KR20220097743A - System of detecting defective gas-lighters using computer vision library - Google Patents
System of detecting defective gas-lighters using computer vision library Download PDFInfo
- Publication number
- KR20220097743A KR20220097743A KR1020200188905A KR20200188905A KR20220097743A KR 20220097743 A KR20220097743 A KR 20220097743A KR 1020200188905 A KR1020200188905 A KR 1020200188905A KR 20200188905 A KR20200188905 A KR 20200188905A KR 20220097743 A KR20220097743 A KR 20220097743A
- Authority
- KR
- South Korea
- Prior art keywords
- gas
- gas lighter
- lighter
- defective
- computer vision
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
- G01F25/20—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of apparatus for measuring liquid level
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00594—Quality control, including calibration or testing of components of the analyser
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Fluid Mechanics (AREA)
- Textile Engineering (AREA)
- Filling Or Discharging Of Gas Storage Vessels (AREA)
Abstract
Description
본 발명은 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템에 관한 것으로, 더욱 상세하게는 일회용 가스 라이터의 검사 공정에서, 트레이에 탑재되어 이송되는 가스 라이터를 촬영하여 이미지를 획득하고, 획득한 가스 라이터 이미지로부터 가스 라이터의 연료 탱크 내에서 요동하는 액화가스의 수면 높이를 보다 정확하게 검출하도록 구성되어, 액화가스의 부피를 보다 정확하게 산출하여 액화가스의 부피 불량 여부를 판단함으로써, 불량품 검출에 필요한 인력을 줄여 인건비를 절감하는 동시에, 불량품 검출 속도를 향상시켜 불량품 검출 효율을 증대하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템에 관한 것이다.The present invention relates to a gas lighter defective product detection system using computer vision, and more particularly, in the inspection process of a disposable gas lighter, an image is obtained by photographing a gas lighter mounted on a tray and transported, and the obtained gas lighter image It is configured to more accurately detect the water level of the liquefied gas fluctuating in the fuel tank of the gas lighter from the The present invention relates to a gas lighter defective product detection system using computer vision that reduces the cost of defective products and improves the defective product detection speed, thereby increasing the defective product detection efficiency.
일회용 가스라이터는 발화시 편리함으로 인해 흡연자 뿐만 아니라 비흡연자에게도 다양한 용도로 애용되고 있다.Disposable gas lighters are used for various purposes not only by smokers but also by non-smokers because of their convenience when igniting.
한편, 이러한 일회용 가스라이터의 제조사는 수익성 강화를 위해, 제조공정의 자동화를 통해 인건비를 절감하고, 제조 효율을 향상하고 있다.On the other hand, manufacturers of such disposable gas lighters are reducing labor costs and improving manufacturing efficiency through automation of the manufacturing process in order to enhance profitability.
이러한 제조 공정 외에도, 완성품의 출하 전 수행되는 검사 공정에서도 공정 자동화를 통해 효율을 향상하려는 시도가 존재해왔다.In addition to these manufacturing processes, there have been attempts to improve efficiency through process automation in the inspection process performed before shipment of finished products.
라이터 검사공정은 주로 현장에 상주하는 작업자의 육안을 통해 불량품을 검출하거나 한국등록특허 제10-0711587호에서와 같이, 가스라이터의 노즐을 조절하여 연료 탱크로부터 분출되는 가스 분출량 및 화염의 높이를 측정하는 방법 등이 활용되어 왔다.The lighter inspection process mainly detects defective products through the naked eye of a worker residing in the field, or adjusts the nozzle of the gas lighter as in Korean Patent No. 10-0711587 to measure the amount of gas ejected from the fuel tank and the height of the flame. Measurement methods have been used.
그러나 상기의 종래 기술은, 복수개의 라이터가 하나의 트레이에 탑재되어 이동되는 검사 공정에서 모든 라이터를 검사할 수 없어 검사 인력이 대규모로 필요할 뿐만 아니라, 검사의 정확도가 떨어지는 문제점이 존재한다.However, in the prior art, since all lighters cannot be inspected in the inspection process in which a plurality of lighters are mounted on one tray and moved, a large-scale inspection manpower is required, and there is a problem in that inspection accuracy is deteriorated.
현재 국내에서는, 국가기술표준원의 기술표준원고시 제2010-530호 「안전인증대상공산품의 안전기준」에 의거하여, 라이터 내부 액화가스의 유량이 연료탱크 용적의 85%를 초과할 수 없도록 규정하고 있으며, 이를 초과하는 경우, 폭발을 비롯한 안전 사고의 발생 위험이 매우 크므로, 해당 용적을 초과하는 라이터의 경우 불량품으로 선별하여 이를 출하 전 분리하는 작업이 매우 중요하다.Currently, in Korea, according to the Technical Standards Notice No. 2010-530 of the National Institute of Technology and Standards, 「Safety standards for industrial products subject to safety certification」, it is stipulated that the flow rate of liquefied gas inside the lighter should not exceed 85% of the fuel tank volume. , if it exceeds this, there is a very high risk of safety accidents including explosions, so it is very important to select a lighter that exceeds the relevant volume as a defective product and separate it before shipment.
