 상태를 결정하고, 상기 베이스 플레이트에 대한 정보는 상기 베이스 플레이트의 이미지와 상기 베이스 플레이트의 크기 및 두께를 포함하고, 상기 베이스 플레이트가 정상 상태인 것에 기반하여 상기 방화문의 전면과 관련된 정보가 획득되고, 상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 상기 이동식 파지부에 대한 제1 이동 경로 및 상기 가압부에 대한 제1 가압 설정을 결정하고, 상기 베이스 플레이트의 이동은 상기 이동식 파지부에 대한 제1 이동 경로를 기반으로 수행되고, 및 상기 가압부의 상기 베이스 플레이트에 대한 가압은 상기 가압부에 대한 제1 가압 설정을 기반으로 수행되고, 상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트가 배치될 수 있다.A manufacturing apparatus for forming the front of a fire door using a neural network according to one embodiment includes a support portion that supports a base plate and assists movement of the base plate; a movable gripper that grips the base plate and moves the base plate in the X-axis or Y-axis direction parallel to the upper surface of the support portion; a pressing part that moves vertically downward from the upper surface of the base plate held by the movable gripping part and transmits a vertical pressing force to the base plate; A plurality of rectangular embossed planes are formed on the base plate based on the movement of the base plate held by the movable gripper and the pressure on the base plate by the pressing unit, and the front surface of the fire door is formed on the plurality of planes formed on the base plate. A recognition unit including a rectangular embossed plane and including a camera module for photographing the base plate and a sensor module for sensing the size and thickness of the base plate; It may include a control unit including one or more memories, a communication module, and one or more processors connecting the one or more memories, the recognition unit, the movable gripping unit, the pressing unit, and the communication module. The one or more processors determine the state of the base plate through a search model using a first neural network based on the information about the base plate acquired by the recognition unit, and the information about the base plate is determined by the base plate. Includes an image of the plate and the size and thickness of the base plate, information related to the front of the fire door is obtained based on the base plate being in a normal state, information related to the front of the fire door, and the size and thickness of the base plate. Based on the thickness, a first movement path for the movable gripper and a first pressure setting for the pressurizer are determined through a pressure setting model using a second neural network, and the movement of the base plate is determined by the movable gripper. is performed based on a first movement path, and the pressing of the pressing unit against the base plate is performed based on a first pressing setting with respect to the pressing unit, and a heat dissipation plate is formed on a rectangular embossed plane formed on the base plate. can be placed.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 제조 장치가 방화문의 전면을 형성하는 방법은, 상기 제조 장치의 이동식 파지부에 베이스 플레이트가 파지되는 것에 기반하여, 상기 제조 장치에 구비된 인식부를 통해 베이스 플레이트에 대한 정보를 획득하고, 상기 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 상기 베이스 플레이트의 상태를 결정하고, 상기 베이스 플레이트가 정상 상태인 것에 기반하여 상기 방화문의 전면과 관련된 정보를 획득하고, 상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 상기 이동식 파지부에 대한 제1 이동 경로 및 가압부에 대한 제1 가압 설정을 결정하고, 상기 이동식 파지부에 대한 제1 이동 경로에 따라 상기 제조 장치의 상기 이동식 파지부에 파지된 상기 베이스 플레이트를 상기 제조 장치의 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시키고, 상기 가압부에 대한 제1 가압 설정을 기반으로 상기 가압부를 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 상면에서 수직 방향으로 하향 이동시켜 상기 베이스 플레이트에 수직의 가압력을 전달하는 단계를 포함할 수 있다. 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 이동 및 상기 가압부의 상기 베이스 플레이트에 대한 가압에 기반하여 상기 베이스 플레이트에 복수의 직사각형 양각 평면이 형성되고, 상기 방화문의 전면은 상기 베이스 플레이트에 형성된 상기 복수의 직사각형 양각 평면을 포함하고, 상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트가 배치될 수 있다.A method in which a manufacturing device forms the front of a fire door using a neural network according to an embodiment includes recognition provided in the manufacturing device based on the base plate being held by a movable gripper of the manufacturing device. Obtain information about the base plate through the unit, determine the state of the base plate through a search model using a first neural network based on the information about the base plate, and determine the state of the base plate based on the fact that the base plate is in a normal state. Obtaining information related to the front of the fire door, a first movement path for the movable gripper through a pressure setting model using a second neural network based on the information related to the front of the fire door and the size and thickness of the base plate, and Determine a first pressing setting for the pressing portion, and position the base plate held by the movable gripping portion of the manufacturing device parallel to the upper surface of the supporting portion of the manufacturing device according to a first movement path for the movable gripping portion. axis or Y-axis direction, and based on the first pressure setting for the pressing unit, the pressing unit is moved vertically downward from the upper surface of the base plate held by the movable gripping unit to apply a pressing force perpendicular to the base plate. It may include the step of delivering. A plurality of rectangular embossed planes are formed on the base plate based on the movement of the base plate held by the movable gripper and the pressure on the base plate by the pressing unit, and the front surface of the fire door is formed on the plurality of planes formed on the base plate. It includes a rectangular relief plane, and a heat dissipation plate may be disposed on the rectangular relief plane formed on the base plate.
일 실시예에 따라, 상기 탐색 모델은 R-CNN(faster regions with convolutional neural network) 모델이 사용될 수 있다. 상기 베이스 플레이트의 이미지에 대한 데이터 전처리를 통해 제1 이미지 벡터가 생성될 수 있다. 상기 제1 이미지 벡터가 상기 탐색 모델에 입력되는 것에 기반하여 복수의 관심 영역 각각에 대한 유사도가 결정될 수 있다. 상기 복수의 관심 영역은 상기 베이스 플레이트의 균열과 관련된 관심 영역 및 상기 베이스 플레이트의 이물질과 관련된 관심 영역을 포함할 수 있다. 상기 복수의 관심 영역 각각에 대한 유사도가 사전 설정된 유사도 미만인 것에 기반하여 상기 베이스 플레이트가 정상 상태로 결정될 수 있다.According to one embodiment, the search model may be a faster regions with convolutional neural network (R-CNN) model. A first image vector may be generated through data preprocessing of the image of the base plate. Based on the first image vector being input to the search model, similarity for each of a plurality of regions of interest may be determined. The plurality of regions of interest may include a region of interest related to a crack in the base plate and a region of interest related to a foreign substance in the base plate. The base plate may be determined to be in a normal state based on the similarity for each of the plurality of regions of interest being less than a preset similarity.
일 실시예에 따라, 상기 방화문의 전면과 관련된 정보는 상기 베이스 플레이트의 재질, 상기 베이스 플레이트에서 상기 방열 플레이트의 위치 및 크기를 포함할 수 있다. 상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 대한 데이터 전처리를 통해 입력 벡터가 생성될 수 있다. 상기 입력 벡터는 복수의 직사각형 양각 평면의 개수, 상기 복수의 직사각형 양각 평면 각각에 대한 중심 좌표 값, 상기 복수의 직사각형 양각 평면 각각에 대한 높이 값, 베이스 플레이트의 재질에 대한 값, 베이스 플레이트의 크기에 대한 값 및 베이스 플레이트의 두께에 대한 값을 포함할 수 있다. 상기 입력 벡터가 상기 가압 설정 모델에 입력되는 것에 기반하여 상기 제1 가압 설정이 결정될 수 있다. 상기 제1 가압 설정은 상기 복수의 이동식 슬라이드의 배치 정보 및 제1 가압력과 관련된 복수의 값을 포함할 수 있다. 상기 배치 정보는 이동식 슬라이드의 이동식 슬라이드의 위치 좌표와 각 위치 좌표에 매칭되는 이동식 슬라이드의 타입을 포함할 수 있다.According to one embodiment, information related to the front of the fire door may include a material of the base plate, and the location and size of the heat dissipation plate on the base plate. An input vector may be generated through data preprocessing on information related to the front of the fire door and the size and thickness of the base plate. The input vector includes the number of a plurality of rectangular relief planes, a center coordinate value for each of the plurality of rectangular relief planes, a height value for each of the plurality of rectangular relief planes, a value for the material of the base plate, and the size of the base plate. It may include a value for and a value for the thickness of the base plate. The first pressure setting may be determined based on the input vector being input to the pressure setting model. The first pressing setting may include a plurality of values related to the first pressing force and placement information of the plurality of movable slides. The placement information may include the position coordinates of the movable slide and the type of movable slide that matches each position coordinate.
일 실시예에 따라, 상기 인식부에 의해 획득된 상기 방열 플레이트에 대한 정보에 기반하여, 상기 이동식 파지부에 대한 제2 이동 경로 및 상기 가압부에 대한 제2 가압 설정이 결정될 수 있다. 상기 이동식 파지부에 대한 제2 이동 경로는 제2 시간 구간별 위치 좌표를 포함할 수 있다. 상기 가압부에 대한 제2 가압 설정은 제2 시간 구간별 가압 툴 타입에 대한 값, 제2 시간 구간별 가압력 및 제2 시간 구간별 가압 시간을 포함할 수 있다. 상기 방열 플레이트가 배치된 베이스 플레이트가 상기 이동식 파지부에 대한 제2 이동 경로에 기반하여 이동될 수 있다. 상기 제2 가압 설정에 따라 상기 가압부가 상기 방열 플레이트 상면에서 수직 방향으로 하향 이동함으로써 상기 방열 플레이트에 수직의 가압력을 전달할 수 있다.According to one embodiment, based on the information about the heat dissipation plate obtained by the recognition unit, a second movement path for the movable gripper and a second pressure setting for the pressurizing unit may be determined. The second movement path for the movable gripper may include position coordinates for each second time section. The second pressing setting for the pressing unit may include a value for a pressing tool type for each second time section, a pressing force for each second time section, and a pressing time for each second time section. The base plate on which the heat dissipation plate is disposed may be moved based on the second movement path for the movable gripper. According to the second pressure setting, the pressing part moves downward in the vertical direction from the upper surface of the heat dissipation plate, thereby transmitting a vertical pressing force to the heat dissipation plate.
일 실시예에 따라, 상기 본체부는, 상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 상기 방열 플레이트를 배치시키는 플레이트 배치 모듈을 더 포함할 수 있다. 상기 방열 플레이트의 하면은 접착제가 도포될 수 있다. 상기 직사각형 양각 평면과 상기 방열 플레이트의 하면이 접촉될 수 있다.According to one embodiment, the main body may further include a plate arrangement module that arranges the heat dissipation plate on a rectangular embossed plane formed on the base plate. Adhesive may be applied to the lower surface of the heat dissipation plate. The rectangular embossed plane may be in contact with the lower surface of the heat dissipation plate.
부가적으로, 예를 들어, 정답 가압 설정에 포함된 시간 구간별 가압력의 크기는 하기 수학식에 의해 결정될 수 있다.Additionally, for example, the size of the pressing force for each time section included in the correct answer pressing setting may be determined by the following equation.
상기 수학식에서, 상기 N1은 해당 시간 구간의 가압력의 크기이고, 상기 sb는 상기 베이스 플레이트의 두께이고, 상기 lb는 상기 베이스 플레이트의 폭이고, 상기 b는 상기 베이스 플레이트의 재질에 따른 인장 강도이고, 상기 di는 해당 직사각형 양각 평면의 깊이이고, 상기 wpi는 해당 직사각형 양각 평면의 폭이고, 상기 Nref1은 해당 시간 구간에 대한 제1 기본 가압력의 크기일 수 있다.In the above equation, N 1 is the magnitude of the pressing force in the corresponding time period, s b is the thickness of the base plate, l b is the width of the base plate, and b is the tension depending on the material of the base plate. is the intensity, d i is the depth of the corresponding rectangular embossed plane, wp i is the width of the corresponding rectangular embossed plane, and N ref1 may be the magnitude of the first basic pressing force for the corresponding time section.
부가적으로, 예를 들어, 제2 시간 구간별 가압력의 크기는 하기 수학식에 의해 결정될 수 있다.Additionally, for example, the magnitude of the pressing force for each second time period may be determined by the following equation.
상기 수학식에서, 상기 N2는 상기 해당 제2 시간 구간의 가압력의 크기이고, 상기 는 상기 베이스 플레이트의 재질과 상기 방열 플레이트에 도포된 접착제의 종류와 관련된 가중치이고, 상기 sb는 베이스 플레이트의 두께이고, 상기 sf는 해당 방열 플레이트의 두께이고, 상기 wb는 베이스 플레이트의 무게이고, 상기 wf는 해당 방열 플레이트의 무게이고, 상기 Nref2은 해당 제2 시간 구간에 대한 제2 기본 가압력의 크기일 수 있다.In the above equation, N 2 is the magnitude of the pressing force in the corresponding second time period, and is a weight related to the material of the base plate and the type of adhesive applied to the heat dissipation plate, s b is the thickness of the base plate, s f is the thickness of the heat dissipation plate, and w b is the weight of the base plate. , w f is the weight of the heat dissipation plate, and N ref2 may be the magnitude of the second basic pressing force for the second time period.
실시예들에 따르면, 제조 장치는 방화문의 전면의 제조 시 베이스 플레이트에 결합용 홈을 형성하는 과정과 방열 플레이트에 후크를 부착시키는 과정을 생략함으로써, 방화문의 전면을 제조하는 시간이 단축될 수 있다. 뿐만 아니라, 방화문의 전면 제조 시 방열 플레이트 사이의 홈이 형성되지 않아 결로의 발생을 사전에 방지함으로써, 방화문의 전면에 대한 품질을 향상시킬 수 있다.According to embodiments, the manufacturing apparatus omits the process of forming a coupling groove in the base plate and the process of attaching a hook to the heat dissipation plate when manufacturing the front of the fire door, thereby shortening the time for manufacturing the front of the fire door. . In addition, when manufacturing the front of a fire door, the quality of the front of the fire door can be improved by preventing the occurrence of condensation since a groove is not formed between the heat dissipation plates.
실시예들에 따르면, 제조 장치는 방화문의 전면과 관련된 정보 및 베이스 플레이트의 크기와 두께에 기반하여 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 이동식 파지부에 대한 이동 경로 및 가압부에 대한 가압 설정을 결정함으로써, 방화문의 전면 모양 뿐만 아니라 베이스 플레이트의 재질과 규격, 직사각형 양각 평면의 타입에 따른 규격 등 다양한 요인들을 고려하여 이동식 파지부의 위치 좌표와 베이스 플레이트에 대한 가압 툴의 타입, 가압력 및 가압시간을 결정할 수 있다.According to embodiments, the manufacturing device determines the movement path for the movable gripper and the pressure setting for the pressurizing unit through a pressure setting model using a neural network based on information related to the front of the fire door and the size and thickness of the base plate. By doing so, considering various factors such as the front shape of the fire door, the material and size of the base plate, and the size of the rectangular embossed plane, the position coordinates of the movable gripper and the type, pressing force, and pressing time of the pressing tool for the base plate are determined. You can decide.
실시예들에 따르면, 제조 장치는 인식부에 의해 획득된 베이스 플레이트에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 탐색 모델을 통해 베이스 플레이트의 상태를 결정함으로써, 사전에 베이스 플레이트의 상태를 효과적으로 점검할 수 있다.According to embodiments, the manufacturing device can effectively check the state of the base plate in advance by determining the state of the base plate through a search model using a neural network based on information about the base plate acquired by the recognition unit. there is.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.The effects that can be obtained from the examples are not limited to the effects mentioned above, and other effects not mentioned can be clearly derived and understood by those skilled in the art based on the detailed description below. It can be.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 기존 방화문의 전면에 대한 예를 나타낸다.
도 2는 일 실시예에 따른 방화문의 전면에 대한 예를 나타낸다.
도 3은 일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 방화문의 전면을 형성하는 제조 장치에 대한 외관을 나타낸 도면이다.
도 4는 일 실시예에 따른 방화문의 전면을 형성하는 제조 장치의 이동식 파지부의 예를 나타낸다.
도 5는 일 실시예에 따른 방화문의 전면을 형성하는 제조 장치의 가압 부에 대한 예를 나타낸다.
도 6은 일 실시예에 따른 플레이트 배치 모듈과 방열 플레이트 보관부가 체결하기 이전 상태에 대한 예를 나타낸다.
도 7은 일 실시예에 따른 플레이트 배치 모듈과 방열 플레이트 보관부가 체결한 이후 상태에 대한 예를 나타낸다.
도 8은 일 실시예에 따른 뉴럴 네트워크를 이용하여 제조 장치가 방화문의 전면을 형성하는 방법을 나타낸다.
도 9는 일 실시예에 따른 탐색 모델에 대한 예를 나타낸다.
도 10은 일 실시예에 따른 뉴럴 네트워크를 이용하여 제조 장치가 방화문의 전면을 형성하는 방법에 대한 흐름도이다.The accompanying drawings, which are included as part of the detailed description to aid understanding of the embodiments, provide various embodiments and together with the detailed description describe technical features of the various embodiments.
Figure 1 shows an example of the front of an existing fire door.
Figure 2 shows an example of the front of a fire door according to one embodiment.
Figure 3 is a diagram showing the appearance of a manufacturing device that forms the front of a fire door using a neural network according to an embodiment.
Figure 4 shows an example of a movable grip part of a manufacturing device forming the front face of a fire door according to one embodiment.