본 발명은 상기한 문제를 해결하기 위해 고안된 것으로서, 일회용 가스 라이터의 검사 공정에서, 트레이에 탑재되어 이송되는 가스 라이터를 촬영하여 이미지를 획득하고, 획득한 가스 라이터 이미지로부터 가스 라이터의 연료 탱크 내에서 요동하는 액화가스의 수면 높이를 보다 정확하게 검출하도록 구성되어, 액화가스의 부피를 보다 정확하게 산출하여 액화가스의 부피 불량 여부를 판단함으로써, 불량품 검출에 필요한 인력을 줄여 인건비를 절감하는 동시에, 불량품 검출 속도를 향상시켜 불량품 검출 효율을 증대하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템을 제공하는 데 그 목적이 있다.The present invention is devised to solve the above problem. In the inspection process of a disposable gas lighter, an image is obtained by photographing a gas lighter mounted on a tray and transferred, and from the obtained gas lighter image, in the fuel tank of the gas lighter It is configured to more accurately detect the water level of the fluctuating liquefied gas, and calculates the volume of the liquefied gas more accurately to determine whether the volume of the liquefied gas is defective, thereby reducing the manpower required for detecting defective products to reduce labor costs and speed of detecting defective products An object of the present invention is to provide a gas lighter defective product detection system using computer vision that improves the defective product detection efficiency.
상기의 목적을 달성하기 위해 본 발명에서는, 가스 라이터의 불량을 검출하는 시스템에 있어서, 트레이에 탑재되어 이동되는 복수개의 가스라이터를 촬영하는 카메라 모듈; 상기 카메라 모듈을 통해 촬영된 가스 라이터 이미지에서, 가스 라이터의 연료탱크 내에 충진된 액화가스의 수면 높이를 독출하고, 독출된 수면 높이를 이용하여 연료탱크 내에 충진된 액화가스의 부피를 산출하여, 산출된 부피에 근거하여 가스라이터의 불량 여부를 판단하는 컴퓨팅 모듈; 및 상기 컴퓨팅 모듈의 기계 학습을 위한 다수의 데이터 세트가 저장되는 데이터베이스; 를 포함하여 구성되되, 상기 컴퓨팅 모듈은, YOLO 알고리즘 및 소벨 윤곽선 검출(Sobel Edge Detector) 알고리즘에 따라 상기 데이터베이스에 저장된 데이터 세트에 대한 반복적인 기계학습을 통해, 상기 가스라이터 이미지에서 액화가스의 수면 높이를 독출하는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템을 제공한다.In order to achieve the above object, in the present invention, there is provided a system for detecting a failure of a gas lighter, comprising: a camera module for photographing a plurality of gas lighters mounted on a tray and moved; From the gas lighter image taken through the camera module, the water level of the liquefied gas filled in the fuel tank of the gas lighter is read, and the volume of the liquefied gas filled in the fuel tank is calculated using the read water level. a computing module for determining whether the gas lighter is defective based on the volume; and a database in which a plurality of data sets for machine learning of the computing module are stored. Is configured to include, the computing module, through iterative machine learning for the data set stored in the database according to the YOLO algorithm and the Sobel Edge Detector algorithm, the water surface height of the liquefied gas in the gas lighter image It provides a gas lighter defective product detection system using computer vision, characterized in that it reads out.
본 발명에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템은, 컴퓨터 비전을 활용하여 불량 가스라이터를 판별하고 이를 작업자에게 알리도록 구성됨으로써 불량품 검출에 필요한 인력을 줄여 인건비를 절감하는 동시에, 불량품 검출 속도를 향상하는 효과가 있다.The gas lighter defective product detection system using computer vision according to the present invention is configured to identify a defective gas lighter using computer vision and notify the operator, thereby reducing the manpower required to detect the defective product, thereby reducing the labor cost, and at the same time, the defective product detection speed has the effect of improving
도 1은 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템의 구성을 개략적으로 보여주는 블록도.
도 2는 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템에서 수행되는 액화가스 부피 불량 판단 프로세스를 보여주는 도면.
도 3은 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템이 적용되는 가스 라이터의 연료 탱크 구조를 보여주는 도면.
도 4는 도 3에 도시된 연료 탱크에 액화가스가 충진된 상태를 모식화하여 보여주는 도면.1 is a block diagram schematically showing the configuration of a gas lighter defective product detection system using computer vision according to an embodiment of the present invention.
2 is a view showing a liquefied gas volume defect determination process performed in a gas lighter defective product detection system using computer vision according to an embodiment of the present invention.
3 is a view showing a structure of a fuel tank of a gas lighter to which a gas lighter defective product detection system using computer vision according to an embodiment of the present invention is applied.
4 is a view schematically showing a state in which liquefied gas is filled in the fuel tank shown in FIG. 3;
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다.Since the present invention can have various changes and can have various forms, specific embodiments are illustrated in the drawings and described in detail in the text.
그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.However, this is not intended to limit the present invention to the specific disclosed form, it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. Terms such as first, second, etc. may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
본 출원에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification is present, and includes one or more other features or It should be understood that the existence or addition of numbers, steps, operations, components, parts, or combinations thereof does not preclude in advance the possibility of addition.
이하, 도면을 참고하여 본 발명의 실시예에 대하여 상세히 설명하지만, 본 발명은 그 요지를 이탈하지 않는 한 이하의 실시예에 한정되지 않는다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings, but the present invention is not limited to the following embodiments unless departing from the gist thereof.
도 1은 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템의 구성을 개략적으로 보여주는 블록도이다.1 is a block diagram schematically showing the configuration of a gas lighter defective product detection system using computer vision according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템(100)은, 유선 또는 무선 통신망을 통해 작업자와 통신하는 통신 모듈(110)과, 트레이에 탑재되어 이동되는 복수개의 가스라이터를 각각 촬영하는 카메라 모듈(120), 상기 카메라 모듈(120)을 통해 촬영된 가스라이터 이미지에서 액화가스의 수면 높이를 독출하고 이를 기반으로 연료탱크에 충진된 액화가스의 부피를 연산하여 액화가스 부피 불량 여부를 판단하는 컴퓨팅 모듈(130) 및 상기 컴퓨팅 모듈에서 수행되는 기계 학습을 위한 다수의 데이터 세트가 저장되는 데이터베이스(140)를 포함하여 구성된다.As shown in FIG. 1 , the gas lighter defective
통신 모듈(110)은, 유선 또는 무선 통신망을 통해 작업자와 통신하기 위한 요소로서, 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템(100)을 통해 불량품이 검출되면, 유선 또는 무선 통신망을 통해 작업자에게 불량 발생 메세지를 전송한다.The
이때, 작업자에게 불량품 검출 여부를 알리기 위해서는, 불량품의 개수, 현재 위치 및 불량 원인 등과 같은 불량품 정보를 함께 경보하여 알릴 수 있다.In this case, in order to notify the operator of whether a defective product has been detected, defective product information such as the number of defective products, a current location, and a cause of the defective product may be alerted and notified.
카메라 모듈(120)은, 컨베이어를 따라 트레이에 탑재되어 이동되는 복수개의 가스라이터를 촬영하는데, 이렇게 촬영된 가스라이터의 이미지는 컴퓨팅 모듈(130)로 전달되어 불량 여부를 확인하게 된다.The
컴퓨팅 모듈(130)은, 사전 탑재된 기계 학습 알고리즘을 통해, 상기 카메라 모듈을 통해 촬영된 가스라이터 이미지에서, 가스라이터의 연료탱크 내에 충진된 액화가스의 수면 높이를 독출하고 이를 기반으로 연료탱크에 충진된 액화가스의 부피를 연산하여 가스라이터의 불량 여부를 판단하도록 구성된다.The
데이터베이스(140)는 상술한 컴퓨팅 모듈(130)에서 수행되는 기계 학습을 위한 다수의 데이터 세트와 영상들을 보관 및 관리하기 위한 요소로서, 기계 학습을 위한 데이터 세트에는, 액화가스의 수면 높이 검출을 위해 다수개의 영상에 대한 윤곽선 검출 데이터들이 포함되어 있으며, 이와 함께, 본원 발명인 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템이 적용되는 가스 라이터 촬영 영상 및 상기 컴퓨팅 모듈(130)을 통해 불량으로 판별된 가스 라이터의 영상이 누적되어 저장된다.The
이때, 상기 컴퓨팅 모듈(130)에서, 가스라이터의 연료탱크 내 존재하는 액화가스의 수면 높이를 독출하기 위해 사전 탑재되는 기계 학습 알고리즘은 이하에서 설명하기로 한다.In this case, a machine learning algorithm preloaded in the
컴퓨팅 모듈(130)에는 다양한 알고리즘이 존재하는 오픈 CV(Computer-Vision) 라이브러리가 탑재될 수 있으며, 본 실시예에서는 YOLO 알고리즘과 소벨 윤곽선 검출(Sobel Edge Detector) 알고리즘을 탑재하여 구성하였다.The
이때, YOLO 알고리즘과 소벨 윤곽선 검출 알고리즘은 이미지로부터 객체를 인식하는 객체 인식 알고리즘에 관한 기술로, 상기 기술은 이미 동 기술분야에 널리 알려져 있으므로, 이에 대한 자세한 설명은 생략하기로 한다.In this case, the YOLO algorithm and the Sobel contour detection algorithm are techniques for an object recognition algorithm for recognizing an object from an image, and since the techniques are already widely known in the art, a detailed description thereof will be omitted.