Figure 5 shows an example of a pressing portion of a manufacturing device forming the front surface of a fire door according to an embodiment.
Figure 6 shows an example of a state before fastening the plate placement module and the heat dissipation plate storage unit according to an embodiment.
Figure 7 shows an example of a state after the plate placement module and the heat dissipation plate storage unit are coupled according to one embodiment.
Figure 8 shows a method in which a manufacturing device forms the front surface of a fire door using a neural network according to an embodiment.
Figure 9 shows an example of a search model according to one embodiment.
Figure 10 is a flowchart of a method in which a manufacturing device forms the front of a fire door using a neural network according to an embodiment.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.The following embodiments combine elements and features of the embodiments in a predetermined form. Each component or feature may be considered optional unless explicitly stated otherwise. Each component or feature may be implemented in a form that is not combined with other components or features. Additionally, various embodiments may be configured by combining some components and/or features. The order of operations described in various embodiments may change. Some features or features of one embodiment may be included in other embodiments or may be replaced with corresponding features or features of other embodiments.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.In the description of the drawings, procedures or steps that may obscure the gist of the various embodiments are not described, and procedures or steps that can be understood at the level of a person with ordinary knowledge in the relevant technical field are not described. did.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.Throughout the specification, when a part is said to “comprise or include” a certain element, this means that it may further include other elements rather than excluding other elements, unless specifically stated to the contrary. do. In addition, terms such as "... unit", "... unit", and "module" used in the specification refer to a unit that processes at least one function or operation, which refers to hardware, software, or a combination of hardware and software. It can be implemented as: Additionally, the terms “a or an,” “one,” “the,” and similar related terms are used herein in the context of describing various embodiments (particularly in the context of the claims below). Unless otherwise indicated or clearly contradicted by context, it may be used in both singular and plural terms.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시 형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.Hereinafter, embodiments according to various embodiments will be described in detail with reference to the attached drawings. The detailed description set forth below in conjunction with the accompanying drawings is intended to describe exemplary embodiments of various embodiments and is not intended to represent the only embodiment.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.In addition, specific terms used in various embodiments are provided to aid understanding of the various embodiments, and the use of such specific terms may be changed to other forms without departing from the technical spirit of the various embodiments. .
도 1은 기존 방화문의 전면에 대한 예를 나타낸다. 도 2는 일 실시예에 따른 방화문의 전면에 대한 예를 나타낸다. 도 2의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 1 shows an example of the front of an existing fire door. Figure 2 shows an example of the front of a fire door according to one embodiment. The embodiment of FIG. 2 can be combined with various embodiments of the present disclosure.
도 1을 참조하면, 기존 방화문의 전면(100)은 베이스 플레이트(10)에 복수의 결합용 홈(20)이 형성될 수 있다. 복수의 결합용 홈(20)과 하나의 방열 플레이트(30)에 결합된 복수의 후크(40)가 결합됨으로써, 방열 플레이트(30)가 베이스 플레이트(10)에 부착될 수 있다. 예를 들어, 베이스 플레이트(10)는 스틸 소재로 구성될 수 있다. 방열 플레이트(30)는 허니콤 형태의 내화 충전재를 포함할 수 있다. 이때, 기존 방화문의 전면(100)에서 방열 플레이트(30)와 다른 방열 플레이트(60) 사이의 틈에 홈(50)이 형성되어 결로가 발생할 수 있는 문제가 있다.Referring to FIG. 1, the
따라서, 기존 방화문의 전면의 제조 시간을 감축하여, 제조 효율을 향상시키고, 기존 방화문의 전면에서 방열 플레이트 사이에 형성되는 홈을 제거하기 위한 제조 방법 및 장치가 필요하다. Accordingly, there is a need for a manufacturing method and device to reduce the manufacturing time for the front of an existing fire door, improve manufacturing efficiency, and eliminate grooves formed between heat dissipation plates on the front of an existing fire door.
도 2를 참조하면, 방화문의 전면(200)에 복수의 직사각형 양각 평면(60)이 형성될 수 있다. 방열 플레이트(30)의 뒷면에 접착제(70)를 도포시킨 후, 접착제(70)가 도포된 방열 플레이트(30)를 방화문의 전면(200)에 형성된 직사각형 양각 평면(60)에 부착시킬 수 있다. 예를 들어, 직사각형 양각 평면(60)은 다양한 크기 및 형태를 가질 수 있다.Referring to FIG. 2, a plurality of rectangular embossed
이를 통해, 방화문의 전면의 제조 시 베이스 플레이트에 결합용 홈을 형성하는 과정과 방열 플레이트에 후크를 부착시키는 과정을 생략함으로써, 방화문의 전면을 제조하는 시간이 단축될 수 있다. 뿐만 아니라, 방화문의 전면 제조 시 방열 플레이트 사이의 홈이 형성되지 않아 결로의 발생을 사전에 방지함으로써, 방화문의 전면에 대한 품질을 향상시킬 수 있다. Through this, the time to manufacture the front of the fire door can be shortened by omitting the process of forming a coupling groove on the base plate and attaching the hook to the heat dissipation plate when manufacturing the front of the fire door. In addition, when manufacturing the front of a fire door, the quality of the front of the fire door can be improved by preventing the occurrence of condensation since a groove is not formed between the heat dissipation plates.
도 3은 일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 방화문의 전면을 형성하는 제조 장치에 대한 외관을 나타낸 도면이다. 도 3의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 3 is a diagram showing the appearance of a manufacturing device that forms the front of a fire door using a neural network according to an embodiment. The embodiment of FIG. 3 can be combined with various embodiments of the present disclosure.
도 3을 참조하면, 제조 장치(300)는 방화문의 전면을 형성하기 위한 동작을 수행할 수 있다. 방화문의 전면을 형성하는 제조 장치(300)는 지지부(310), 이동식 파지부(320), 가압부(330), 프레임(340) 및 제어부(350)를 포함할 수 있다.Referring to FIG. 3, the manufacturing device 300 may perform an operation to form the front surface of a fire door. The manufacturing device 300 that forms the front of the fire door may include a
지지부(310)는 베이스 플레이트에 가해지는 압력을 지지할 수 있고, 베이스 플레이트의 이동을 보조할 수 있다. 예를 들어, 지지부(310)는 복수의 슬라이드(311)를 포함할 수 있다. 예를 들어, 복수의 슬라이드(311) 각각은 복수의 돌기 브러쉬(312)를 포함할 수 있다. 예를 들어, 복수의 슬라이드(311)의 이동으로 베이스 플레이트의 이동을 보조할 수 있고, 복수의 돌기 브러쉬(312)는 이동으로 인해 베이스 플레이트에 발생할 수 있는 손상을 방지할 수 있다.The
이동식 파지부(320)는 베이스 플레이트를 파지하고, 지지부(310)의 상면과 평행하게 베이스 플레이트를 X축 또는 Y축 방향으로 이동시킬 수 있다. 예를 들어, 이동식 파지부(320)는 베이스 플레이트를 파지한 상태로 지지부(310)의 상면과 평행하게 X축 또는 Y축 방향으로 이동함으로써, 파지된 베이스 플레이트를 이동시킬 수 있다. 예를 들어, 이동식 파지부(320)는 제1 이동 레일을 포함할 수 있다. 예를 들어, 이동식 파지부(320)에 포함된 제1 이동 레일을 통해 파지된 베이스 플레이트를 Y축 방향으로 이동시킬 수 있다. 여기서, Y축 방향은 이동식 파지부(320)와 평행한 방향일 수 있다. The
가압부(330)는 이동식 파지부(320)에 파지된 베이스 플레이트의 상면에서 수직 방향으로 하향 이동하여 베이스 플레이트에 수직의 가압력을 전달할 수 있다. 가압부(330)는 복수의 가압 툴을 포함할 수 있다. 이때, 가압부(330)는 복수의 가압 툴 중에서 적어도 하나의 가압 툴을 이용하여 베이스 플레이트에 압력을 가함으로써, 복수의 직사각형 양각 평면을 형성시킬 수 있다. 예를 들어, 복수의 직사각형 양각 평면은 상이한 형태의 직사각형 양각 평면을 포함할 수 있다.The
예를 들어, 이동식 파지부(320)에 파지된 베이스 플레이트의 이동 및 가압부(330)의 베이스 플레이트에 대한 가압에 기반하여 베이스 플레이트에 복수의 직사각형 양각 평면이 형성될 수 있다.For example, a plurality of rectangular relief planes may be formed on the base plate based on the movement of the base plate held by the movable
예를 들어, 제조 장치(300)는 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트를 배치시키는 플레이트 배치 모듈을 더 포함할 수 있다.For example, the manufacturing apparatus 300 may further include a plate placement module that places a heat dissipation plate on a rectangular embossed plane formed on the base plate.
예를 들어, 제조 장치(300)는 방화문의 전면을 형성하는 동작과 관련된 인터페이스를 출력하는 디스플레이부를 더 포함할 수 있다.For example, the manufacturing device 300 may further include a display unit that outputs an interface related to the operation of forming the front of a fire door.
프레임(340)은 이동식 파지부(320)와 가압부(330)를 연결시키는 형태일 수 있다. 예를 들어, 프레임(340)은 제2 이동 레일을 포함할 수 있다. 예를 들어, 프레임(340)에 포함된 제2 이동 레일을 통해 이동식 파지부(320)를 X축 방향으로 이동시킬 수 있다. 여기서, X축 방향은 이동식 파지부(320)와 가압부(330)가 마주보는 방향일 수 있다.The
또는, 예를 들어, 지지부(310)는 제2 이동 레일을 포함할 수 있다. 예를 들어, 지지부(310)에 포함된 제2 이동 레일을 통해 이동식 파지부(320)를 X축 방향으로 이동시킬 수 있다. 여기서, X축 방향은 이동식 파지부(320)와 가압부(330)가 마주보는 방향일 수 있다.Or, for example, the
인식부는 방화문의 전면을 형성하기 위한 동작과 관련하여 베이스 플레이트 또는 방열 플레이트 중 적어도 하나에 대한 정보를 획득할 수 있다. 인식부는 베이스 플레이트 또는 방열 플레이트 중 적어도 하나를 촬영하는 카메라 모듈을 포함할 수 있고, 베이스 플레이트 또는 방열 플레이트 중 적어도 하나의 크기와 두께를 센싱하는 센서 모듈을 포함할 수 있다. 카메라 모듈은 정지 영상 및 영상을 촬영할 수 있다. 예를 들어, 카메라 모듈은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다. 예를 들어, 카메라 모듈은 베이스 플레이트의 외관(예: 베이스 플레이트의 상면 및 측면)을 촬영할 수 있는 영역에 부착될 수 있다. 센서 모듈은 제조 장치의 작동 상태(예: 전력 및 압력), 또는 외부의 환경 상태(예: 온도 또는 습도)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 예를 들어, 센서 모듈은 자이로 센서, 압력 센서, 마그네틱 센서, IR(infrared) 센서, 온도 센서 또는 습도 센서를 포함할 수 있다. 예를 들어, 센서 모듈은 베이스 플레이트 및 방열 플레이트의 두께를 측정할 수 있는 영역에 부착될 수 있다. 예를 들어, 센서 모듈은 이동식 파지부(320)의 일정 영역에 부착되어 베이스 플레이트 또는 방열 플레이트 중 적어도 하나의 무게 및 두께를 측정할 수 있다. 예를 들어, 인식부는 카메라 모듈 및 센서 모듈을 통해 베이스 플레이트 또는 방열 플레이트 중 적어도 하나에 대한 정보를 결정할 수 있다. 베이스 플레이트에 대한 정보는 베이스 플레이트의 이미지, 베이스 플레이트의 크기, 베이스 플레이트의 무게 및 베이스 플레이트의 두께를 포함할 수 있다. 방열 플레이트에 대한 정보는 방열 플레이트의 이미지, 방열 플레이트의 크기, 방열 플레이트의 무게 및 방열 플레이트의 두께를 포함할 수 있다.The recognition unit may acquire information about at least one of the base plate and the heat dissipation plate in relation to the operation for forming the front of the fire door. The recognition unit may include a camera module that photographs at least one of the base plate or the heat dissipation plate, and may include a sensor module that senses the size and thickness of at least one of the base plate or the heat dissipation plate. The camera module can shoot still images and videos. For example, a camera module may include one or more lenses, image sensors, image signal processors, or flashes. For example, the camera module may be attached to an area where the exterior of the base plate (eg, the top and side surfaces of the base plate) can be photographed. The sensor module may detect the operating state of the manufacturing device (e.g., power and pressure) or the external environmental state (e.g., temperature or humidity) and generate an electrical signal or data value corresponding to the detected state. For example, the sensor module may include a gyro sensor, a pressure sensor, a magnetic sensor, an infrared (IR) sensor, a temperature sensor, or a humidity sensor. For example, the sensor module may be attached to an area where the thickness of the base plate and heat dissipation plate can be measured. For example, the sensor module may be attached to a certain area of the
제어부(350)는 방화문의 전면을 형성하기 위해 제조장치(300)를 전반적으로 제어할 수 있다. 예를 들어, 제어부(350)는 하나 이상의 메모리, 통신 모듈 및 상기 하나 이상의 메모리와 이동식 파지부(320), 가압부(330), 인식부 및 통신 모듈을 연결하는 하나 이상의 프로세서를 포함할 수 있다. 예를 들어, 제어부(350)는 인식부에 의해 획득된 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 베이스 플레이트의 상태를 결정할 수 있다. 예를 들어, 제어부(350)는 베이스 플레이트가 정상 상태인 것에 기반하여 방화문의 전면과 관련된 정보를 획득할 수 있다. 예를 들어, 제어부(350)는 방화문의 전면과 관련된 정보 및 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 이동식 파지부에 대한 제1 이동 경로 및 가압부에 대한 제1 가압 설정을 결정할 수 있다. 예를 들어, 제어부(350)는 이동식 파지부에 대한 제1 이동 경로에 따라 이동식 파지부를 동작시킴으로써, 이동식 파지부에 파지된 베이스 플레이트를 이동시킬 수 있다. 제어부(350)는 가압부에 대한 제1 가압 설정에 따라 가압부를 동작시킴으로써, 베이스 플레이트에 대한 가압을 수행할 수 있다.The
프로세서는, 예를 들면, 소프트웨어를 실행하여 프로세서에 연결된 장치의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서는 다른 구성요소(예: 본체부, 인식부 또는 통신 모듈)로부터 수신된 명령 또는 데이터를 휘발성 메모리에 저장하고, 휘발성 메모리에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다. 일 실시예에 따르면, 프로세서는 메인 프로세서(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. A processor may, for example, execute software to control at least one other component (e.g., a hardware or software component) of a device coupled to the processor and may perform various data processing or operations. According to one embodiment, as at least part of data processing or computation, the processor stores instructions or data received from other components (e.g., a main body unit, a recognition unit, or a communication module) in a volatile memory, and the instructions stored in the volatile memory Alternatively, the data can be processed and the resulting data can be stored in non-volatile memory. According to one embodiment, the processor is a main processor (e.g., a central processing unit or an application processor) or an auxiliary processor that can operate independently or together (e.g., a graphics processing unit, a neural processing unit (NPU), an image signal processor, sensor hub processor, or communication processor).
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 장치 자체(예: 제조 장치(300))에서 수행될 수 있고, 별도의 서버를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the device itself (e.g., manufacturing device 300) on which the artificial intelligence model is performed, or may be performed through a separate server. Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited. An artificial intelligence model may include multiple artificial neural network layers. Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above. In addition to hardware structures, artificial intelligence models may additionally or alternatively include software structures.
메모리는 장치의 적어도 하나의 구성요소(예: 프로세서)에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다.Memory may store various data used by at least one component of the device (e.g., a processor). Data may include, for example, input data or output data for software and instructions related thereto. Memory may include volatile memory or non-volatile memory.
통신 모듈은 장치와 외부 장치 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈은 프로세서와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈은 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. The communication module may support establishing a direct (e.g., wired) or wireless communication channel between the device and an external device, and performing communication through the established communication channel. The communication module operates independently of the processor and may include one or more communication processors supporting direct (e.g., wired) communication or wireless communication. According to one embodiment, the communication module may be a wireless communication module (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module (e.g., a local area network (LAN) communication module). , or a power line communication module). Among these communication modules, the corresponding communication module is a first network (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network (e.g., a legacy cellular network, 5G network, It can communicate with external devices through a next-generation communication network, the Internet, or a telecommunication network such as a computer network (e.g., LAN or WAN). These various types of communication modules may be integrated into one component (e.g., a single chip) or may be implemented as a plurality of separate components (e.g., multiple chips).
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.Throughout this specification, neural network, neural network, and network function may be used with the same meaning. A neural network may consist of a set of interconnected computational units, which may generally be referred to as “nodes.” These “nodes” may also be referred to as “neurons.” A neural network is composed of at least two or more nodes. Nodes (or neurons) that make up neural networks may be interconnected by one or more “links.”