가스라이터의 액화가스 수면 높이를 독출하기 위해서는, YOLO 알고리즘과 소벨 윤곽선 검출 알고리즘이 활용되는데, 상기 카메라 모듈(120)에서 촬영된 가스라이터 영상에서, 소벨 윤곽선 검출 알고리즘을 통해 가스라이터의 윤곽선을 검출하고, YOLO 알고리즘을 통해 가스라이터의 연료탱크에 존재하는 액화가스의 수면이 인식되는 경계 박스를 설정하도록 구성된다.In order to read the liquefied gas level of the gas lighter, the YOLO algorithm and the Sobel contour detection algorithm are used. In the gas lighter image captured by the
이때, 액화가스의 수면은, 가스라이터의 연료탱크 내에 구비된 내벽을 통해 분리된 두 영역에 존재하는 액화가스의 수면을 지칭하며, 노즐이 있는 부분을 가스라이터의 전방, 그 반대편을 후방이라 할 때, 전방에 존재하는 액화가스의 수면 높이를 HF, 후방에 존재하는 액화가스의 수면 높이를 HB라 한다.At this time, the water level of the liquefied gas refers to the water level of the liquefied gas existing in two regions separated through the inner wall provided in the fuel tank of the gas lighter, and the portion with the nozzle is referred to as the front of the gas lighter and the opposite side is referred to as the rear. At this time, the water level of the liquefied gas existing in the front is referred to as H F , and the level of the water level of the liquefied gas present in the rear is referred to as H B .
상술한 경계 박스는 이러한 HF 및 HB를 모두 인식하도록 구성되는데, 컴퓨팅 모듈(130)은 경계 박스에 인식되는 액화가스의 수면 높이(HF, HB)를 통해, 가스라이터의 연료탱크 내 존재하는 액화가스의 부피를 산출하고, 액화가스의 부피가 사전 설정된 범위에 해당하지 않는 경우를 액화가스 부피 불량으로 판단한다.The above-described bounding box is configured to recognize both HF and H B , and the
한편, 가스라이터가 트레이에 탑재되어 이동하는 과정에서는, 이송과정에서 발생하는 움직임으로 인해, 가스라이터의 연료탱크에 충진된 액화가스의 수면이 요동하게 되는데, 이렇게 요동하는 액화가스의 수면을 정확하게 측정하여 액화가스의 부피 불량 여부를 정확히 판단해야, 추후 발생할 수 있는 폭발 등과 같은 안전사고를 사전에 방지할 수 있다.On the other hand, in the process of the gas lighter being mounted on the tray and moving, the water level of the liquefied gas filled in the fuel tank of the gas lighter fluctuates due to the movement occurring during the transfer process. Therefore, it is necessary to accurately determine whether the volume of the liquefied gas is defective, so that a safety accident such as an explosion that may occur in the future can be prevented in advance.
이에 따라, 요동하는 액화가스의 수면을 보다 정확하게 인식할 수 있는 경계 박스를 설정하기 위해, 컴퓨팅 모듈(130)은 데이터베이스(140)에 저장된 데이터 세트를 활용하여, 보다 높은 신뢰도를 갖는 위치에 경계 박스를 설정하고 액화가스의 수면을 인식하도록 하는 기계 학습을 수행한다.Accordingly, in order to set a bounding box that can more accurately recognize the surface of the fluctuating liquefied gas, the
이와 같이, 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템은 사전에 탑재되는 객체 인식 알고리즘을 활용한 기계학습을 통해 가스라이터의 연료탱크 내 요동하는 액화가스의 수면 높이를 보다 정확하게 독출하여 이를 기반으로 연료탱크 내에 존재하는 액화가스의 부피를 정확하게 산출하고, 액화가스 부피 불량 여부를 판단하여 이를 작업자에게 알림으로써, 불량품 검출에 필요한 인력을 줄여 인건비를 절감하는 동시에, 불량품 검출 속도를 향상하는 효과가 있다.In this way, the gas lighter defective product detection system using computer vision more accurately reads the water level of the fluctuating liquefied gas in the fuel tank of the gas lighter through machine learning using the pre-loaded object recognition algorithm, and based on this, By accurately calculating the volume of liquefied gas present in the tank, determining whether the volume of liquefied gas is defective, and notifying the worker, there is an effect of reducing labor costs by reducing the manpower required to detect defective products, and at the same time improving the speed of detecting defective products.
도 2는 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템에서 수행되는 액화가스 부피 불량 판단 프로세스를 보여주는 도면이다.2 is a view showing a liquefied gas volume defect determination process performed in the gas lighter defective product detection system using computer vision according to an embodiment of the present invention.
도 2에서 나타나듯이, 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템의 카메라 모듈을 통해 가스라이터의 영상을 촬영(S200)하면, 컴퓨팅 모듈에서는 촬영된 가스라이터의 이미지를 통해 연료탱크 내 액화가스의 수면 높이를 독출(S210)하고, 독출된 액화가스의 수면 높이를 통해 연료탱크에 충진된 액화가스의 부피를 산출(S220)하여, 액화가스의 부피 불량 여부를 확인(S230)하고, 가스라이터가 불량품으로 판단되는 경우, 불량품의 위치 및 불량 요인 등을 포함하는 불량품 정보를 작업자에게 알릴 수 있다(S240).As shown in FIG. 2 , when an image of the gas lighter is captured through the camera module of the gas lighter defective product detection system using computer vision (S200), the computing module uses the captured image of the gas lighter on the surface of the liquefied gas in the fuel tank. The height is read (S210), the volume of the liquefied gas filled in the fuel tank is calculated (S220) through the water level of the read liquefied gas, and the volume of the liquefied gas is checked (S230), and the gas lighter is defective , it is possible to notify the worker of defective product information including the location of the defective product and defective factors (S240).
이때, 연료탱크 내 액화가스의 수면 높이를 독출(S210)하는 과정에서는, 이미 앞에서 설명한 바와 같이, 기계학습을 통해 설정된 경계 박스에서 인식되는 액화가스의 수면 높이(HF, HB)를 독출하도록 구성된다.At this time, in the process of reading the water level of the liquefied gas in the fuel tank (S210), as already described above, the water level (H F , H B ) of the liquefied gas recognized in the boundary box set through machine learning is read. is composed
또한, 독출된 액화가스의 수면 높이를 통해, 연료탱크에 충진된 액화가스의 부피를 산출(S220)하게 되며, 이와 관련하여서는 후술하는 도 3 내지 도 4를 통해 보다 상세히 설명하기로 한다.In addition, the volume of the liquefied gas filled in the fuel tank is calculated ( S220 ) through the read-out water level of the liquefied gas, and this will be described in more detail with reference to FIGS. 3 to 4 to be described later.
나아가, 본 발명에서는, 트레이에 탑재되어 이송되는 복수개의 가스라이터를 대상으로, 요동되는 액화가스의 수면 높이만을 검출하는 것에 더하여, 컴퓨팅 모듈에 템플릿 매칭(Template Matching) 알고리즘을 추가로 탑재하여, 가스 라이터에 정상 부착된 바코드 이미지인 템플릿 이미지를 기반으로, 카메라 모듈에서 촬영된 가스라이터 영상에서 인식되는 바코드 이미지와 비교함으로써, 두 이미지의 유사도가 사전 설정된 임계값 미만인 경우, 바코드 부착 불량으로 판단하는 불량 바코드 검출 과정도 병행하여 수행할 수 있다.Furthermore, in the present invention, in addition to detecting only the water level of the fluctuating liquefied gas for a plurality of gas lighters mounted on a tray and transported, a template matching algorithm is additionally mounted on the computing module, Based on the template image, which is the barcode image normally attached to the lighter, by comparing it with the barcode image recognized from the gas lighter image taken by the camera module, if the similarity between the two images is less than a preset threshold, the barcode is judged as defective. The barcode detection process may also be performed in parallel.
이와 같은 불량 바코드 검출과정은, 라이터의 출하 및 유통 과정에서 발생되는 바코드 인식 오류에 따른 거래 손실을 예방하는데 매우 효과적이다.Such a defective barcode detection process is very effective in preventing transaction loss due to barcode recognition errors that occur during the shipping and distribution of the writer.
도 3은 본 발명의 일실시예에 따른 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템이 적용되는 가스 라이터의 연료 탱크 구조를 보여주는 도면이고, 도 4는 도 3에 도시된 연료 탱크에 액화가스가 충진된 상태를 모식화하여 보여주는 도면이다.3 is a view showing a structure of a fuel tank of a gas lighter to which a gas lighter defective product detection system using computer vision according to an embodiment of the present invention is applied, and FIG. 4 is a view showing the liquefied gas filling the fuel tank shown in FIG. It is a diagram showing the modeled state.
도 3에서 확인할 수 있듯이, 가스 라이터의 연료 탱크는 투명 또는 반투명한 재질의 연료 탱크 외벽(310)과 연료 탱크 내부를 두 영역으로 나누는 내벽(320)으로 이루어지며, 탱크 내부 일측에는 액화가스의 상부 이동을 위한 노즐(330)이 구비되고, 탱크 상단은 분리막(340)으로 밀봉되어, 그 상부에 인서트(350)가 탑재되는 구조로 이루어진다.As can be seen in FIG. 3, the fuel tank of the gas lighter consists of an
이때, 도 1에서 설명한 바와 같이, 노즐(330)이 있는 부분을 가스라이터의 전방, 그 반대편을 후방이라 할 때, 전방에 존재하는 액화가스의 수면 높이를 HF, 후방에 존재하는 액화가스의 수면 높이를 HB라 한다.At this time, as described in FIG. 1 , when the part where the
이를 바탕으로, 도 3에 도시된 연료 탱크에 액화가스가 충진된 상태를 모식화하면 도 4와 같이 도시될 수 있다.Based on this, when the fuel tank shown in FIG. 3 is schematically filled with liquefied gas, it may be shown as in FIG. 4 .