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.Within a neural network, two or more nodes connected through a link can relatively form a relationship as an input node and an output node. The concepts of input node and output node are relative, and any node in an output node relationship with one node may be in an input node relationship with another node, and vice versa. As described above, input node to output node relationships can be created around links. One or more output nodes can be connected to one input node through a link, and vice versa.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.In a relationship between an input node and an output node connected through one link, the value of the output node may be determined based on data input to the input node. Here, the nodes connecting the input node and the output node may have weights. Weights may be variable and may be varied by a user or algorithm in order for the neural network to perform a desired function. For example, when one or more input nodes are connected to one output node by respective links, the output node is set to the values input to the input nodes connected to the output node and the links corresponding to each input node. The output node value can be determined based on the weight.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.As described above, in a neural network, two or more nodes are interconnected through one or more links to form an input node and output node relationship within the neural network. The characteristics of the neural network may be determined according to the number of nodes and links in the neural network, the correlation between the nodes and links, and the value of the weight assigned to each link. For example, if there are two neural networks with the same number of nodes and links and different weight values between the links, the two neural networks may be recognized as different from each other.
도 4는 일 실시예에 따른 방화문의 전면을 형성하는 제조 장치의 이동식 파지부의 예를 나타낸다. 도 4의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 4 shows an example of a movable grip part of a manufacturing device forming the front face of a fire door according to one embodiment. The embodiment of FIG. 4 can be combined with various embodiments of the present disclosure.
도 4를 참조하면, 이동식 파지부(320)는 제1 이동 레일(321), 레일 연결부 및 플레이트 파지부(322)를 포함할 수 있다. 지지부(310) 및/또는 프레임(340)은 제2 이동 레일을 포함할 수 있다. 인식부(360)는 제1 카메라 모듈(361), 제2 카메라 모듈(362) 및 센서 모듈(363)을 포함할 수 있다.Referring to FIG. 4, the
플레이트 파지부(322)는 베이스 플레이트(10)를 파지할 수 있다. 플레이트 파지부(322)는 제1 이동 레일(321)을 따라 Y축 방향으로 이동할 수 있다. 레일 연결부는 지지부(310) 및/또는 프레임(340)에 포함된 제2 이동 레일과 연결될 수 있다. 이동식 파지부(320)는 제2 이동 레일을 따라 X축 방향으로 이동할 수 있다. The plate gripper 322 may grip the
예를 들어, 제어부에 의해 결정된 이동 경로에 따라 이동식 파지부(320)가 이동할 수 있다. 이때, 이동 경로에 기반하여 이동식 파지부(320)가 제2 이동 레일을 따라 X축 방향으로 이동하거나, 플레이트 파지부(322)가 제1 이동 레일(321)을 따라 Y축 방향으로 이동할 수 있다. For example, the
제1 카메라 모듈(361)은 프레임(340)의 하부에 부착될 수 있다. 제1 카메라 모듈(361)은 베이스 플레이트(10) 또는 방열 플레이트의 상면을 촬영할 수 있다.The first camera module 361 may be attached to the lower part of the
제2 카메라 모듈(362)은 플레이트 파지부(322)에 장착될 수 있다. 제2 카메라 모듈(362)은 베이스 플레이트(10) 또는 방열 플레이트의 측면을 촬영할 수 있다.The second camera module 362 may be mounted on the plate gripper 322. The second camera module 362 can photograph the side of the
센서 모듈(363)은 플레이트 파지부(322)에 장착될 수 있다. 센서 모듈(363)은 베이스 플레이트(10) 또는 방열 플레이트의 두께 또는 무게를 센싱할 수 있다.The sensor module 363 may be mounted on the plate gripper 322. The sensor module 363 can sense the thickness or weight of the
도 5는 일 실시예에 따른 방화문의 전면을 형성하는 제조 장치의 가압 부에 대한 예를 나타낸다. 도 5의 실시 예는 본 개시의 다양한 실시예들과 결합될 수 있다. Figure 5 shows an example of a pressing portion of a manufacturing device forming the front surface of a fire door according to an embodiment. The embodiment of FIG. 5 may be combined with various embodiments of the present disclosure.
도 5를 참조하면, 가압부(330)는 동력 생성 모듈(331), 제1 가압 모듈(332), 제2 가압 모듈(333)을 포함할 수 있다. Referring to FIG. 5 , the pressurizing
예를 들어, 동력 생성 모듈(331)은 서보 모터, 메인 기어, 크랭크 샤프트, 드라이브 샤프트를 포함할 수 있다. 예를 들어, 서보 모터(servo motor)는 제어부의 명령에 따라 회전 동력을 발생시키는 모터이다. 메인 기어는 서보 모터로부터 전달받은 회전 동력을 기반으로 회전 운동하여 회전력을 다른 장치에 전달할 수 있다. 크랭크 샤프트는 크랭크와 커넥팅 로드를 통해 회전 운동을 직선 운동으로 변환시킬 수 있다. 드라이브 샤프트는 직접 회전하여 동력을 전달하며, 직선 운동을 회전 운동으로 변환시킬 수 있다. For example, the
제1 가압 모듈(332)은 동력 생성 모듈(331)과 연결되어 동력 생성 모듈(311)로부터 생성된 동력을 제2 가압 모듈(333)에 전달할 수 있다. 예를 들어, 제1 가압 모듈(332)은 크랭크 샤프트 및 드라이브 샤프트를 통해 전달된 동력을 제2 가압 모듈(333)에 전달할 수 있다The
제2 가압 모듈(333)은 제1 가압 모듈(332)에 의해 전달된 압력을 베이스 플레이트(10)에 직접 전달할 수 있다. 예를 들어, 제2 가압 모듈(333)은 상이한 형상을 가진 n개의 가압 툴을 포함할 수 있다. 예를 들어, 제2 가압 모듈(333)은 n개의 가압 툴을 교체하면서 베이스 플레이트(10)에 압력을 가할 수 있다. n개의 가압 툴은 다양한 형상과 크기를 가진 가압 툴을 포함할 수 있다. 예를 들어, 제2 가압 모듈(333)은 제어부에 의해 결정된 가압 설정에 따라 회전함으로써, 가압 툴을 교체할 수 있다. 예를 들어, 도 5에서는 3개의 가압 툴을 사용하는 예를 나타내며, 본 개시의 다양한 실시예들은 3개 이상의 가압 툴을 사용할 수 있다. 예를 들어, 3개의 가압 툴은 롤러 형상을 가진 가압 툴(333-1), 부채꼴 형상을 가진 가압 툴(333-2), 플레이트 형상을 가진 가압 툴(333-3)을 포함할 수 있다. 예를 들어, 제2 가압 모듈(333)은 롤러 형태의 가압 툴(333-1)을 사용하여 베이스 플레이트(10)에 일정한 크기의 홈 부를 형성시킴으로써, 베이스 플레이트(10)에 복수의 직사각형 양각 평면을 형성시킬 수 있다. 예를 들어, 제2 가압 모듈(333)은 특정 크기의 부채꼴 형상을 가진 가압 툴(333-2)을 사용하여 직사각형 양각 평면의 모서리 부분을 부드럽게 처리할 수 있다. 예를 들어, 제2 가압 모듈(333)은 특정 크기의 직사각형 형상을 가진 가압 툴(333-3)을 사용하여 직사각형 양각 평면에 배치된 방열 플레이트에 압력을 가하여 부착시킬 수 있다. The second
예를 들어, 제어부에 의해 결정된 가압 설정에 따라 서보 모터(servo motor)의 회전 수가 결정될 수 있다. 가압 설정은 복수의 이동식 슬라이드의 배치 정보, 가압력에 대한 값 및 가압시간에 대한 값을 포함할 수 있다. 서버 모터는 가압력에 대한 값 및 가압시간에 대한 값에 따라 회전 동력을 발생시켜 메인 기어를 회전시키고, 메인 기어의 회전 운동이 크랭크 샤프트에 의해 왕복 직선 운동으로 변환되며, 드라이브 샤프트에 의해 왕복 직선 운동이 제1 가압 모듈(332)에 대한 수직 상승 또는 수직 하강 운동으로 변환될 수 있다.For example, the number of rotations of a servo motor may be determined according to the pressure setting determined by the controller. Pressure settings may include placement information of a plurality of movable slides, values for pressing force, and values for pressing time. The server motor generates rotational power according to the value of the pressing force and the pressing time to rotate the main gear, and the rotational movement of the main gear is converted into reciprocating linear motion by the crankshaft, and is converted into reciprocating linear motion by the drive shaft. This can be converted into a vertical upward or vertical downward movement relative to the first
도 6은 일 실시예에 따른 플레이트 배치 모듈과 방열 플레이트 보관부가 체결하기 이전 상태에 대한 예를 나타낸다. 도 7은 일 실시예에 따른 플레이트 배치 모듈과 방열 플레이트 보관부가 체결한 이후 상태에 대한 예를 나타낸다. 도 6 및 도 7의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 6 shows an example of a state before fastening the plate placement module and the heat dissipation plate storage unit according to an embodiment. Figure 7 shows an example of a state after the plate placement module and the heat dissipation plate storage unit are coupled according to one embodiment. The embodiments of FIGS. 6 and 7 can be combined with various embodiments of the present disclosure.
도 6 및 도 7을 참조하면, 플레이트 배치 모듈(600)은 배치 암(611), 홀더부(612), 결합부(613), 방열 플레이트 보관부(614), 보관부 지지대(615) 및 지지대 홈(616)을 포함할 수 있다.Referring to FIGS. 6 and 7, the plate placement module 600 includes a
예를 들어, 배치 암(611)은 방열 플레이트 보관부(614)를 이동시키는 장치일 수 있다. 홀더부(612)는 방열 플레이트 보관부(614)에 구비된 결합부(613)와 결속될 수 있다. 방열 플레이트 보관부(614)는 판 형태일 수 있고, 방열 플레이트 보관부(614)는 방열 플레이트를 안착시켜 보관할 수 있다. 예를 들어, 방열 플레이트 보관부(614)는 방열 플레이트의 두께를 측정하기 위한 초음파 센서 및 방열 플레이트의 무게를 측정하기 위한 무게 센서를 포함할 수 있다. 보관부 지지대(615)는 복수의 방열 플레이트 보관부(614)를 지지하기 위한 장치일 수 있다. 지지대 홈(616)은 보관부 지지대(615) 상면에 복수 개가 형성될 수 있고, 지지대 홈(616)에 방열 플레이트 보관부(614)의 하단이 결합될 수 있다. 이를 통해, 방열 플레이트 보관부(614)를 지지대 홈(616)에 사전 설정된 경사도로 결합시킬 수 있다. For example, the
예를 들어, 배치 암(611)은 이동식 파지부(320)의 일 측에 배치될 수 있다. 예를 들어, 배치 암(611)은 홀더부(612)와 결합부(613)의 결속에 의해 방열 플레이트 보관부(614)와 연결될 수 있다. 배치 암(611)은 플레이트 보관부(614)와 연결된 상태로 방열 플레이트 보관부(614)에 안착된 방열 플레이트(30)를 직사각형 양각 평면(60) 근처까지 이송할 수 있다. 베이스 플레이트(10)는 복수의 직사각형 양각 평면(60)이 형성된 후, 직사각형 양각 평면(60)이 상면을 향한 상태에서 방열 플레이트(30)가 놓여질 수 있다. 예를 들어, 배치 암(611)은 사전 설정된 위치로 방열 플레이트 보관부(614)를 이동시키고, 사전 설정된 각도로 플레이트 보관부(614)를 기울임으로써, 방열 플레이트(30)를 베이스 플레이트(10)의 직사각형 양각 평면(60) 상에 배치시킬 수 있다. 예를 들어, 방열 플레이트(30)의 하면은 접착제(70)가 도포된 상태일 수 있다. 접착제(70)는 내열성을 향상시키기 위한 다양한 재료를 함유할 수 있다. 예를 들어, 접착제(70)는 실리콘을 함유함으로써, 접착제(70)의 내열성을 향상시킬 수 있다. 이때, 직사각형 양각 평면(60)과 상기 방열 플레이트(30)의 하면이 접촉될 수 있다.For example, the
예를 들어, 배치 암(611)은 방열 플레이트와 분리된 방열 플레이트 보관부(614)를 빈 상태의 지지대 홈(616)으로 이동시킬 수 있다. 이때, 방열 플레이트 보관부(614)의 하단과 빈 상태의 지지대 홈(616)이 결합될 수 있다. 이후, 홀더부(612)와 결합부(613)의 결속이 해제될 수 있다.For example, the
도 8은 일 실시예에 따른 뉴럴 네트워크를 이용하여 제조 장치가 방화문의 전면을 형성하는 방법을 나타낸다. 도 8의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 8 shows a method in which a manufacturing device forms the front surface of a fire door using a neural network according to an embodiment. The embodiment of FIG. 8 can be combined with various embodiments of the present disclosure.
도 8을 참조하면, 단계 S810에서, 제조 장치는 이동식 파지부에 베이스 플레이트가 파지되는 것에 기반하여, 제조 장치에 구비된 인식부를 통해 베이스 플레이트에 대한 정보를 획득할 수 있다.Referring to FIG. 8, in step S810, the manufacturing device may obtain information about the base plate through a recognition unit provided in the manufacturing device based on the base plate being gripped by the movable gripper.
베이스 플레이트에 대한 정보는 베이스 플레이트의 이미지, 베이스 플레이트의 크기, 베이스 플레이트의 무게 및 베이스 플레이트의 두께를 포함할 수 있다. 예를 들어, 베이스 플레이트의 이미지는 카메라 모듈에 의해 촬영될 수 있다. 예를 들어, 베이스 플레이트의 무게는 이동식 파지부에 장착된 무게 센서를 통해 측정될 수 있다. 예를 들어, 베이스 플레이트의 두께는 이동식 파지부에 장착된 초음파 센서를 통해 측정될 수 있다. 초음파 센서에서 생성된 펄스를 베이스 플레이트의 내부로 전달시키고, 되돌아오는 펄스를 분석하여 두께를 측정할 수 있다.Information about the base plate may include an image of the base plate, the size of the base plate, the weight of the base plate, and the thickness of the base plate. For example, an image of the base plate may be captured by a camera module. For example, the weight of the base plate can be measured through a weight sensor mounted on the movable gripper. For example, the thickness of the base plate can be measured using an ultrasonic sensor mounted on the movable gripper. The thickness can be measured by transmitting the pulse generated by the ultrasonic sensor to the inside of the base plate and analyzing the returning pulse.
단계 S820에서, 제조 장치는 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 베이스 플레이트의 상태를 결정할 수 있다. In step S820, the manufacturing device may determine the state of the base plate through a search model using a first neural network based on information about the base plate.
예를 들어, 탐색 모델은 R-CNN(faster regions with convolutional neural network) 모델이 사용될 수 있다.For example, the search model may be an R-CNN (faster regions with convolutional neural network) model.
R-CNN(Regions with Convolutional Neural Network)은 설정한 영역을 CNN의 입력 값으로 활용하여 객체 탐지를 수행하는 뉴럴 네트워크를 의미한다. R-CNN은 영역을 추정하고, 영역을 분류하는 두 동작을 수행할 수 있다. 예를 들어, R-CNN은 이미지에 있는 데이터와 레이블을 투입하여 카테고리에 무관하게 물체의 영역을 탐색하는 영역 제안(Region Proposal), 제안된 영역으로부터 고정된 크기의 특징 벡터를 워핑/크롭(warping/crop)하여 CNN의 인풋으로 사용할 수 있다. 여기서, CNN은 사전 훈련된 네트워크가 사용되고, CNN을 통해 나온 특징 맵을 활용하여 선형 지도학습 모델인 SVM(Support Vector Machine)을 통한 분류를 수행하고, 레그레서(regressor)를 통한 경계 박스 회귀(bounding box regression)을 진행할 수 있다. 이때, R-CNN은 한 이미지당 2천번의 CNN을 수행하므로 매우 느린 단점이 있으며, 이를 해결하기 위해 패스트(fast) R-CNN은 해당 영역의 특징을 원본 이미지에서 추출(crop)하는 것이 아니라, 특징 맵에서 추출함으로써, 1번의 CNN을 통과시킬 수 있다. 즉, 패스트 R-CNN은 관심 영역(ROI)(region of interest)에 대한 풀링을 수행함으로써, 각각의 영역을 고정 크기의 벡터로 변환시키고, 각각의 벡터를 FC(fully connected) 레이어를 통과시켜 속도를 개선시킬 수 있다. 다만, 패스트 R-CNN에서 영역을 제안하기 위해 사용되는 알고리즘의 병목 현상으로 인해 여전히 속도가 느린 문제가 있었고, 패스터 R-CNN은 영역 제안에 대한 알고리즘 대신 RPN(region proposal network)을 사용하여 영역 제안 속도를 향상시켰다.R-CNN (Regions with Convolutional Neural Network) refers to a neural network that performs object detection by using a set region as an input value for CNN. R-CNN can perform two operations: region estimation and region classification. For example, R-CNN uses region proposals to explore the object's region regardless of category by inputting data and labels in the image, and warping/cropping a fixed-sized feature vector from the proposed region. /crop) can be used as input to CNN. Here, CNN uses a pre-trained network, performs classification through SVM (Support Vector Machine), a linear supervised learning model, using feature maps generated through CNN, and bounding box regression through a regressor. box regression) can be performed. At this time, R-CNN has the disadvantage of being very slow because it performs 2,000 CNNs per image. To solve this, fast R-CNN does not extract (crop) the features of the region from the original image, By extracting from the feature map, it can be passed through one CNN. In other words, Fast R-CNN performs pooling on the region of interest (ROI), converts each region into a vector of a fixed size, and passes each vector through a fully connected (FC) layer to speed up the speed. can be improved. However, there was still a problem of slow speed due to the bottleneck of the algorithm used to propose a region in Fast R-CNN, and Faster R-CNN uses a region proposal network (RPN) instead of the algorithm for region proposal. Proposal speed was improved.