도 4를 살펴보면, 연료탱크 저면부터 분리막까지 형성되는 연료 탱크 내부 영역의 전체 높이를 HT라 할 때, 가스라이터의 전방에 존재하는 액화가스의 수면 높이는 HF, 가스라이터의 후방에 존재하는 액화가스의 수면 높이는 HB 로 각각 정의된다.Referring to FIG. 4 , when the total height of the inner region of the fuel tank formed from the bottom of the fuel tank to the separation membrane is H T , the water level of the liquefied gas in the front of the gas lighter is H F , and the liquefied gas present in the rear of the gas lighter is H F . The water level of the gas is defined as H B , respectively.
이때, 가스라이터의 제조에 적용되는 가스라이터 설계 데이터를 확인하면, 가스라이터 연료탱크의 전체 용적 및 외벽 두께를 비롯한 내부 구조의 구체적인 치수를 파악할 수 있으므로, 본 발명의 실시예를 따라 액화가스의 수면 높이인 HF 및 HB 를 정확하게 독출한다면, 가스라이터의 연료탱크 내 존재하는 액화가스의 부피를 정확하게 산출해낼 수 있게 된다.At this time, if the gas lighter design data applied to the manufacture of the gas lighter is checked, the specific dimensions of the internal structure including the total volume and outer wall thickness of the gas lighter fuel tank can be grasped. If the heights HF and HB are accurately read, it is possible to accurately calculate the volume of liquefied gas present in the fuel tank of the gas lighter.
이와 같이, 액화가스의 수면 높이를 독출하고 가스라이터 설계 데이터를 통해 액화가스의 부피를 산출하면, 연료탱크 내에 충진된 액화가스의 부피인 
상술한 
또한, 액화가스의 부피가 지나치게 적게 충진되어 라이터가 출시되는 경우, 소비자 불만의 발생 소지가 높아지게 되므로, 본 발명에서는 액화가스 부피가 연료탱크 전체 용적의 적어도 60% 이상으로 충진될 수 있도록 
한편, 컴퓨팅 모듈(130)의 영상인식 과정에서는, 기계학습을 통해 설정된 경계 박스에서 액화가스의 수면 높이(HF, HB)가 제대로 인식되지 않는 경우도 발생할 수 있는데, 이때에는, 먼저, 전방 및 후방의 두 수면 중 어느 하나만이 제대로 인식되지 않는 경우에는, 인식되지 않은 수면의 높이도 인식된 수면의 높이와 동일한 것으로 간주하여 이후 단계를 진행하고, 만약, 전방과 후방에서 수면의 높이가 모두 인식되지 않는 경우에는, 액화가스가 제대로 충진되지 않은 것으로 판단하여 불량으로 판정한다.On the other hand, in the image recognition process of the
이와 같이 구성되는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템은, 데이터베이스에 저장된 데이터 세트를 기반으로 기계학습을 수행하여, 가스라이터의 이송과정에서 요동하는 액화가스의 수면을 정확하게 측정함으로써, 가스라이터의 연료 탱크에 충진되는 액화가스의 부피를 보다 정확하게 산출하여 액화가스 부피 불량 여부를 판단하고, 불량이 발생할 경우, 이를 작업자에게 알리도록 구성됨으로써, 불량품 검출에 필요한 인력을 줄여 인건비를 절감하는 동시에, 불량품 검출 속도를 향상할 수 있다.The gas lighter defective product detection system using computer vision configured in this way performs machine learning based on the data set stored in the database, and accurately measures the water level of the liquefied gas fluctuating during the transport of the gas lighter. It is configured to more accurately calculate the volume of liquefied gas filled in the fuel tank to determine whether the volume of liquefied gas is defective, and to notify the operator when a defect occurs. The detection speed can be improved.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러가지 치환, 변형 및 변경이 가능하다는 것은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백하다 할 것이다.The present invention described above is not limited by the above-described embodiments and the accompanying drawings, and it is common in the technical field to which the present invention pertains that various substitutions, modifications and changes are possible without departing from the technical spirit of the present invention. It will be clear to those who have the knowledge of
100: 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템
110: 통신 모듈
120: 카메라 모듈
130: 컴퓨팅 모듈
140: 데이터베이스
310: 연료탱크 외벽
320: 내벽
330: 노즐
340: 분리막
350: 인서트100: Gas lighter defective product detection system using computer vision
110: communication module 120: camera module
130: compute module 140: database
310: fuel tank outer wall 320: inner wall
330: nozzle 340: separator
350: insert
Claims (7)
트레이에 탑재되어 이동되는 복수개의 가스라이터를 촬영하는 카메라 모듈;
상기 카메라 모듈을 통해 촬영된 가스 라이터 이미지에서, 가스 라이터의 연료탱크 내에 충진된 액화가스의 수면 높이를 독출하고, 독출된 수면 높이를 이용하여 연료탱크 내에 충진된 액화가스의 부피를 산출하여, 산출된 부피에 근거하여 가스라이터의 불량 여부를 판단하는 컴퓨팅 모듈; 및
상기 컴퓨팅 모듈의 기계 학습을 위한 다수의 데이터 세트가 저장되는 데이터베이스;
를 포함하여 구성되되,
상기 컴퓨팅 모듈은,
YOLO 알고리즘 및 소벨 윤곽선 검출(Sobel Edge Detector) 알고리즘에 따라 상기 데이터베이스에 저장된 데이터 세트에 대한 반복적인 기계학습을 통해, 상기 가스라이터 이미지에서 액화가스의 수면 높이를 독출하는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.
A system for detecting a malfunction of a gas lighter, comprising:
a camera module mounted on a tray to photograph a plurality of gas lighters moving;
From the gas lighter image taken through the camera module, the water level of the liquefied gas filled in the fuel tank of the gas lighter is read, and the volume of the liquefied gas filled in the fuel tank is calculated using the read water level. a computing module for determining whether the gas lighter is defective based on the volume; and
a database in which a plurality of data sets for machine learning of the computing module are stored;
Consists of including,
The computing module is
According to the YOLO algorithm and the Sobel Edge Detector algorithm, through iterative machine learning on the data set stored in the database, computer vision, characterized in that the water level of the liquefied gas is read from the gas lighter image A gas lighter defective product detection system utilized.
상기 컴퓨팅 모듈은,
상기 기계학습을 통해, 가스 라이터 이미지에서 액화가스의 수면 높이를 독출하기 위한 경계 박스의 설정 정확도를 높이는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.
The method of claim 1,
The computing module is
A gas lighter defective product detection system using computer vision, characterized in that it increases the setting accuracy of a bounding box for reading the water level of the liquefied gas in the gas lighter image through the machine learning.
상기 컴퓨팅 모듈은,
상기 연료탱크 내에 구비되는 내벽 전방 및 후방의 액화가스 수면 높이를 각각 독출하는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.
The method of claim 1,
The computing module is
A gas lighter defective product detection system using computer vision, characterized in that it reads the water level of the liquefied gas in front and behind the inner wall provided in the fuel tank, respectively.
상기 컴퓨팅 모듈은,
상기 산출된 액화가스의 부피가 연료탱크 내부 용적의 60% 내지 85% 범위를 벗어나는 경우, 해당 가스라이터를 불량으로 검출하는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.
The method of claim 1,
The computing module is
When the calculated volume of the liquefied gas is out of the range of 60% to 85% of the internal volume of the fuel tank, the gas lighter defective detection system using computer vision, characterized in that the gas lighter is detected as defective.
상기 가스 라이터 불량품 검출 시스템은,
가스 라이터의 불량이 검출되는 경우,
유선 또는 무선 통신망을 통해 작업자에게 불량 발생 메세지를 전송하는 통신 모듈이 구비되는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.
The method of claim 1,
The gas lighter defective product detection system,
If a malfunction of the gas lighter is detected,
A gas lighter defective product detection system using computer vision, characterized in that a communication module for transmitting a defect occurrence message to an operator through a wired or wireless communication network is provided.
상기 컴퓨팅 모듈은,
상기 촬영된 가스 라이터 이미지를 분석하여 가스 라이터에 부착된 바코드의 불량 여부를 검출하는 기능을 추가로 수행하는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.
The method of claim 1,
The computing module is
A gas lighter defective product detection system using computer vision, characterized in that it additionally performs a function of detecting whether a barcode attached to the gas lighter is defective by analyzing the photographed gas lighter image.