예를 들어, 베이스 플레이트의 이미지에 대한 데이터 전처리를 통해 제1 이미지 벡터가 생성될 수 있다.For example, a first image vector may be generated through data preprocessing of the image of the base plate.
예를 들어, 제1 이미지 벡터가 탐색 모델에 입력되는 것에 기반하여 복수의 관심 영역 각각에 대한 유사도가 결정될 수 있다. 복수의 관심 영역은 베이스 플레이트의 균열과 관련된 관심 영역 및 베이스 플레이트의 이물질과 관련된 관심 영역을 포함할 수 있다.For example, the similarity for each of the plurality of regions of interest may be determined based on the first image vector being input to the search model. The plurality of regions of interest may include a region of interest associated with a crack in the base plate and a region of interest associated with a foreign substance in the base plate.
예를 들어, 복수의 관심 영역 각각에 대한 유사도가 사전 설정된 유사도 미만인 것에 기반하여 베이스 플레이트가 정상 상태로 결정될 수 있다. 여기서, 복수의 관심 영역은 베이스 플레이트의 특정 영역들일 수 있다. 정상 상태는 베이스 플레이트에 직사각형 양각 평면을 형성하기에 적합한 상태를 의미할 수 있다. For example, the base plate may be determined to be in a normal state based on the similarity for each of the plurality of regions of interest being less than a preset similarity. Here, the plurality of regions of interest may be specific regions of the base plate. The normal state may mean a state suitable for forming a rectangular relief plane on the base plate.
예를 들어, 복수의 관심 영역 각각에 대한 유사도는 베이스 플레이트의 균열과 관련된 관심 영역에 대한 제1 유사도 및 베이스 플레이트의 이물질과 관련된 관심 영역에 대한 제2 유사도를 포함할 수 있다. 베이스 플레이트의 균열과 관련된 관심 영역에 대한 제1 유사도가 사전 설정된 제1 유사도 미만이고, 베이스 플레이트의 이물질과 관련된 관심 영역에 대한 제2 유사도가 사전 설정된 제2 유사도 미만인 경우, 제조 장치는 베이스 플레이트를 정상 상태로 결정할 수 있다.For example, the similarity for each of the plurality of regions of interest may include a first similarity for the region of interest related to a crack in the base plate and a second similarity to the region of interest related to a foreign substance in the base plate. If the first similarity for the region of interest related to the crack in the base plate is less than the preset first similarity, and the second similarity for the region of interest related to the foreign matter in the base plate is less than the preset second similarity, the manufacturing device It can be determined to be in a normal state.
예를 들어, 제1 뉴럴 네트워크는 제1 입력 레이어, 하나 이상의 제1 히든 레이어 및 제1 출력 레이어를 포함할 수 있다. 복수의 제1 이미지 벡터, 복수의 균열 이미지 벡터, 복수의 이물질 이미지 벡터, 복수의 정답 제1 유사도 및 복수의 정답 제2 유사도로 구성된 각각의 학습 데이터는 상기 제1 뉴럴 네트워크의 상기 제1 입력 레이어에 입력되어 상기 하나 이상의 제1 히든 레이어 및 제1 출력 레이어를 통과하여 제1 출력 벡터로 출력되고, 상기 제1 출력 벡터는 상기 제1 출력 레이어에 연결된 제1 손실함수 레이어에 입력되고, 상기 제1 손실함수 레이어는 상기 제1 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제1 손실함수를 이용하여 제1 손실 값을 출력하고, 상기 제1 뉴럴 네트워크의 파라미터는 상기 제1 손실 값이 작아지는 방향으로 학습될 수 있다.For example, a first neural network may include a first input layer, one or more first hidden layers, and a first output layer. Each training data consisting of a plurality of first image vectors, a plurality of crack image vectors, a plurality of foreign matter image vectors, a plurality of correct answer first similarities, and a plurality of correct answer second similarities is the first input layer of the first neural network. is input to and passes through the one or more first hidden layers and the first output layer and output as a first output vector, the first output vector is input to the first loss function layer connected to the first output layer, and the first output vector is input to the first loss function layer connected to the first output layer. 1 The loss function layer outputs a first loss value using a first loss function that compares the first output vector with the correct answer vector for each training data, and the parameters of the first neural network are the first loss value. This can be learned in a decreasing direction.
제1 이미지 벡터는 베이스 플레이트에 대한 이미지에 포함된 복수의 관심 영역에 대한 픽셀 값으로 구성될 수 있다. 복수의 관심 영역 중에서 하나의 관심 영역에 대한 픽셀 값으로 구성된 벡터를 관심 영역 벡터라 지칭할 수 있다. 균열 이미지 벡터는 베이스 플레이트의 균열과 관련된 이미지에 대한 픽셀 값일 수 있다. 예를 들어, 베이스 플레이트의 균열과 관련된 이미지는 베이스 플레이트에서 균열이 발생한 부분에 대한 이미지일 수 있다. 이물질 이미지 벡터는 이물질과 관련된 이미지에 대한 픽셀 값일 수 있다. 이물질과 관련된 이미지는 베이스 플레이트에 이물질이 포함된 부분에 대한 이미지일 수 있다. 정답 제1 유사도는 관심 영역 벡터와 균열 이미지 벡터 사이의 유사도일 수 있다. 정답 제2 유사도는 관심 영역 벡터와 이물질 이미지 벡터 사이의 유사도일 수 있다. 예를 들어, 하나의 제1 이미지 벡터에 포함된 복수의 관심 영역 벡터, 하나의 균열 이미지 벡터 및 정답 제1 유사도가 하나의 제1 세트로 제조 장치에 사전 저장될 수 있다. 예를 들어, 하나의 제1 이미지 벡터에 포함된 복수의 관심 영역 벡터, 하나의 이물질 이미지 벡터 및 정답 제2 유사도가 하나의 제2 세트로 제조 장치에 사전 저장될 수 있다.The first image vector may be composed of pixel values for a plurality of regions of interest included in the image for the base plate. A vector consisting of pixel values for one region of interest among a plurality of regions of interest may be referred to as a region of interest vector. The crack image vector may be a pixel value for an image associated with a crack in the base plate. For example, an image related to a crack in the base plate may be an image of a cracked portion of the base plate. The foreign matter image vector may be a pixel value for an image related to the foreign matter. The image related to the foreign matter may be an image of a portion of the base plate containing the foreign matter. The first similarity may be the similarity between the region of interest vector and the crack image vector. Answer The second similarity may be the similarity between the region of interest vector and the foreign matter image vector. For example, a plurality of region-of-interest vectors, one crack image vector, and the first similarity of the correct answer included in one first image vector may be pre-stored in the manufacturing device as one first set. For example, a plurality of region-of-interest vectors, one foreign matter image vector, and the second similarity of the correct answer included in one first image vector may be pre-stored in the manufacturing device as one second set.
예를 들어, 정답 제1 유사도 및 정답 제2 유사도는 유클리드 유사도, 맨하튼 유사도 또는 코사인 유사도 중 적어도 하나의 값으로 결정될 수 있다. 유클리드 유사도는 두 벡터 사이의 직선거리를 나타내며, 를 통해 계산될 수 있다. 이때, 해당 직선 거리가 작을수록 유사도가 높게 결정될 수 있다. 맨하튼 유사도는 벡터의 i번째 차원의 값이 격자 형태의 지도에서 한 점에 도달하기 위한 거리를 나타내며, 를 통해 계산될 수 있다. 이때, 해당 직선 거리가 작을수록 유사도가 높게 결정될 수 있다. 코사인 거리는 두 벡터 간의 코사인 각도가 유사한 정도를 나타내는 값으로, 를 통해 계산될 수 있다. 여기서, n은 관심 영역 벡터를 구성하는 차원의 수, pi는 관심 영역 벡터의 i번째 차원의 값, qi는 균열 이미지 벡터 또는 이물질 이미지 벡터의 i번째 차원의 값일 수 있다.For example, the first similarity of the correct answer and the second similarity of the correct answer may be determined as at least one of Euclidean similarity, Manhattan similarity, or cosine similarity. Euclidean similarity represents the straight line distance between two vectors, It can be calculated through . At this time, the smaller the straight line distance, the higher the similarity can be determined. Manhattan similarity represents the distance for the i-th dimension of a vector to reach a point on a grid-shaped map. It can be calculated through . At this time, the smaller the straight line distance, the higher the similarity can be determined. Cosine distance is a value that indicates the degree to which the cosine angles between two vectors are similar. It can be calculated through . Here, n is the number of dimensions constituting the region of interest vector, pi may be the value of the ith dimension of the region of interest vector, and qi may be the value of the ith dimension of the crack image vector or foreign matter image vector.
이를 통해, 제조 장치는 가압부를 통해 베이스 플레이트에 직사각형 양각 평면을 형성하기 이전에, 베이스 플레이트가 적합한 상태인지 여부를 보다 정확하게 결정할 수 있다.This allows the manufacturing device to more accurately determine whether the base plate is in a suitable condition before forming a rectangular relief plane on the base plate through the press.
단계 S830에서, 제조 장치는 베이스 플레이트가 정상 상태인 것에 기반하여 방화문의 전면과 관련된 정보를 획득할 수 있다. In step S830, the manufacturing device may obtain information related to the front side of the fire door based on the base plate being in a normal state.
방화문의 전면과 관련된 정보는 베이스 플레이트의 재질, 베이스 플레이트에서 방열 플레이트의 위치 및 크기를 포함할 수 있다. 예를 들어, 방화문의 전면과 관련된 정보는 제조 장치에 사용자에 의해 입력된 정보일 수 있다. 예를 들어, 방화문의 전면과 관련된 정보는 제조 장치에 사전 입력될 수 있다.Information related to the front of the fire door may include the material of the base plate, the location and size of the heat dissipation plate on the base plate. For example, information related to the front of a fire door may be information entered by a user into the manufacturing device. For example, information related to the front of a fire door can be pre-entered into the manufacturing device.
단계 S840에서, 제조 장치는 방화문의 전면과 관련된 정보 및 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 이동식 파지부에 대한 제1 이동 경로 및 가압부에 대한 제1 가압 설정을 결정할 수 있다.In step S840, the manufacturing device determines a first movement path for the movable gripper and a first motion path for the pressurizing portion through a pressure setting model using a second neural network based on information related to the front side of the fire door and the size and thickness of the base plate. Pressurization settings can be determined.
예를 들어, 방화문의 전면과 관련된 정보 및 베이스 플레이트의 크기와 두께에 대한 데이터 전처리를 통해 입력 벡터가 생성될 수 있다.For example, input vectors can be generated through preprocessing data about information related to the front of a fire door and the size and thickness of the base plate.
입력 벡터는 복수의 직사각형 양각 평면의 개수, 복수의 직사각형 양각 평면 각각에 대한 중심 좌표 값, 복수의 직사각형 양각 평면 각각에 대한 높이 값, 베이스 플레이트의 재질에 대한 값, 베이스 플레이트의 크기에 대한 값 및 베이스 플레이트의 두께에 대한 값을 포함할 수 있다. 예를 들어, 중심 좌표 값은 무게 중심에 대한 좌표 값일 수 있다. 복수의 직사각형 양각 평면 각각에 대한 높이 값은 직사각형 평면이 베이스 플레이트에서 양각된 높이에 대한 값일 수 있다. The input vector includes the number of a plurality of rectangular relief planes, a center coordinate value for each of the plurality of rectangular relief planes, a height value for each of the plurality of rectangular relief planes, a value for the material of the base plate, a value for the size of the base plate, and Can include a value for the thickness of the base plate. For example, the center coordinate value may be a coordinate value for the center of gravity. The height value for each of the plurality of rectangular embossed planes may be a value for the height at which the rectangular plane is embossed on the base plate.
예를 들어, 복수의 직사각형 양각 평면의 개수, 복수의 직사각형 양각 평면 각각에 대한 중심 좌표 값, 복수의 직사각형 양각 평면 각각에 대한 높이 값은 베이스 플레이트의 재질, 방열 플레이트의 위치 및 크기에 따라 결정될 수 있다. 예를 들어, 베이스 플레이트의 재질, 방열 플레이트의 위치 및 크기에 매칭되는 복수의 직사각형 양각 평면의 개수, 복수의 직사각형 양각 평면 각각에 대한 중심 좌표 값, 복수의 직사각형 양각 평면 각각에 대한 높이 값이 사전 설정될 수 있다. 예를 들어, 베이스 플레이트의 크기에 대한 값 및 베이스 플레이트의 두께에 대한 값은 인식부에 의해 획득된 베이스 플레이트의 크기 및 두께를 나타낸 값일 수 있다. For example, the number of the plurality of rectangular embossed planes, the center coordinate value for each of the plurality of rectangular embossed planes, and the height value for each of the plurality of rectangular embossed planes may be determined according to the material of the base plate and the location and size of the heat dissipation plate. there is. For example, the material of the base plate, the number of a plurality of rectangular relief planes matching the position and size of the heat dissipation plate, the center coordinate value for each of the plurality of rectangular relief planes, and the height value for each of the plurality of rectangular relief planes are predetermined. can be set. For example, the value for the size of the base plate and the value for the thickness of the base plate may be values representing the size and thickness of the base plate obtained by the recognition unit.
예를 들어, 입력 벡터가 가압 설정 모델에 입력되는 것에 기반하여 이동식 파지부에 대한 제1 이동 경로 및 가압부에 대한 제1 가압 설정이 결정될 수 있다. 이동식 파지부에 대한 제1 이동 경로는 제1 시간 구간별 위치 좌표를 포함할 수 있다. 가압부에 대한 제1 가압 설정은 제1 시간 구간별 가압 툴 타입에 대한 값, 제1 시간 구간별 가압력 및 제1 시간 구간별 가압 시간을 포함할 수 있다. 여기서, 가압 툴 타입은 베이스 플레이트에 압력을 직접적으로 가하는 가압 툴의 타입을 나타내며, 가압 툴 타입에 대한 값은 복수의 가압 툴 타입 중 어느 하나의 가압 툴 타입을 나타내는 값일 수 있다. 예를 들어, 복수의 가압 툴 타입에 대한 값은 제조 장치에 사전 저장될 수 있다. 복수의 가압 툴 타입은 상술한 롤러 형태, 부채꼴 형태 및 플레이트 형태 등 다양한 타입의 가압 툴을 포함할 수 있다. 가압력은 베이스 플레이트에 직사각형 양각 평면을 형성하기 위한 압력일 수 있다. 가압 시간은 베이스 플레이트에 연속적으로 압력을 가하는 시간일 수 있다.For example, a first movement path for the movable gripper and a first pressure setting for the pressing unit may be determined based on the input vector being entered into the pressure setting model. The first movement path for the movable gripper may include position coordinates for each first time section. The first pressing setting for the pressing unit may include a value for the pressing tool type for each first time section, a pressing force for each first time section, and a pressing time for each first time section. Here, the pressing tool type indicates the type of pressing tool that directly applies pressure to the base plate, and the value for the pressing tool type may be a value indicating one pressing tool type among a plurality of pressing tool types. For example, values for multiple pressure tool types may be pre-stored in the manufacturing device. The plurality of pressure tool types may include various types of pressure tools such as the roller shape, fan shape, and plate shape described above. The pressing force may be a pressure to form a rectangular relief plane on the base plate. The pressurizing time may be the time for continuously applying pressure to the base plate.
예를 들어, 제2 뉴럴 네트워크는 제2 입력 레이어, 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 포함할 수 있다. 복수의 입력 벡터, 복수의 정답 이동 경로 및 복수의 정답 가압 설정으로 구성된 각각의 학습 데이터는 상기 제2 뉴럴 네트워크의 상기 제2 입력 레이어에 입력되어 상기 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 통과하여 제2 출력 벡터로 출력되고, 상기 제2 출력 벡터는 상기 제2 출력 레이어에 연결된 제2 손실함수 레이어에 입력되고, 상기 제2 손실함수 레이어는 상기 제2 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제2 손실함수를 이용하여 제2 손실 값을 출력하고, 상기 제2 뉴럴 네트워크의 파라미터는 상기 제2 손실 값이 작아지는 방향으로 학습될 수 있다.For example, a second neural network may include a second input layer, one or more second hidden layers, and a second output layer. Each learning data consisting of a plurality of input vectors, a plurality of correct answer movement paths, and a plurality of correct answer pressure settings is input to the second input layer of the second neural network to create the one or more second hidden layers and the second output layer. It passes through and is output as a second output vector, and the second output vector is input to a second loss function layer connected to the second output layer, and the second loss function layer is connected to the second output vector and each training data. A second loss value is output using a second loss function that compares the correct answer vector, and the parameters of the second neural network can be learned in a direction to decrease the second loss value.
예를 들어, 정답 이동 경로는 이동식 파지부의 시간 구간별 xy 좌표 값을 포함할 수 있다. 여기서, 이동식 파지부의 xy 좌표 값은 이동식 파지부의 무게 중심을 나타내는 xy 좌표 값일 수 있다. For example, the correct answer movement path may include xy coordinate values for each time section of the movable gripper. Here, the xy coordinate value of the movable gripper may be an xy coordinate value indicating the center of gravity of the movable gripper.
예를 들어, 정답 가압 설정은 가압부에 대한 시간 구간별 가압 툴 타입에 대한 값, 가압부에 대한 시간 구간별 가압력 및 가압부에 대한 시간 구간별 가압 시간을 포함할 수 있다. 가압 툴 타입은 복수의 가압 툴 타입을 포함할 수 있고, 복수의 가압 툴 타입에 대한 값이 제조 장치에 사전 저장될 수 있다. 예를 들어, 복수의 직사각형 양각 평면 각각에 대한 크기 및 형태에 따라, 시간 구간별 가압 툴 타입, 시간 구간별 가압력 및 시간 구간별 가압 시간이 상이하게 설정될 수 있다. 예를 들어, 하나의 입력 벡터에 대해 하나의 정답 이동 경로 및 하나의 정답 가압 설정이 매칭되고, 하나의 입력 벡터, 하나의 정답 이동 경로 및 하나의 정답 가압 설정이 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 제조 장치에 사전 저장될 수 있다. For example, the correct answer pressing setting may include a value for the pressing tool type for each time section for the pressing unit, a pressing force for each time section for the pressing unit, and a pressing time for each time section for the pressing unit. The pressure tool type may include a plurality of pressure tool types, and values for the plurality of pressure tool types may be pre-stored in the manufacturing device. For example, depending on the size and shape of each of the plurality of rectangular relief planes, the pressing tool type for each time section, the pressing force for each time section, and the pressing time for each time section may be set differently. For example, for one input vector, one correct answer movement path and one correct answer pressure setting are matched, and one input vector, one correct answer movement path, and one correct answer pressing setting may be configured as one set. . For example, multiple sets may be pre-stored in the manufacturing device.
부가적으로, 예를 들어, 정답 가압 설정에 포함된 시간 구간별 가압력의 크기는 하기 수학식 1에 의해 결정될 수 있다. 즉, 정답 가압 설정에 포함된 각각의 시간 구간에 대한 가압력의 크기가 하기 수학식 1에 의해 결정될 수 있다.Additionally, for example, the size of the pressing force for each time section included in the correct answer pressing setting may be determined by Equation 1 below. That is, the magnitude of the pressing force for each time section included in the correct answer pressing setting can be determined by Equation 1 below.
상기 수학식 1에서, 상기 N1은 해당 시간 구간의 가압력의 크기이고, 상기 sb는 상기 베이스 플레이트의 두께이고, 상기 lb는 상기 베이스 플레이트의 폭이고, 상기 b는 상기 베이스 플레이트의 재질에 따른 인장 강도이고, 상기 di는 해당 직사각형 양각 평면의 깊이이고, 상기 wpi는 해당 직사각형 양각 평면의 폭이고, 상기 Nref1은 해당 시간 구간에 대한 제1 기본 가압력의 크기일 수 있다.In Equation 1, N 1 is the magnitude of the pressing force in the corresponding time period, s b is the thickness of the base plate, l b is the width of the base plate, and b is the material of the base plate. It is the tensile strength according to the corresponding rectangular embossed plane, d i is the depth of the corresponding rectangular embossed plane, wp i is the width of the corresponding rectangular embossed plane, and N ref1 may be the magnitude of the first basic pressing force for the corresponding time section.
예를 들어, 베이스 플레이트의 두께는 mm 단위이고, 베이스 플레이트의 폭은 m 단위이고, 베이스 플레이트의 재질에 따른 인장 강도는 Mpa 단위일 수 있고, 상기 d는 mm 단위일 수 있다. 예를 들어, 상기 K는 상수 값으로 사전 설정된 값일 수 있다. 예를 들어, K는 1.2일 수 있다. 예들 들어, 베이스 플레이트의 재질에 따른 인장 강도는 제조 장치에 재질별로 사전 저장될 수 있다. 예를 들어, 시간 구간별 제1 기본 가압력의 크기는 직사각형 양각 평면의 깊이 및 폭에 따라 제조 장치에 사전 저장될 수 있다.For example, the thickness of the base plate may be in mm, the width of the base plate may be in m, the tensile strength depending on the material of the base plate may be in Mpa, and d may be in mm. For example, K may be a preset constant value. For example, K may be 1.2. For example, the tensile strength according to the material of the base plate may be pre-stored for each material in the manufacturing device. For example, the size of the first basic pressing force for each time section may be pre-stored in the manufacturing device according to the depth and width of the rectangular relief plane.
이를 통해, 베이스 플레이트의 재질과 규격, 직사각형 양각 평면의 타입에 따른 규격을 고려한 정답 가압력의 크기를 사용하여 가압 설정 모델을 초기에 학습시킴으로써, 보다 정확하게 가압력의 크기를 도출하도록 가압 설정 모델을 학습시킬 수 있다.Through this, the pressure setting model can be learned to derive the size of the pressing force more accurately by initially learning the pressing setting model using the size of the correct answer pressing force considering the material and size of the base plate and the size of the rectangular embossed plane. You can.
예를 들어, 가압 설정 모델의 학습을 위해 사용되는 정답 이동 경로 및 정답 가압 설정에 대한 데이터는 방화문의 전면이 형성된 결과에 따른 데이터일 수 있다. 방화문의 전면이 형성된 결과에 따른 데이터는 이동식 파지부의 이동 경로 및 가압부의 가압 설정을 포함할 수 있다.For example, the data on the correct answer movement path and the correct answer pressurizing setting used for learning the pressurizing setting model may be data based on the result of the front of the fire door being formed. Data resulting from the formation of the front of the fire door may include the movement path of the movable gripper and the pressurization setting of the pressurizing portion.
예를 들어, 정답 가압 설정에 포함된 가압 시간은 가압 툴 타입, 가압력의 크기 및 베이스 플레이트의 재질의 조합에 따라 매칭되는 값일 수 있다. 예를 들어, 가압 툴 타입, 가압력의 크기 및 베이스 플레이트의 재질에 대한 복수의 조합이 제조 장치에 사전 설정될 수 있고, 복수의 조합 각각에 매칭되는 가압 시간이 사전 저장될 수 있다.For example, the pressing time included in the correct answer pressing setting may be a value matched according to the combination of the pressing tool type, the size of the pressing force, and the material of the base plate. For example, a plurality of combinations of the pressing tool type, the size of the pressing force, and the material of the base plate may be preset in the manufacturing device, and the pressing time matching each of the plurality of combinations may be pre-stored.
부가적으로, 예를 들어, 복수의 방화문의 전면에 대한 도면 이미지를 기반으로 학습된 도면 분석 모델을 통해 입력 벡터가 결정될 수도 있다.Additionally, for example, the input vector may be determined through a drawing analysis model learned based on drawing images of the front surfaces of a plurality of fire doors.
예를 들어, 도면 분석 모델은 제3 입력 레이어, 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 포함하는 제3 뉴럴 네트워크를 이용할 수 있다. 방화문의 전면과 관련된 도면 이미지 및 베이스 플레이트의 크기에 대한 값과 두께에 대한 값을 도면 분석 모델의 제3 뉴럴 네트워크에 입력하면, 입력 벡터가 결정될 수 있다. 복수의 도면 이미지 및 복수의 정답 입력 벡터로 구성된 각각의 학습 데이터가 상기 도면 분석 모델의 제3 입력 레이어에 입력되어 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 통과하여 제3 출력 벡터로 출력되고, 상기 제3 출력 벡터는 상기 제3 출력 레이어에 연결된 제3 손실함수 레이어에 입력되고, 상기 제3 손실함수 레이어는 상기 제3 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제3 손실함수를 이용하여 제3 손실 값을 출력하고, 상기 도면 분석 모델의 파라미터는 상기 제3 손실 값이 작아지는 방향으로 학습될 수 있다.For example, the drawing analysis model may use a third neural network including a third input layer, one or more third hidden layers, and a third output layer. By inputting the drawing image related to the front of the fire door and the size and thickness values of the base plate into the third neural network of the drawing analysis model, the input vector can be determined. Each learning data consisting of a plurality of drawing images and a plurality of correct answer input vectors is input to the third input layer of the drawing analysis model, passes through one or more third hidden layers and a third output layer, and is output as a third output vector, , the third output vector is input to a third loss function layer connected to the third output layer, and the third loss function layer is a third loss function that compares the third output vector with the correct answer vector for each training data. A third loss value is output using a function, and the parameters of the drawing analysis model can be learned in a direction in which the third loss value decreases.
단계 S850에서, 제조 장치는 이동식 파지부에 대한 제1 이동 경로에 따라 상기 이동식 파지부에 파지된 베이스 플레이트를 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시킬 수 있다.In step S850, the manufacturing device may move the base plate held by the movable gripper in the X-axis or Y-axis direction parallel to the upper surface of the support portion according to the first movement path for the movable gripper.
단계 S860에서, 제조 장치는 가압부에 대한 제1 가압 설정을 기반으로 가압부를 이동식 파지부에 파지된 베이스 플레이트의 상면에서 수직 방향으로 하향 이동시켜 베이스 플레이트에 수직의 가압력을 전달할 수 있다.In step S860, the manufacturing device may transfer a vertical pressing force to the base plate by moving the pressing unit downward in the vertical direction on the upper surface of the base plate held by the movable gripper based on the first pressing setting for the pressing unit.
일 실시예에 따르면, 제조 장치의 플레이트 배치 모듈에 의해 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트가 배치될 수 있다. 방열 플레이트의 하면은 접착제가 도포될 수 있다. 직사각형 양각 평면과 상기 방열 플레이트의 하면이 접촉될 수 있다. 예를 들어, 제조 장치의 인식부에 의해 촬영된 베이스 플레이트의 이미지에 기반하여 각각의 방열 플레이트가 배치되는 위치가 결정될 수 있다. 예를 들어, 복수의 직사각형 양각 평면이 베이스 플레이트에 형성된 후, 제조 장치는 카메라 모듈을 통해 베이스 플레이트의 이미지를 촬영할 수 있다. 제조 장치는 베이스 플레이트의 이미지에서 복수의 직사각형 양각 평면 각각에 대한 좌표를 결정하고, 복수의 직사각형 양각 평면 각각에 대한 좌표에 따라 방열 플레이트가 배치되는 위치를 결정할 수 있다.According to one embodiment, the heat dissipation plate may be placed on a rectangular relief plane formed on the base plate by the plate placement module of the manufacturing device. Adhesive may be applied to the lower surface of the heat dissipation plate. A rectangular embossed plane may be in contact with the lower surface of the heat dissipation plate. For example, the position where each heat dissipation plate is placed may be determined based on the image of the base plate captured by the recognition unit of the manufacturing device. For example, after a plurality of rectangular relief planes are formed on the base plate, the manufacturing device may take an image of the base plate through a camera module. The manufacturing device may determine coordinates for each of a plurality of rectangular relief planes in the image of the base plate, and determine a position where the heat dissipation plate is disposed according to the coordinates for each of the plurality of rectangular relief planes.
일 실시예에 따르면, 제조 장치의 인식부에 의해 획득된 방열 플레이트에 대한 정보에 기반하여, 이동식 파지부에 대한 제2 이동 경로 및 가압부에 대한 제2 가압 설정이 결정될 수 있다. 이동식 파지부에 대한 제2 이동 경로는 제2 시간 구간별 위치 좌표를 포함할 수 있다. 여기서, 제2 시간 구간별 위치 좌표는 방열 플레이트에 가압력을 전달하여 베이스 플레이트에 부착시키기 위해 이동식 파지부가 이동해야 하는 위치 좌표일 수 있다. 가압부에 대한 제2 가압 설정은 제2 시간 구간별 가압 툴 타입에 대한 값, 제2 시간 구간별 가압력 및 제2 시간 구간별 가압 시간을 포함할 수 있다. 제조 장치는 제2 이동 경로에 따라 이동식 파지부에 파지된 베이스 플레이트를 이동시킬 수 있다. 제조 장치는 제2 가압 설정에 따라 가압부를 방열 플레이트 상면에서 수직 방향으로 하향 이동시킴으로써 방열 플레이트에 수직의 가압력을 전달할 수 있다.According to one embodiment, based on information about the heat dissipation plate obtained by the recognition unit of the manufacturing device, a second movement path for the movable gripper and a second pressing setting for the pressing unit may be determined. The second movement path for the movable gripper may include position coordinates for each second time section. Here, the position coordinates for each second time section may be the position coordinates at which the movable gripper must move in order to transmit pressing force to the heat dissipation plate and attach it to the base plate. The second pressing setting for the pressing unit may include a value for the pressing tool type for each second time section, a pressing force for each second time section, and a pressing time for each second time section. The manufacturing device may move the base plate held by the movable gripper along the second movement path. The manufacturing device may transmit a vertical pressing force to the heat dissipation plate by moving the press portion downward in the vertical direction from the upper surface of the heat dissipation plate according to the second pressure setting.
예를 들어, 방열 플레이트에 대한 정보는 복수의 직사각형 양각 평면이 형성된 베이스 플레이트의 이미지, 방열 플레이트의 무게 및 방열 플레이트의 두께를 포함할 수 있다. 예를 들어, 복수의 직사각형 양각 평면이 형성된 베이스 플레이트의 이미지는 카메라 모듈에 의해 촬영된 베이스 플레이트의 전면 이미지일 수 있다. 예를 들어, 방열 플레이트의 무게는 지지 모듈에 포함된 무게 센서 또는 방열 플레이트 보관부에 포함된 무게 센서를 통해 측정될 수 있다. 예를 들어, 방열 플레이트의 두께는 지지 모듈 또는 방열 플레이트 보관부에 포함된 초음파 센서를 통해 측정될 수 있다. 지지 모듈에 포함된 초음파 센서에서 생성된 펄스를 방열 플레이트가 놓여진 베이스 플레이트 영역(직사각형 양각 평면)의 내부로 전달시키고, 되돌아오는 펄스를 분석하여 두께를 측정할 수 있다. 방열 플레이트 보관부에 포함된 초음파 센서에서 생성된 펄스를 방열 플레이트 보관부에 놓여진 방열 플레이트의 내부로 전달시키고, 되돌아오는 펄스를 분석하여 두께를 측정할 수 있다.For example, information about the heat dissipation plate may include an image of a base plate on which a plurality of rectangular embossed planes are formed, the weight of the heat dissipation plate, and the thickness of the heat dissipation plate. For example, an image of a base plate on which a plurality of rectangular relief planes are formed may be a front image of the base plate captured by a camera module. For example, the weight of the heat dissipation plate may be measured through a weight sensor included in the support module or a weight sensor included in the heat dissipation plate storage unit. For example, the thickness of the heat dissipation plate can be measured using an ultrasonic sensor included in the support module or the heat dissipation plate storage unit. The pulse generated by the ultrasonic sensor included in the support module can be transmitted to the inside of the base plate area (rectangular embossed plane) where the heat dissipation plate is placed, and the returning pulse can be analyzed to measure the thickness. The pulse generated by the ultrasonic sensor included in the heat dissipation plate storage unit is transmitted to the inside of the heat dissipation plate placed in the heat dissipation plate storage unit, and the thickness can be measured by analyzing the returning pulse.
예를 들어, 이동식 파지부에 대한 제2 이동 경로는 방열 플레이트가 배치되는 위치에 따라 결정될 수 있다. 즉, 복수의 이동식 파지부에 대한 이동 경로 중에서 방열 플레이트가 배치되는 위치에 따라 어느 하나의 이동 경로가 제2 이동 경로로 결정될 수 있다.For example, the second movement path for the movable grip may be determined depending on where the heat dissipation plate is disposed. That is, among the movement paths for the plurality of movable holding units, one movement path may be determined as the second movement path depending on the position where the heat dissipation plate is disposed.
예를 들어, 제2 시간 구별 가압력은 직사각형 양각 평면에 방열 플레이트를 부착시키기 위한 압력일 수 있다. 예를 들어, 제2 시간 구별 가압 시간은 직사각형 양각 평면에 방열 플레이트를 부착시키기 위해 압력을 연속적으로 가하는 시간일 수 있다.For example, the second time-sensitive pressing force may be a pressure for attaching the heat dissipation plate to the rectangular embossed plane. For example, the second time-sensitive pressing time may be a time for continuously applying pressure to attach the heat dissipation plate to the rectangular relief plane.
예를 들어, 제2 시간 구별 가압력의 크기는 방열 플레이트의 무게 및 두께와 관련된 가중치를 적용한 값일 수 있다. 예를 들어, 방열 플레이트의 무게 및 두께와 관련된 가중치는 베이스 플레이트의 재질과 방열 플레이트에 도포된 접착제의 종류에 대한 조합별로 제조 장치에 사전 저장될 수 있다. 이때, 가중치는 0보다 크고 1보다 작은 값일 수 있다. 예를 들어, 가중치는 베이스 플레이트의 재질과 방열 플레이트에 도포된 접착제의 종류에 대한 조합에 따라 상이한 값을 가질 수 있다.For example, the magnitude of the second time-sensitive pressing force may be a value obtained by applying a weight related to the weight and thickness of the heat dissipation plate. For example, weights related to the weight and thickness of the heat dissipation plate may be pre-stored in the manufacturing device for each combination of the material of the base plate and the type of adhesive applied to the heat dissipation plate. At this time, the weight may be a value greater than 0 and less than 1. For example, the weight may have different values depending on the combination of the material of the base plate and the type of adhesive applied to the heat dissipation plate.
부가적으로, 예를 들어, 제2 시간 구간별 가압력의 크기는 하기 수학식 2에 의해 결정될 수 있다. 즉, 각각의 제2 시간 구간에 대한 가압력의 크기가 하기 수학식 2에 의해 결정될 수 있다.Additionally, for example, the magnitude of the pressing force for each second time period may be determined by Equation 2 below. That is, the magnitude of the pressing force for each second time period can be determined by Equation 2 below.
상기 수학식 2에서, 상기 N2는 상기 해당 제2 시간 구간의 가압력의 크기이고, 상기 는 상기 베이스 플레이트의 재질과 상기 방열 플레이트에 도포된 접착제의 종류와 관련된 가중치이고, 상기 sb는 베이스 플레이트의 두께이고, 상기 sf는 해당 방열 플레이트의 두께이고, 상기 wb는 베이스 플레이트의 무게이고, 상기 wf는 해당 방열 플레이트의 무게이고, 상기 Nref2은 해당 제2 시간 구간에 대한 제2 기본 가압력의 크기일 수 있다.In Equation 2, N 2 is the magnitude of the pressing force in the corresponding second time period, and is a weight related to the material of the base plate and the type of adhesive applied to the heat dissipation plate, s b is the thickness of the base plate, s f is the thickness of the heat dissipation plate, and w b is the weight of the base plate. , w f is the weight of the heat dissipation plate, and N ref2 may be the magnitude of the second basic pressing force for the second time period.
예를 들어, 베이스 플레이트 및 방열 플레이트의 두께는 mm 단위이고, 베이스 플레이트 및 방열 플레이트의 무게는 kg 단위일 수 있다. 예를 들어, 상기 베이스 플레이트의 재질과 상기 방열 플레이트에 도포된 접착제의 종류와 관련된 가중치는 0보다 크고 1보다 작은 값일 수 있다. 예를 들어, 상기 베이스 플레이트의 재질과 상기 방열 플레이트에 도포된 접착제의 종류와 관련된 가중치는 베이스 플레이트의 재질과 방열 플레이트에 도포된 접착제의 종류에 대한 조합별로 제조 장치에 사전 저장될 수 있다. 상기 베이스 플레이트의 재질과 상기 방열 플레이트에 도포된 접착제의 종류와 관련된 가중치는 베이스 플레이트의 재질과 방열 플레이트에 도포된 접착제의 종류에 대한 조합에 따라 상이한 값을 가질 수 있다. 예를 들어, 베이스 플레이트의 재질이 접착이 용이한 재질이고, 접착제가 높은 접착력을 가질수록 가 큰 값으로 설정될 수 있다. 예를 들어, 제2 시간 구간별 제2 기본 가압력의 크기는 직사각형 양각 평면의 깊이 및 폭에 따라 제조 장치에 사전 저장될 수 있다.For example, the thickness of the base plate and heat dissipation plate may be in mm, and the weight of the base plate and heat dissipation plate may be in kg. For example, the weight related to the material of the base plate and the type of adhesive applied to the heat dissipation plate may be a value greater than 0 and less than 1. For example, weights related to the material of the base plate and the type of adhesive applied to the heat dissipation plate may be pre-stored in the manufacturing device for each combination of the material of the base plate and the type of adhesive applied to the heat dissipation plate. The weight related to the material of the base plate and the type of adhesive applied to the heat dissipation plate may have different values depending on the combination of the material of the base plate and the type of adhesive applied to the heat dissipation plate. For example, the material of the base plate is easy to adhere to, and the higher the adhesive strength, the better. can be set to a large value. For example, the magnitude of the second basic pressing force for each second time section may be pre-stored in the manufacturing device according to the depth and width of the rectangular relief plane.
이를 통해, 방열 플레이트의 타입에 따라 다른 두께와 무게 뿐만 아니라 접착제의 종류 및 베이스 플레이트의 재질을 고려한 제2 시간 구간별 가압력의 크기를 결정함으로써, 방열 플레이트의 베이스 플레이트에 대한 부착력을 향상시킬 수 있다. Through this, the adhesion of the heat dissipation plate to the base plate can be improved by determining the size of the pressing force for each second time section considering not only the different thickness and weight depending on the type of heat dissipation plate, but also the type of adhesive and the material of the base plate. .
예를 들어, 제2 시간 구간별 가압 툴 타입에 대한 값은 직사각형 양각 평면의 폭에 따라 상이한 값을 가질 수 있다. 예를 들어, 제2 시간 구간별 가압 툴 타입에 대한 값은 직사각형 양각 평면의 폭에 따라 제조 장치에 사전 저장될 수 있다.For example, the value for the pressing tool type for each second time section may have different values depending on the width of the rectangular relief plane. For example, the value for the pressing tool type for each second time section may be pre-stored in the manufacturing device according to the width of the rectangular relief plane.
예를 들어, 제2 시간 구간별 가압 시간은 베이스 플레이트의 재질과 방열 플레이트에 도포된 접착제의 종류에 대한 조합에 따라 상이한 값을 가질 수 있다. 예를 들어, 제2 시간 구간별 가압 시간은 베이스 플레이트의 재질과 방열 플레이트에 도포된 접착제의 종류에 대한 조합별로 제조 장치에 사전 저장될 수 있다.For example, the pressing time for each second time section may have different values depending on the combination of the material of the base plate and the type of adhesive applied to the heat dissipation plate. For example, the pressing time for each second time section may be pre-stored in the manufacturing device for each combination of the material of the base plate and the type of adhesive applied to the heat dissipation plate.
도 9는 일 실시예에 따른 탐색 모델에 대한 예를 나타낸다. 도 9의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 9 shows an example of a search model according to one embodiment. The embodiment of FIG. 9 may be combined with various embodiments of the present disclosure.
도 9를 참조하면, 탐색 모델에 사용되는 뉴럴 네트워크는 패스터(faster) R-CNN 기반의 뉴럴 네트워크일 수 있다. 뉴럴 네트워크는 제1 입력 레이어(910), 하나 이상의 제1 히든 레이어(920) 및 제1 출력 레이어(930)을 포함할 수 있다. Referring to FIG. 9, the neural network used in the search model may be a faster R-CNN based neural network. The neural network may include a first input layer 910, one or more first hidden layers 920, and a first output layer 930.
예를 들어, 제조 장치는 카메라 모듈에 의해 촬영된 베이스 플레이트의 이미지에 대해 데이터 전처리를 수행함으로써, 제1 이미지 벡터를 생성할 수 있다. 예를 들어, 제조 장치는 베이스 플레이트의 이미지에 대해 이진화(thresholding), 블러링(blurring), 배경 제거 및 모양 인식을 수행하여, 제1 이미지 벡터를 생성할 수 있다. 예를 들어, 제조 장치는 베이스 플레이트의 이미지에 대해 적응형 이진화를 수행하고, 이진화된 이미지에 슬라이딩 윈도우 기법을 사용하여 임계 값 이상이고, 특정 픽셀 이상의 크기인 복수의 영역을 검출함으로써, 제1 이미지 벡터를 생성할 수 있다. 이때, 제1 이미지 벡터는 특정 픽셀 이상의 크기인 복수의 영역 각각에 대한 픽셀 값으로 구성된 관심 영역 벡터를 포함할 수 있다.For example, the manufacturing device may generate a first image vector by performing data preprocessing on the image of the base plate captured by the camera module. For example, the manufacturing device may perform thresholding, blurring, background removal, and shape recognition on the image of the base plate to generate a first image vector. For example, the manufacturing device performs adaptive binarization on the image of the base plate and uses a sliding window technique on the binarized image to detect a plurality of regions that are larger than a threshold and larger than a certain pixel, thereby creating a first image Vectors can be created. At this time, the first image vector may include a region of interest vector composed of pixel values for each of a plurality of regions that are larger than a specific pixel.
하나 이상의 제1 히든 레이어(920)는 패스트 R-CNN과 RPN(Region Proposal Network)을 포함할 수 있다. RPN은 컨벌루션 레이어, 영역 제안(region proposal) 레이어 및 분류(classification) 레이어, 회귀(regression) 레이어를 포함할 수 있다. 구체적으로, 예를 들어, 제조 장치는 영역 제안을 위해 종단간(end-to-end) 러닝을 통해 RPN을 학습시킬 수 있고, 학습된 RPN에서 기본적인 CNN을 제외한 영역 제안 레이어만을 사용하여 패스트(Fast) R-CNN을 학습시킬 수 있다. 이후, 제조 장치는 첫 번째 특징 맵을 추출하는 CNN을 미세 조정하고, 학습시킨 패스트 R-CNN과 RPN을 사용하여 다른 가중치들을 고정시키고, RPN에 해당하는 레이어들만 미세 조정할 수 있다. 이후, 제조 장치는 공유된 컨벌루션 레이어를 고정시키고, 패스트 R-CNN에 해당하는 레이어를 미세 조정함으로써, 패스터 R-CNN을 학습시킬 수 있다.One or more first hidden layers 920 may include fast R-CNN and RPN (Region Proposal Network). RPN may include a convolution layer, a region proposal layer, a classification layer, and a regression layer. Specifically, for example, a manufacturing device can learn an RPN through end-to-end learning for region proposal, and use only the region proposal layer excluding the basic CNN from the learned RPN to perform Fast ) R-CNN can be trained. Afterwards, the manufacturing device can fine-tune the CNN that extracts the first feature map, fix other weights using the learned Fast R-CNN and RPN, and fine-tune only the layers corresponding to the RPN. Afterwards, the manufacturing device can learn Faster R-CNN by fixing the shared convolutional layer and fine-tuning the layer corresponding to Fast R-CNN.
예를 들어, 제1 이미지 벡터가 제1 입력 레이어(910)에 입력되고, 컨벌루션 레이어를 통해 특징 맵이 추출될 수 있다. 특징 맵은 RPN과 패스트 R-CNN에 전달되고, RPN은 특징 맵을 기반으로 영역 제안 레이어를 통해 복수의 영역을 탐색할 수 있고, 복수의 영역을 복수의 관심 영역으로 풀링할 수 있다. 최종적으로, 제조 장치는 특징 맵과 영역 제안 경계 박스를 활용해 복수의 관심 영역과 관련된 값들을 계산할 수 있다.For example, a first image vector may be input to the first input layer 910, and a feature map may be extracted through a convolutional layer. The feature map is delivered to the RPN and Fast R-CNN, and the RPN can search multiple regions through a region proposal layer based on the feature map and pool the multiple regions into multiple regions of interest. Finally, the manufacturing device can utilize the feature map and region proposal bounding box to calculate values associated with multiple regions of interest.
예를 들어, RPN(Region Proposal Networks)은 크기에 상관없이 이미지 전체를 입력받을 수 있고, 영역 제안 경계 박스를 반환할 수 있다. 각 경계 박스는 객체가 존재하는지 여부를 유사도 점수로 나타낼 수 있다. 각 슬라이딩 윈도우는 작은 차원의 피처로 매핑될 수 있고, 슬라이딩 윈도우로 구한 피처는 분류 레이어와 회귀 레이어로 전달될 수 있다. 각 슬라이딩 윈도우의 중심 위치마다 여러 경계 박스 영역이 예측될 수 있다. 각 슬라이딩 윈도우 위치마다 최대로 예측할 수 있는 경계 박스 영역 개수는 k개인 경우, 회귀 레이어는 좌표 값을 4k개 가질 수 있으며, 분류 레이어는 2k개의 점수 값을 가질 수 있다. For example, RPN (Region Proposal Networks) can receive the entire image as input regardless of size and return a region proposal bounding box. Each bounding box can indicate whether an object exists with a similarity score. Each sliding window can be mapped to a small-dimensional feature, and the features obtained by the sliding window can be passed to the classification layer and regression layer. Several bounding box areas can be predicted for each center position of each sliding window. If the maximum number of bounding box areas that can be predicted for each sliding window position is k, the regression layer can have 4k coordinate values, and the classification layer can have 2k score values.
이를 통해, 제조 장치는 복수의 제1 이미지 벡터, 복수의 균열 이미지 벡터, 복수의 이물질 이미지 벡터, 복수의 정답 제1 유사도 및 복수의 정답 제2 유사도로 구성된 각각의 학습 데이터를 통해 탐색 모델을 학습시킬 수 있다.Through this, the manufacturing device learns a search model through each learning data consisting of a plurality of first image vectors, a plurality of crack image vectors, a plurality of foreign matter image vectors, a plurality of correct first similarities, and a plurality of correct second similarities. You can do it.
도 10은 일 실시예에 따른 뉴럴 네트워크를 이용하여 제조 장치가 방화문의 전면을 형성하는 방법에 대한 흐름도이다. 도 10의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.Figure 10 is a flowchart of a method in which a manufacturing device forms the front of a fire door using a neural network according to an embodiment. The embodiment of FIG. 10 can be combined with various embodiments of the present disclosure.
도 10을 참조하면, 단계 S1001에서, 제조 장치는 이동식 파지부에 베이스 플레이트가 파지되는 것에 기반하여, 제조 장치에 구비된 인식부를 통해 베이스 플레이트에 대한 정보를 획득할 수 있다.Referring to FIG. 10, in step S1001, the manufacturing device may obtain information about the base plate through a recognition unit provided in the manufacturing device based on the base plate being gripped by the movable gripper.
베이스 플레이트에 대한 정보는 베이스 플레이트의 이미지, 베이스 플레이트의 크기, 베이스 플레이트의 무게 및 베이스 플레이트의 두께를 포함할 수 있다.Information about the base plate may include an image of the base plate, the size of the base plate, the weight of the base plate, and the thickness of the base plate.
단계 S1002에서, 제조 장치는 베이스 플레이트가 정상 상태인지 여부를 결정할 수 있다.In step S1002, the manufacturing device may determine whether the base plate is in a normal state.
예를 들어, 제조 장치는 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 베이스 플레이트의 상태를 결정할 수 있다. 예를 들어, 베이스 플레이트의 복수의 관심 영역 각각에 대한 유사도가 사전 설정된 유사도 미만인 것에 기반하여 베이스 플레이트가 정상 상태로 결정될 수 있다. 베이스 플레이트의 복수의 관심 영역 각각에 대한 유사도는 상술한 탐색 모델을 통해 결정될 수 있다.For example, the manufacturing device may determine the state of the base plate through a search model using a first neural network based on information about the base plate. For example, the base plate may be determined to be in a normal state based on the similarity for each of the plurality of regions of interest of the base plate being less than a preset similarity. Similarity for each of the plurality of regions of interest of the base plate may be determined through the above-described search model.
단계 S1003에서, 베이스 플레이트가 정상 상태가 아닌 경우, 제조 장치는 교체 메시지를 디스플레이부에 출력할 수 있다.In step S1003, if the base plate is not in a normal state, the manufacturing device may output a replacement message to the display unit.
예를 들어, 탐색 모델을 통해 결정된 베이스 플레이트의 복수의 관심 영역 각각에 대한 유사도 중 적어도 하나가 사전 설정된 유사도 이상인 것에 기반하여, 제조 장치는 교체 메시지를 디스플레이부에 출력할 수 있다.For example, based on the fact that at least one of the similarities for each of the plurality of regions of interest of the base plate determined through the search model is greater than or equal to a preset similarity, the manufacturing device may output a replacement message to the display unit.
여기서, 교체 메시지는 베이스 플레이트의 교체를 알리는 메시지이고, 예를 들어, 교체 메시지는 베이스 플레이트의 균열 여부에 대한 정보 또는 베이스 플레이트의 이물질 검출 여부에 대한 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 제조 장치는 교체 메시지를 상기 제조 장치와 사전 연결된 사용자 단말에게 전송할 수 있다.Here, the replacement message is a message notifying replacement of the base plate. For example, the replacement message may include at least one of information about whether the base plate is cracked or information about whether foreign matter is detected in the base plate. For example, the manufacturing device may transmit a replacement message to a user terminal pre-connected to the manufacturing device.
단계 S1004에서, 베이스 플레이트가 정상 상태인 경우, 제조 장치는 방화문의 전면과 관련된 정보 및 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 이동식 파지부에 대한 제1 이동 경로 및 가압부에 대한 제1 가압 설정을 결정할 수 있다.In step S1004, if the base plate is in a normal state, the manufacturing device performs a first movement with respect to the movable gripper through a pressure setting model using a second neural network based on information related to the front side of the fire door and the size and thickness of the base plate. A first pressure setting for the path and pressure portion may be determined.
예를 들어, 제조 장치는 이동식 파지부에 대한 제1 이동 경로에 따라 상기 이동식 파지부에 파지된 베이스 플레이트를 제조 장치의 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시킬 수 있다.For example, the manufacturing device may move the base plate held by the movable gripper in the X-axis or Y-axis direction parallel to the upper surface of the support portion of the manufacturing device according to the first movement path with respect to the movable gripper.
단계 S1005에서, 제조 장치는 가압부에 대한 제1 가압 설정을 기반으로 가압부를 이동식 파지부에 파지된 베이스 플레이트의 상면에서 수직 방향으로 하향 이동시켜 베이스 플레이트에 수직의 가압력을 전달할 수 있다.In step S1005, the manufacturing device may transfer a vertical pressing force to the base plate by moving the pressing unit downward in the vertical direction on the upper surface of the base plate held by the movable gripper based on the first pressure setting for the pressing unit.
단계 S1006에서, 제조 장치는 방열 플레이트가 방열 플레이트 보관부에 존재하는지 여부를 결정할 수 있다.In step S1006, the manufacturing device may determine whether the heat dissipation plate is present in the heat dissipation plate storage unit.
예를 들어, 제조 장치는 인식부를 통해 방열 플레이트가 방열 플레이트 보관부에 안착되었는지 확인할 수 있다. 예를 들어, 제조 장치는 제조 장치에 구비된 카메라 모듈을 통해 방열 플레이트 보관부에 안착된 방열 플레이트가 존재하는지 여부를 검출할 수 있다. 예를 들어, 방열 플레이트 보관부에 포함된 무게 센서를 통해 방열 플레이트의 무게가 감지될 수 있다. 또는, 예를 들어, 방열 플레이트 보관부에 포함된 초음파 센서를 통해 방열 플레이트가 감지될 수 있다. 이때, 방열 플레이트 보관부가 방열 플레이트를 감지한 경우, 방열 플레이트 보관부는 방열 플레이트 감지에 대한 신호를 제조 장치의 제어부에 전송할 수 있다.For example, the manufacturing device can check whether the heat dissipation plate is seated in the heat dissipation plate storage unit through the recognition unit. For example, the manufacturing device may detect whether there is a heat dissipation plate seated in the heat dissipation plate storage unit through a camera module provided in the manufacturing device. For example, the weight of the heat dissipation plate may be detected through a weight sensor included in the heat dissipation plate storage unit. Alternatively, for example, the heat dissipation plate may be detected through an ultrasonic sensor included in the heat dissipation plate storage unit. At this time, when the heat dissipation plate storage unit detects the heat dissipation plate, the heat dissipation plate storage unit may transmit a signal for detecting the heat dissipation plate to the control unit of the manufacturing device.
단계 S1007에서, 방열 플레이트가 방열 플레이트 보관부에 존재하지 않는 경우, 제조 장치는 배치 메시지를 디스플레이부에 출력할 수 있다.In step S1007, if the heat dissipation plate does not exist in the heat dissipation plate storage unit, the manufacturing device may output a placement message to the display unit.
여기서, 배치 메시지는 방열 플레이트를 방열 플레이트 보관부에 배치할 것을 알리는 메시지이다. 예를 들어, 배치 메시지는 방열 플레이트 보관부에 결합된 방열 플레이트의 개수에 대한 정보를 포함할 수 있다. 예를 들어, 제조 장치는 배치 메시지를 상기 제조 장치와 사전 연결된 사용자 단말에게 전송할 수 있다.Here, the placement message is a message notifying that the heat dissipation plate is to be placed in the heat dissipation plate storage unit. For example, the batch message may include information about the number of heat dissipation plates coupled to the heat dissipation plate storage unit. For example, a manufacturing device may transmit a batch message to a user terminal pre-connected to the manufacturing device.
단계 S1008에서, 제조 장치는 방열 플레이트 보관부를 통해 방열 플레이트에 대한 제1 정보를 획득할 수 있다.In step S1008, the manufacturing device may obtain first information about the heat dissipation plate through the heat dissipation plate storage unit.
방열 플레이트에 대한 제1 정보는 복수의 직사각형 양각 평면이 형성된 베이스 플레이트의 이미지, 방열 플레이트의 제1 무게 및 방열 플레이트의 제1 두께를 포함할 수 있다. 예를 들어, 복수의 직사각형 양각 평면이 형성된 베이스 플레이트의 이미지는 카메라 모듈에 의해 촬영될 수 있다. 예를 들어, 방열 플레이트의 제1 무게 및 방열 플레이트의 제1 두께는 방열 플레이트 보관부에 포함된 무게 센서 및 초음파 센서를 통해 측정될 수 있다.The first information about the heat dissipation plate may include an image of a base plate on which a plurality of rectangular relief planes are formed, a first weight of the heat dissipation plate, and a first thickness of the heat dissipation plate. For example, an image of a base plate on which a plurality of rectangular relief planes are formed may be captured by a camera module. For example, the first weight of the heat dissipation plate and the first thickness of the heat dissipation plate may be measured through a weight sensor and an ultrasonic sensor included in the heat dissipation plate storage unit.
예를 들어, 방열 플레이트에 대한 제1 정보는 방열 플레이트를 배치할 위치를 결정할 때 사용되는 정보일 수 있다. For example, the first information about the heat dissipation plate may be information used when determining a location to place the heat dissipation plate.
단계 S1009에서, 제조 장치는 플레이트 배치 모듈을 통해 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트를 배치할 수 있다.In step S1009, the manufacturing apparatus may place the heat dissipation plate on the rectangular embossed plane formed on the base plate through the plate placement module.
예를 들어, 플레이트 배치 모듈은 복수의 직사각형 양각 평면이 형성된 베이스 플레이트의 이미지에 기반하여 방열 플레이트를 배치할 위치를 결정할 수 있다.For example, the plate placement module may determine a position to place the heat dissipation plate based on an image of a base plate on which a plurality of rectangular relief planes are formed.
예를 들어, 직사각형 양각 평면의 타입에 따라 상이한 방열 플레이트가 배치될 수 있다.For example, different heat dissipation plates may be arranged depending on the type of rectangular relief plane.
부가적으로, 일 실시예에 따르면, 제조 장치는 플레이트 배치 모듈을 통해 방열 플레이트를 직사각형 양각 평면 상에 낙하시켜 부착시킬 수도 있다. 이때, 예를 들어, 제조 장치는 방열 플레이트의 낙하 위치를 하기 수학식 3에 의해 결정할 수 있다.Additionally, according to one embodiment, the manufacturing device may attach the heat dissipation plate by dropping it on a rectangular embossed plane through a plate placement module. At this time, for example, the manufacturing device may determine the drop position of the heat dissipation plate using Equation 3 below.
상기 수학식 3에서, 상기 y는 상기 낙하 위치이고, 상기 lh는 상기 방열 플레이트의 길이, 상기 wh는 상기 방열 플레이트의 무게, 상기 w0는 기준 무게일 수 있다. 예를 들어, max 함수는 괄호 내 변수 중에서 더 큰 값을 도출하는 함수일 수 있다. 예를 들어, 상기 5는 각도에 대한 값으로, 5도 일 수 있다. 예를 들어, 기준 무게는 제조 장치에 사전 저장된 값일 수 있다.In Equation 3, y may be the dropping position, l h may be the length of the heat dissipation plate, w h may be the weight of the heat dissipation plate, and w 0 may be the reference weight. For example, the max function may be a function that derives a larger value among the variables within the parentheses. For example, 5 is a value for an angle and may be 5 degrees. For example, the reference weight may be a value pre-stored in the manufacturing device.
예를 들어, 수학식 3의 방열 플레이트의 길이 및 무게는 방열 플레이트에 대한 제1 정보에 기반하여 결정될 수 있다.For example, the length and weight of the heat dissipation plate in Equation 3 may be determined based on first information about the heat dissipation plate.
단계 S1010에서, 제조 장치는 방열 플레이트에 대한 제2 정보에 기반하여, 제2 이동 경로 및 제2 가압 설정을 결정할 수 있다.In step S1010, the manufacturing device may determine the second movement path and the second pressure setting based on the second information about the heat dissipation plate.
예를 들어, 방열 플레이트에 대한 제2 정보는 제조 장치의 인식부에 의해 획득된 정보일 수 있다. 예를 들어, 방열 플레이트에 대한 제2 정보는 직사각형 양각 평면에 방열 플레이트가 배치된 베이스 플레이트의 이미지, 인식부에 의해 측정된 방열 플레이트의 제2 무게 및 인식부에 의해 측정된 방열 플레이트의 제2 두께를 포함할 수 있다. 예를 들어, 방열 플레이트에 대한 제1 정보와 방열 플레이트에 대한 제2 정보는 독립적일 수 있다. For example, the second information about the heat dissipation plate may be information obtained by a recognition unit of the manufacturing device. For example, the second information about the heat dissipation plate may include an image of a base plate on which the heat dissipation plate is disposed on a rectangular relief plane, a second weight of the heat dissipation plate measured by the recognition unit, and a second weight of the heat dissipation plate measured by the recognition unit. May include thickness. For example, the first information about the heat dissipation plate and the second information about the heat dissipation plate may be independent.
예를 들어, 제조 장치는 제2 이동 경로에 따라 이동식 파지부에 파지된 베이스 플레이트를 이동시킬 수 있다.For example, the manufacturing device may move the base plate held by the movable gripper along the second movement path.
단계 S1011에서, 제조 장치는 제2 가압 설정에 따라 가압부를 방열 플레이트 상면에서 수직 방향으로 하향 이동 시킴으로써 방열 플레이트에 수직의 제2 가압력을 전달할 수 있다.In step S1011, the manufacturing device may transmit a second vertical pressing force to the heat dissipating plate by moving the pressing portion downward in the vertical direction on the upper surface of the heat dissipating plate according to the second pressing setting.
부가적으로, 예를 들어, 방화문의 전면을 형성하는 이후의 과정에서, 방화문의 전면과 관련된 정보가 동일하거나 방화문의 전면에 대한 도면 이미지가 동일한 경우, 제조 장치는 제1 가압 설정 및 제2 가압 설정을 별도로 결정하지 않고, 이미 결정된 제1 가압 설정 및 제2 가압 설정을 그대로 이용할 수 있다. 예를 들어, 방화문의 전면과 관련된 정보 또는 방화문의 전면에 대한 도면 이미지가 변경된 경우, 제조 장치는 제1 가압 설정 및 제2 가압 설정을 새롭게 결정하여 사용할 수 있다.Additionally, for example, in the subsequent process of forming the front side of the fire door, if the information related to the front side of the fire door is the same or the drawing image for the front side of the fire door is the same, the manufacturing device may set the first pressure setting and the second pressure setting. Without separately determining the settings, the already determined first pressure setting and second pressure setting can be used as is. For example, if the information related to the front of the fire door or the drawing image of the front of the fire door is changed, the manufacturing device may newly determine and use the first pressure setting and the second pressure setting.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, and a field programmable gate (FPGA). It may be implemented using one or more general-purpose or special-purpose computers, such as an array, programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. A processing device may execute an operating system (OS) and one or more software applications that run on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device. Software and/or data may be used on any type of machine, component, physical device, virtual equipment, computer storage medium or device to be interpreted by or to provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described with limited drawings as described above, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the claims described below.
Claims (12)
베이스 플레이트를 지지하고, 상기 베이스 플레이트의 이동을 보조하는 지지부;
상기 베이스 플레이트를 파지하고, 상기 베이스 플레이트를 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시키는 이동식 파지부;
상기 이동식 파지부에 파지된 상기 베이스 플레이트의 상면에서 수직 방향으로 하향 이동하여 상기 베이스 플레이트에 수직의 가압력을 전달하는 가압부;
상기 이동식 파지부에 파지된 상기 베이스 플레이트의 이동 및 상기 가압부의 상기 베이스 플레이트에 대한 가압에 기반하여 상기 베이스 플레이트에 복수의 직사각형 양각 평면이 형성되고,
상기 방화문의 전면은 상기 베이스 플레이트에 형성된 상기 복수의 직사각형 양각 평면을 포함하고,
상기 베이스 플레이트를 촬영하는 카메라 모듈 및 상기 베이스 플레이트의 크기와 두께를 센싱하는 센서 모듈을 포함하는 인식부;
하나 이상의 메모리, 통신 모듈 및 상기 하나 이상의 메모리와 상기 인식부, 상기 이동식 파지부, 상기 가압부 및 상기 통신 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부를 포함하되,
상기 하나 이상의 프로세서는:
상기 인식부에 의해 획득된 상기 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 상기 베이스 플레이트의 상태를 결정하고,
상기 베이스 플레이트에 대한 정보는 상기 베이스 플레이트의 이미지와 상기 베이스 플레이트의 크기 및 두께를 포함하고,
상기 베이스 플레이트가 정상 상태인 것에 기반하여 상기 방화문의 전면과 관련된 정보가 획득되고,
상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 상기 이동식 파지부에 대한 제1 이동 경로 및 상기 가압부에 대한 제1 가압 설정을 결정하고,
상기 베이스 플레이트의 이동은 상기 이동식 파지부에 대한 제1 이동 경로를 기반으로 수행되고, 및 상기 가압부의 상기 베이스 플레이트에 대한 가압은 상기 가압부에 대한 제1 가압 설정을 기반으로 수행되고,
상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트가 배치되는,
제조 장치.
In a manufacturing device that forms the front of a fire door using a neural network,
a support portion that supports the base plate and assists movement of the base plate;
a movable gripper that grips the base plate and moves the base plate in the X-axis or Y-axis direction parallel to the upper surface of the support portion;
a pressing part that moves vertically downward from the upper surface of the base plate held by the movable gripping part and transmits a vertical pressing force to the base plate;
A plurality of rectangular embossed planes are formed on the base plate based on movement of the base plate held by the movable gripper and pressure on the base plate by the pressing unit,
The front surface of the fire door includes the plurality of rectangular relief planes formed on the base plate,
A recognition unit including a camera module for photographing the base plate and a sensor module for sensing the size and thickness of the base plate;
A control unit including one or more memories, a communication module, and one or more processors connecting the one or more memories, the recognition unit, the movable gripping unit, the pressing unit, and the communication module,
The one or more processors:
Determining the state of the base plate through a search model using a first neural network based on the information about the base plate acquired by the recognition unit,
The information about the base plate includes an image of the base plate and the size and thickness of the base plate,
Information related to the front side of the fire door is obtained based on the base plate being in a normal state,
Based on information related to the front of the fire door and the size and thickness of the base plate, a first movement path for the movable gripper and a first pressure setting for the pressing unit are established through a pressure setting model using a second neural network. decide,
Movement of the base plate is performed based on a first movement path for the movable gripper, and pressing of the pressing portion against the base plate is performed based on a first pressing setting for the pressing portion,
A heat dissipation plate is disposed on a rectangular relief plane formed on the base plate,
manufacturing device.
상기 탐색 모델은 R-CNN(faster regions with convolutional neural network) 모델이 사용되고,
상기 베이스 플레이트의 이미지에 대한 데이터 전처리를 통해 제1 이미지 벡터가 생성되고,
상기 제1 이미지 벡터가 상기 탐색 모델에 입력되는 것에 기반하여 복수의 관심 영역 각각에 대한 유사도가 결정되고,
상기 복수의 관심 영역은 상기 베이스 플레이트의 균열과 관련된 관심 영역 및 상기 베이스 플레이트의 이물질과 관련된 관심 영역을 포함하고,
상기 복수의 관심 영역 각각에 대한 유사도가 사전 설정된 유사도 미만인 것에 기반하여 상기 베이스 플레이트가 정상 상태로 결정되는,
제조 장치.
According to clause 1,
The search model uses a faster regions with convolutional neural network (R-CNN) model,
A first image vector is generated through data preprocessing of the image of the base plate,
Similarity for each of a plurality of regions of interest is determined based on the first image vector being input to the search model,
The plurality of regions of interest include a region of interest associated with a crack in the base plate and a region of interest associated with a foreign substance in the base plate,
The base plate is determined to be in a normal state based on the similarity for each of the plurality of regions of interest being less than a preset similarity,
manufacturing device.
상기 방화문의 전면과 관련된 정보는 상기 베이스 플레이트의 재질, 상기 베이스 플레이트에서 상기 방열 플레이트의 위치 및 크기를 포함하고,
상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 대한 데이터 전처리를 통해 입력 벡터가 생성되고,
상기 입력 벡터는 복수의 직사각형 양각 평면의 개수, 상기 복수의 직사각형 양각 평면 각각에 대한 중심 좌표 값, 상기 복수의 직사각형 양각 평면 각각에 대한 높이 값, 베이스 플레이트의 재질에 대한 값, 베이스 플레이트의 크기에 대한 값 및 베이스 플레이트의 두께에 대한 값을 포함하고,
상기 입력 벡터가 상기 가압 설정 모델에 입력되는 것에 기반하여 상기 이동식 파지부에 대한 제1 이동 경로 및 상기 가압부에 대한 제1 가압 설정이 출력되고,
상기 이동식 파지부에 대한 제1 이동 경로는 제1 시간 구간별 위치 좌표를 포함하고,
상기 가압부에 대한 제1 가압 설정은 제1 시간 구간별 가압 툴 타입, 제1 시간 구간별 가압력 및 제1 시간 구간별 가압 시간을 포함하는,
제조 장치.
According to clause 2,
Information related to the front of the fire door includes the material of the base plate, the position and size of the heat dissipation plate on the base plate,
An input vector is generated through data preprocessing on information related to the front of the fire door and the size and thickness of the base plate,
The input vector includes the number of a plurality of rectangular relief planes, a center coordinate value for each of the plurality of rectangular relief planes, a height value for each of the plurality of rectangular relief planes, a value for the material of the base plate, and the size of the base plate. Contains a value for and a value for the thickness of the base plate,
A first movement path for the movable gripper and a first pressure setting for the pressing unit are output based on the input vector being input to the pressure setting model,
The first movement path for the movable gripper includes position coordinates for each first time section,
The first pressing setting for the pressing unit includes a pressing tool type for each first time section, a pressing force for each first time section, and a pressing time for each first time section,
manufacturing device.
상기 인식부에 의해 획득된 상기 방열 플레이트에 대한 정보 및 상기 제1 가압 설정에 기반하여, 상기 이동식 파지부에 대한 제2 이동 경로 및 상기 가압부에 대한 제2 가압 설정이 결정되고,
상기 이동식 파지부에 대한 제2 이동 경로는 제2 시간 구간별 위치 좌표를 포함하고,
상기 가압부에 대한 제2 가압 설정은 제2 시간 구간별 가압 툴 타입, 제2 시간 구간별 가압력 및 제2 시간 구간별 가압 시간을 포함하고,
상기 방열 플레이트가 배치된 베이스 플레이트가 상기 이동식 파지부에 대한 제2 이동 경로에 기반하여 이동되고,
상기 제2 가압 설정에 따라 상기 가압부가 상기 방열 플레이트 상면에서 수직 방향으로 하향 이동함으로써 상기 방열 플레이트에 수직의 가압력을 전달하는,
제조 장치.
According to clause 1,
Based on the information about the heat dissipation plate obtained by the recognition unit and the first pressure setting, a second movement path for the movable gripper and a second pressure setting for the pressing unit are determined,
The second movement path for the movable gripper includes position coordinates for each second time section,
The second pressing setting for the pressing unit includes a pressing tool type for each second time section, a pressing force for each second time section, and a pressing time for each second time section,
The base plate on which the heat dissipation plate is disposed is moved based on a second movement path with respect to the movable gripper,
According to the second pressure setting, the pressing part moves vertically downward from the upper surface of the heat dissipation plate, thereby transmitting a vertical pressing force to the heat dissipation plate.
manufacturing device.
상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 상기 방열 플레이트를 배치시키는 플레이트 배치 모듈을 더 포함하고,
상기 방열 플레이트의 하면은 접착제가 도포되고.
상기 직사각형 양각 평면과 상기 방열 플레이트의 하면이 접촉되는,
제조 장치.
According to clause 4,
Further comprising a plate placement module for placing the heat dissipation plate on a rectangular embossed plane formed on the base plate,
Adhesive is applied to the lower surface of the heat dissipation plate.
The rectangular embossed plane is in contact with the lower surface of the heat dissipation plate,
manufacturing device.
상기 제조 장치의 이동식 파지부에 베이스 플레이트가 파지되는 것에 기반하여, 상기 제조 장치에 구비된 인식부를 통해 베이스 플레이트에 대한 정보를 획득하는 단계;
상기 베이스 플레이트에 대한 정보에 기반하여 제1 뉴럴 네트워크를 이용한 탐색 모델을 통해 상기 베이스 플레이트의 상태를 결정하는 단계;
상기 베이스 플레이트가 정상 상태인 것에 기반하여 상기 방화문의 전면과 관련된 정보를 획득하는 단계;
상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 기반하여 제2 뉴럴 네트워크를 이용한 가압 설정 모델을 통해 상기 이동식 파지부에 대한 제1 이동 경로 및 가압부에 대한 제1 가압 설정을 결정하는 단계;
상기 이동식 파지부에 대한 제1 이동 경로에 따라 상기 제조 장치의 상기 이동식 파지부에 파지된 상기 베이스 플레이트를 상기 제조 장치의 지지부의 상면과 평행하게 X축 또는 Y축 방향으로 이동시키는 단계; 및
상기 가압부에 대한 제1 가압 설정을 기반으로 상기 가압부를 상기 이동식 파지부에 파지된 상기 베이스 플레이트의 상면에서 수직 방향으로 하향 이동시켜 상기 베이스 플레이트에 수직의 가압력을 전달하는 단계를 포함하고,
상기 이동식 파지부에 파지된 상기 베이스 플레이트의 이동 및 상기 가압부의 상기 베이스 플레이트에 대한 가압에 기반하여 상기 베이스 플레이트에 복수의 직사각형 양각 평면이 형성되고,
상기 방화문의 전면은 상기 베이스 플레이트에 형성된 상기 복수의 직사각형 양각 평면을 포함하고,
상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 방열 플레이트가 배치되는,
방법.
In a method for a manufacturing device to form the front of a fire door using a neural network,
Obtaining information about the base plate through a recognition unit provided in the manufacturing device based on the base plate being held by the movable gripper of the manufacturing device;
determining the state of the base plate through a search model using a first neural network based on information about the base plate;
obtaining information related to the front side of the fire door based on the base plate being in a normal state;
Determining a first movement path for the movable gripper and a first pressure setting for the pressing unit through a pressure setting model using a second neural network based on information related to the front of the fire door and the size and thickness of the base plate. steps;
moving the base plate held by the movable gripper of the manufacturing device in the X-axis or Y-axis direction parallel to the upper surface of the support portion of the manufacturing device according to a first movement path for the movable gripper; and
Based on the first pressure setting for the pressing unit, moving the pressing unit vertically downward from the upper surface of the base plate held by the movable gripping unit to transmit a vertical pressing force to the base plate,
A plurality of rectangular embossed planes are formed on the base plate based on movement of the base plate held by the movable gripper and pressure on the base plate by the pressing unit,
The front surface of the fire door includes the plurality of rectangular relief planes formed on the base plate,
A heat dissipation plate is disposed on a rectangular embossed plane formed on the base plate,
method.
상기 탐색 모델은 R-CNN(faster regions with convolutional neural network) 모델이 사용되고,
상기 베이스 플레이트의 이미지에 대한 데이터 전처리를 통해 제1 이미지 벡터가 생성되고,
상기 제1 이미지 벡터가 상기 탐색 모델에 입력되는 것에 기반하여 복수의 관심 영역 각각에 대한 유사도가 결정되고,
상기 복수의 관심 영역은 상기 베이스 플레이트의 균열과 관련된 관심 영역 및 상기 베이스 플레이트의 이물질과 관련된 관심 영역을 포함하고,
상기 복수의 관심 영역 각각에 대한 유사도가 사전 설정된 유사도 미만인 것에 기반하여 상기 베이스 플레이트가 정상 상태로 결정되는,
방법.
According to clause 6,
The search model uses a faster regions with convolutional neural network (R-CNN) model,
A first image vector is generated through data preprocessing of the image of the base plate,
Similarity for each of a plurality of regions of interest is determined based on the first image vector being input to the search model,
The plurality of regions of interest include a region of interest associated with a crack in the base plate and a region of interest associated with a foreign substance in the base plate,
The base plate is determined to be in a normal state based on the similarity for each of the plurality of regions of interest being less than a preset similarity,
method.
상기 방화문의 전면과 관련된 정보는 상기 베이스 플레이트의 재질, 상기 베이스 플레이트에서 상기 방열 플레이트의 위치 및 크기를 포함하고,
상기 방화문의 전면과 관련된 정보 및 상기 베이스 플레이트의 크기와 두께에 대한 데이터 전처리를 통해 입력 벡터가 생성되고,
상기 입력 벡터는 복수의 직사각형 양각 평면의 개수, 상기 복수의 직사각형 양각 평면 각각에 대한 중심 좌표 값, 상기 복수의 직사각형 양각 평면 각각에 대한 깊이 값, 베이스 플레이트의 재질에 대한 값, 베이스 플레이트의 크기에 대한 값 및 베이스 플레이트의 두께에 대한 값을 포함하고,
상기 입력 벡터가 상기 가압 설정 모델에 입력되는 것에 기반하여 상기 이동식 파지부에 대한 제1 이동 경로 및 상기 가압부에 대한 제1 가압 설정이 출력되고,
상기 이동식 파지부에 대한 제1 이동 경로는 제1 시간 구간별 위치 좌표를 포함하고,
상기 가압부에 대한 제1 가압 설정은 제1 시간 구간별 가압 툴 타입에 대한 값, 제1 시간 구간별 가압력 및 제1 시간 구간별 가압 시간을 포함하는,
방법.
According to clause 7,
Information related to the front of the fire door includes the material of the base plate, the position and size of the heat dissipation plate on the base plate,
An input vector is generated through data preprocessing on information related to the front of the fire door and the size and thickness of the base plate,
The input vector includes the number of a plurality of rectangular relief planes, a center coordinate value for each of the plurality of rectangular relief planes, a depth value for each of the plurality of rectangular relief planes, a value for the material of the base plate, and the size of the base plate. Contains a value for and a value for the thickness of the base plate,
A first movement path for the movable gripper and a first pressure setting for the pressing unit are output based on the input vector being input to the pressure setting model,
The first movement path for the movable gripper includes position coordinates for each first time section,
The first pressing setting for the pressing unit includes a value for the pressing tool type for each first time section, a pressing force for each first time section, and a pressing time for each first time section,
method.
상기 제조 장치의 인식부에 의해 획득된 상기 방열 플레이트에 대한 정보에 기반하여, 상기 이동식 파지부에 대한 제2 이동 경로 및 상기 가압부에 대한 제2 가압 설정이 결정되고,
상기 이동식 파지부에 대한 제2 이동 경로는 제2 시간 구간별 위치 좌표를 포함하고,
상기 가압부에 대한 제2 가압 설정은 제2 시간 구간별 가압 툴 타입에 대한 값, 제2 시간 구간별 가압력 및 제2 시간 구간별 가압 시간을 포함하고,
상기 방열 플레이트가 배치된 베이스 플레이트가 상기 이동식 파지부에 대한 제2 이동 경로에 기반하여 이동되고,
상기 제2 가압 설정에 따라 상기 가압부가 상기 방열 플레이트 상면에서 수직 방향으로 하향 이동함으로써 상기 방열 플레이트에 수직의 가압력을 전달하는,
방법.
According to clause 6,
Based on the information about the heat dissipation plate acquired by the recognition unit of the manufacturing device, a second movement path for the movable gripper and a second pressure setting for the pressing unit are determined,
The second movement path for the movable gripper includes position coordinates for each second time section,
The second pressing setting for the pressing unit includes a value for the pressing tool type for each second time section, a pressing force for each second time section, and a pressing time for each second time section,
The base plate on which the heat dissipation plate is disposed is moved based on a second movement path with respect to the movable gripper,
According to the second pressure setting, the pressing part moves vertically downward from the upper surface of the heat dissipation plate, thereby transmitting a vertical pressing force to the heat dissipation plate.
method.
상기 제조 장치의 플레이트 배치 모듈에 의해 상기 베이스 플레이트에 형성된 직사각형 양각 평면 상에 상기 방열 플레이트가 배치되고,
상기 방열 플레이트의 하면은 접착제가 도포되고.
상기 직사각형 양각 평면과 상기 방열 플레이트의 하면이 접촉되는,
방법.
According to clause 9,
The heat dissipation plate is placed on a rectangular embossed plane formed on the base plate by the plate placement module of the manufacturing device,
Adhesive is applied to the lower surface of the heat dissipation plate.
The rectangular embossed plane is in contact with the lower surface of the heat dissipation plate,
method.
A computer program combined with hardware and stored in a computer-readable recording medium to execute the method of claim 6.
A computer-readable recording medium storing a computer program combined with hardware to execute the method of claim 6.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020240085726A KR20240110919A (en) | 2023-08-22 | 2024-06-28 | Method and apparatus for manufacturing a front side of a fire door using neural networks |
| KR1020240085725A KR102692436B1 (en) | 2023-08-22 | 2024-06-28 | Method and device for manufacturing the front surface of a fire door with multiple pressurizing tools |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20230109442 | 2023-08-22 | ||
| KR1020230109442 | 2023-08-22 | ||
| KR1020230110466 | 2023-08-23 | ||
| KR20230110466 | 2023-08-23 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240085726A Division KR20240110919A (en) | 2023-08-22 | 2024-06-28 | Method and apparatus for manufacturing a front side of a fire door using neural networks |
| KR1020240085725A Division KR102692436B1 (en) | 2023-08-22 | 2024-06-28 | Method and device for manufacturing the front surface of a fire door with multiple pressurizing tools |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102684093B1 true KR102684093B1 (en) | 2024-07-11 |
Family
ID=91924854
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230111150A KR102684093B1 (en) | 2023-08-22 | 2023-08-24 | Method and apparatus for manufacturing a front side of a fire door using neural networks |
| KR1020240085725A KR102692436B1 (en) | 2023-08-22 | 2024-06-28 | Method and device for manufacturing the front surface of a fire door with multiple pressurizing tools |
| KR1020240085726A KR20240110919A (en) | 2023-08-22 | 2024-06-28 | Method and apparatus for manufacturing a front side of a fire door using neural networks |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240085725A KR102692436B1 (en) | 2023-08-22 | 2024-06-28 | Method and device for manufacturing the front surface of a fire door with multiple pressurizing tools |
| KR1020240085726A KR20240110919A (en) | 2023-08-22 | 2024-06-28 | Method and apparatus for manufacturing a front side of a fire door using neural networks |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR102684093B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990016551A (en) * | 1997-08-14 | 1999-03-05 | 조현식 | Manufacturing method of fire door |
| KR102147609B1 (en) * | 2019-12-12 | 2020-08-24 | 박성룡 | Method and apparatus for controlling steel manufacturing process for press die |
| KR102171019B1 (en) * | 2020-07-21 | 2020-10-30 | 전연호 | Manufacturing method of pouch for packaging food |
| KR20230096923A (en) * | 2023-01-03 | 2023-06-30 | 주식회사 해남한국판넬 | Bending apparatus for panel of assemblty building with improved bending machining performance |
| KR102550553B1 (en) * | 2023-01-13 | 2023-07-03 | 신영방화문 주식회사 | Steel plate forming device for manufacturing fire doors |
-
2023
- 2023-08-24 KR KR1020230111150A patent/KR102684093B1/en active IP Right Grant
-
2024
- 2024-06-28 KR KR1020240085725A patent/KR102692436B1/en active IP Right Grant
- 2024-06-28 KR KR1020240085726A patent/KR20240110919A/en active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990016551A (en) * | 1997-08-14 | 1999-03-05 | 조현식 | Manufacturing method of fire door |
| KR102147609B1 (en) * | 2019-12-12 | 2020-08-24 | 박성룡 | Method and apparatus for controlling steel manufacturing process for press die |
| KR102171019B1 (en) * | 2020-07-21 | 2020-10-30 | 전연호 | Manufacturing method of pouch for packaging food |
| KR20230096923A (en) * | 2023-01-03 | 2023-06-30 | 주식회사 해남한국판넬 | Bending apparatus for panel of assemblty building with improved bending machining performance |
| KR102550553B1 (en) * | 2023-01-13 | 2023-07-03 | 신영방화문 주식회사 | Steel plate forming device for manufacturing fire doors |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240110918A (en) | 2024-07-16 |
| KR20240110919A (en) | 2024-07-16 |
| KR102692436B1 (en) | 2024-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106780608B (en) | Pose information estimation method and device and movable equipment | |
| US11062207B2 (en) | Control systems using deep reinforcement learning | |
| US10981272B1 (en) | Robot grasp learning | |
| EP3549102B1 (en) | Determining structure and motion in images using neural networks | |
| US11741736B2 (en) | Determining associations between objects and persons using machine learning models | |
| CN110998594B (en) | Method and system for detecting motion | |
| CN113168541B (en) | Deep learning reasoning system and method for imaging system | |
| US20200311855A1 (en) | Object-to-robot pose estimation from a single rgb image | |
| US11449079B2 (en) | Generalizable robot approach control techniques | |
| KR20180057096A (en) | Device and method to perform recognizing and training face expression | |
| CN113255420A (en) | 3D body pose estimation using unlabeled multi-view data trained models | |
| US11315264B2 (en) | Laser sensor-based map generation | |
| JP2020003489A (en) | Ego motion estimation device and method using motion recognition model, and motion recognition model training device and method | |
| CN110321870B (en) | Palm vein identification method based on LSTM | |
| US11893087B2 (en) | Defending multimodal fusion models against single-source adversaries | |
| JP2023501039A (en) | Probabilistic Trajectory Prediction Using Social Graph Networks | |
| WO2019128496A1 (en) | Device motion control | |
| KR102246418B1 (en) | Lane keeping method and apparatus thereof | |
| KR102684093B1 (en) | Method and apparatus for manufacturing a front side of a fire door using neural networks | |
| WO2023277812A2 (en) | Body temperature measurement method and body temperature measurement system | |
| CN110866548A (en) | Infrared intelligent matching identification and distance measurement positioning method and system for insulator of power transmission line | |
| KR102441272B1 (en) | Method for measuring crack based on artificial intelligence and apparatus thereof | |
| KR102361029B1 (en) | Method, device and non-transitory computer-readable recording medium for suggesting contents about golf | |
| KR102542878B1 (en) | Method, Server and System for Recognizing Motion in Video | |
| Li et al. | Night-time indoor relocalization using depth image with convolutional neural networks |
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 |