상기 가스 라이터에 부착된 바코드의 불량 여부 검출은,
템플릿 매칭 알고리즘에 따라 정상 부착된 바코드의 템플릿 이미지와의 비교를 통해 이루어지는 것을 특징으로 하는 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템.7. The method of claim 6,
Detecting whether the barcode attached to the gas lighter is defective,
A gas lighter defective product detection system using computer vision, characterized in that it is compared with a template image of a normally attached barcode according to a template matching algorithm.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200188905A KR102523809B1 (en) | 2020-12-31 | 2020-12-31 | System of detecting defective gas-lighters using computer vision library |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200188905A KR102523809B1 (en) | 2020-12-31 | 2020-12-31 | System of detecting defective gas-lighters using computer vision library |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220097743A true KR20220097743A (en) | 2022-07-08 |
| KR102523809B1 KR102523809B1 (en) | 2023-04-20 |
Family
ID=82407383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200188905A KR102523809B1 (en) | 2020-12-31 | 2020-12-31 | System of detecting defective gas-lighters using computer vision library |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102523809B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102541166B1 (en) * | 2022-10-31 | 2023-06-14 | 주식회사 인터엑스 | AI vision inspection system using robot |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0348754A (en) * | 1989-07-18 | 1991-03-01 | Dainippon Printing Co Ltd | Quality control system for printed bar code |
| KR100711587B1 (en) | 2006-03-24 | 2007-04-27 | 이강우 | An apparatus for adjusting the flame-height of disposable gas lighters |
| CN107462301A (en) * | 2016-06-06 | 2017-12-12 | 财团法人成大水利海洋研究发展文教基金会 | Liquid level monitoring method |
| JP2019190820A (en) * | 2019-05-31 | 2019-10-31 | ダイキン工業株式会社 | Liquid surface state determination device, freezing device including the same and liquid surface state determination program |
| KR102074561B1 (en) * | 2017-12-29 | 2020-02-06 | 전성배 | Apparatus for check in data |
| CN112132131A (en) * | 2020-09-22 | 2020-12-25 | 深兰科技（上海）有限公司 | Measuring cylinder liquid level identification method and device |
-
2020
- 2020-12-31 KR KR1020200188905A patent/KR102523809B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0348754A (en) * | 1989-07-18 | 1991-03-01 | Dainippon Printing Co Ltd | Quality control system for printed bar code |
| KR100711587B1 (en) | 2006-03-24 | 2007-04-27 | 이강우 | An apparatus for adjusting the flame-height of disposable gas lighters |
| CN107462301A (en) * | 2016-06-06 | 2017-12-12 | 财团法人成大水利海洋研究发展文教基金会 | Liquid level monitoring method |
| KR102074561B1 (en) * | 2017-12-29 | 2020-02-06 | 전성배 | Apparatus for check in data |
| JP2019190820A (en) * | 2019-05-31 | 2019-10-31 | ダイキン工業株式会社 | Liquid surface state determination device, freezing device including the same and liquid surface state determination program |
| CN112132131A (en) * | 2020-09-22 | 2020-12-25 | 深兰科技（上海）有限公司 | Measuring cylinder liquid level identification method and device |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102541166B1 (en) * | 2022-10-31 | 2023-06-14 | 주식회사 인터엑스 | AI vision inspection system using robot |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102523809B1 (en) | 2023-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102202232B1 (en) | System for sorting parcel and method thereof | |
| KR101609007B1 (en) | Image data processing apparatus and method for defect inspection, defect inspecting apparatus and method using the image data processing apparatus and method, board-like body manufacturing method using the defect inspecting apparatus and method, and recording medium | |
| WO2018010391A1 (en) | Board inspection method and device | |
| JP6011490B2 (en) | Goods storage facility | |
| US9870611B2 (en) | Drug inspection device | |
| TWI608422B (en) | Optical character recognition device, optical character recognition method, and recording medium | |
| KR20190122550A (en) | Inspection management system, inspection management apparatus and inspection management method | |
| EP2856101A2 (en) | Device and method for checking an aircraft landing gear shock absorber | |
| KR20220097743A (en) | System of detecting defective gas-lighters using computer vision library | |
| CN113947688B (en) | Prefabricated part data management system and method based on BIM cloud platform | |
| WO2023236825A1 (en) | Method and apparatus for monitoring capacity utilization rate, and computer-readable storage medium | |
| CN107525810A (en) | A kind of container device for detecting breakage and method based on 3D imagings | |
| CN111144400A (en) | Identification method and device for identity card information, terminal equipment and storage medium | |
| KR102518380B1 (en) | Outgoing packing video management method and system using invoice information recognition | |
| CN115731222A (en) | Billet surface detection method, device, equipment and computer readable storage medium | |
| CN110084807B (en) | Detection method for false detection of welding seam flaw detection negative image | |
| CN115170501A (en) | Defect detection method, system, electronic device and storage medium | |
| WO2024109669A1 (en) | Method for detecting material placement condition in packaging case | |
| CN106560837A (en) | Object Recognizing Apparatus And Haze Determination Method | |
| CN114529843A (en) | Cargo congestion identification method and device, electronic equipment and storage medium | |
| JP5715022B2 (en) | Medium processing apparatus and medium processing method | |
| US20210402595A1 (en) | Optimization method for improving the reliability of goods commissioning using a robot | |
| US9047723B2 (en) | Defect categorization | |
| CA2902244C (en) | Apparatus and method for checking value documents, in particular bank notes, and value-document processing system | |
| CN111460198A (en) | Method and device for auditing picture timestamp |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |