KR20230174450A - 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법 - Google Patents

결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법 Download PDF

Info

Publication number
KR20230174450A
KR20230174450A KR1020220075375A KR20220075375A KR20230174450A KR 20230174450 A KR20230174450 A KR 20230174450A KR 1020220075375 A KR1020220075375 A KR 1020220075375A KR 20220075375 A KR20220075375 A KR 20220075375A KR 20230174450 A KR20230174450 A KR 20230174450A
Authority
KR
South Korea
Prior art keywords
image data
carbon fiber
fiber composite
composite material
defect
Prior art date
Application number
KR1020220075375A
Other languages
English (en)
Inventor
최진경
Original Assignee
(주)라컴텍
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)라컴텍 filed Critical (주)라컴텍
Priority to KR1020220075375A priority Critical patent/KR20230174450A/ko
Publication of KR20230174450A publication Critical patent/KR20230174450A/ko

Links

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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • G01N21/8903—Optical details; Scanning details using a multiple detector array
    • 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
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/10—Scanning
    • G01N2201/104—Mechano-optical scan, i.e. object and beam moving
    • G01N2201/1042—X, Y scan, i.e. object moving in X, beam in Y

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Textile Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

본 발명에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법은, 탄소섬유 복합재 제조공정에 의해 제조된 탄소섬유 복합재를 품질검사장치에 도입하여 기 설정된 이송경로를 따라 이송시키는 (a)단계, 기준해상도보다 낮은 제1해상도를 가지는 이미지센서를 포함하는 제1카메라모듈을 통해 상기 이송경로를 통해 이송되는 탄소섬유 복합재의 검사영역을 촬영하여 제1이미지데이터를 획득하고, 상기 제1이미지데이터를 관리서버에 전송하는 (b)단계, 상기 관리서버의 이미지분석부가 상기 제1이미지데이터를 분석하여 탄소섬유 복합재의 검사영역에 결함이 존재하는지의 여부를 판단하는 (c)단계, 상기 (c)단계에 의해 상기 제1이미지데이터에 나타난 탄소섬유 복합재의 검사영역에 결함이 존재하는 것으로 판단된 경우, 기준해상도보다 높은 제2해상도를 가지는 이미지센서를 포함하는 제2카메라모듈을 통해 상기 이송경로를 통해 이송되는 탄소섬유 복합재의 검사영역을 촬영하여 제2이미지데이터를 획득하고, 상기 제2이미지데이터를 상기 관리서버에 전송하는 (d)단계 및 상기 이미지분석부가 상기 제2이미지데이터를 분석하여 상기 제2이미지데이터에 나타난 탄소섬유 복합재의 검사영역에 존재하는 결함의 유형을 도출하는 (e)단계를 포함한다.

Description

결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법{Carbon Fiber Composite Material Quality Inspection Method through Defect Type Learning}
본 발명은 탄소섬유 복합재 품질검사방법에 관한 것으로서, 보다 상세하게는 서로 다른 해상도를 가지는 카메라모듈을 통해 획득한 이미지데이터를 활용하여 결함 유형을 학습함에 따라 저해상도의 이미지데이터만으로 탄소섬유 복합재의 결함 유형을 판단할 수 있도록 하는 탄소섬유 복합재 품질검사방법에 관한 것이다.
탄소섬유 복합소재인 CFRP(Carbon Fiber Reinforced Plastic)는 저중량, 고강성의 특성으로 인해 의료용 제품, 방산 제품, 우주항공 제품, 가전제품 등에 많이 사용되고 있으며, 최근에는 제품의 외관이 중요한 곳에도 적용하게 되어 사용량이 점차 증가하고 있는 추세이다.
이와 같은 탄소섬유 복합소재의 제조 시 품질 검사는 일반적으로 작업자에 의해 수동으로 이루어지기 때문에, 숙련된 검사자의 노하우가 필요한 것은 물론, 검사자에 따른 검사 결과의 편차가 크다는 문제가 있다.
즉 종래 탄소섬유 복합소재의 품질 검사 과정은 수작업에 의해 검사 시간이 길어지고 신뢰성이 떨어지므로 복수의 인원에 의한 검사가 이루어지기도 하나, 이와 같은 상황에도 불구하고 오검사가 자주 발생하였다.
상기와 같은 문제점을 보완하기 위해 최근에는 산업용 카메라와 렌즈를 통해 제품을 촬영하고, 촬영된 영상을 모니터로 확대하여 검사를 진행하는 방식을 적용하기도 하나, 이 역시 제품의 불량 유무를 작업자가 직접 판단하는 것은 동일하기 때문에 검사 정확성과 속도는 마찬가지로 작업자의 숙련도에 의존할 수밖에 없다는 문제가 있다.
따라서 이와 같은 문제점들을 해결하기 위한 방법이 요구된다.
한국공개특허 제10-1993-000644호
본 발명은 상술한 종래 기술의 문제점을 해결하기 위하여 안출된 발명으로서, 탄소섬유 복합재에 대한 객관적인 품질 검사를 자동으로 수행할 수 있도록 함에 따라 다양한 제품 별로 요구 조건에 맞는 품질 신뢰성을 확보하고, 검사 시간을 단축시키는 동시에 검사 오류를 최소화할 수 있도록 하기 위한 목적을 가진다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기한 목적을 달성하기 위한 본 발명의 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법은, 탄소섬유 복합재 제조공정에 의해 제조된 탄소섬유 복합재를 품질검사장치에 도입하여 기 설정된 이송경로를 따라 이송시키는 (a)단계, 기준해상도보다 낮은 제1해상도를 가지는 이미지센서를 포함하는 제1카메라모듈을 통해 상기 이송경로를 통해 이송되는 탄소섬유 복합재의 검사영역을 촬영하여 제1이미지데이터를 획득하고, 상기 제1이미지데이터를 관리서버에 전송하는 (b)단계, 상기 관리서버의 이미지분석부가 상기 제1이미지데이터를 분석하여 탄소섬유 복합재의 검사영역에 결함이 존재하는지의 여부를 판단하는 (c)단계, 상기 (c)단계에 의해 상기 제1이미지데이터에 나타난 탄소섬유 복합재의 검사영역에 결함이 존재하는 것으로 판단된 경우, 기준해상도보다 높은 제2해상도를 가지는 이미지센서를 포함하는 제2카메라모듈을 통해 상기 이송경로를 통해 이송되는 탄소섬유 복합재의 검사영역을 촬영하여 제2이미지데이터를 획득하고, 상기 제2이미지데이터를 상기 관리서버에 전송하는 (d)단계 및 상기 이미지분석부가 상기 제2이미지데이터를 분석하여 상기 제2이미지데이터에 나타난 탄소섬유 복합재의 검사영역에 존재하는 결함의 유형을 도출하는 (e)단계를 포함한다.
이때 상기 (c)단계는, 상기 이미지분석부가 상기 관리서버의 데이터베이스에 미리 저장된 기준이미지데이터를 로딩하는 (c-1)단계, 상기 이미지분석부가 상기 기준이미지데이터 및 상기 제1이미지데이터를 픽셀 별로 대비하여, 서로 매칭되지 않는 픽셀이 존재하는지의 여부를 판단하는 (c-2)단계 및 상기 (c-2)단계에 의해 상기 기준이미지데이터 및 상기 제1이미지데이터 사이에 서로 매칭되지 않는 픽셀이 존재하는 것으로 판단된 경우, 상기 이미지분석부가 해당 탄소섬유 복합재의 검사영역에 결함이 존재하는 것으로 판정하는 (c-3)단계를 포함할 수 있다.
그리고 상기 (c-2)단계는, 상기 기준이미지데이터 및 상기 제1이미지데이터의 각 픽셀 간의 매칭 여부는, 대응되는 픽셀 간 채도값의 차이가 기 설정된 기준채도값을 초과하는 경우 매칭되지 않는 것으로 판단할 수 있다.
또한 상기 (d)단계는, 상기 제2카메라모듈에 인접하게 설치되는 각도 가변식 조명모듈을 통해 상기 검사영역에 서로 다른 각도로 빛을 조사하며 상기 제2카메라모듈을 통해 복수 회의 촬영을 수행하여 복수 개의 제2이미지데이터를 획득할 수 있다.
더불어 상기 (d)단계는, 상기 각도 가변식 조명모듈을 통해 상기 탄소섬유 복합재의 검사영역과 수직한 방향으로 빛을 조사하며 상기 제2카메라모듈을 통해 1차 촬영을 진행하여 1차 제2이미지데이터를 획득하는 (d-1)단계, 상기 각도 가변식 조명모듈을 통해 상기 탄소섬유 복합재의 검사영역에 경사진 방향으로 빛을 조사하며 상기 제2카메라모듈을 통해 2차 촬영을 진행하여 2차 제2이미지데이터를 획득하는 (d-2)단계 및 상기 (d-1)단계에서 획득한 상기 1차 제2이미지데이터 및 상기 (d-2)단계에서 획득한 상기 2차 제2이미지데이터를 취합하여 상기 관리서버에 전송하는 (d-3)단계를 포함할 수 있다.
그리고 상기 (e)단계는, 상기 이미지분석부가 상기 1차 제2이미지데이터를 통해 상기 탄소섬유 복합재에 변색, 인쇄번짐 및 인쇄빠짐 중 적어도 어느 하나의 결함의 유형이 발생하였는지를 판단하는 (e-1)단계, 상기 이미지분석부가 상기 2차 제2이미지데이터를 통해 상기 탄소섬유 복합재에 찍힘, 긁힘 및 핀홀불량 중 적어도 어느 하나의 결함의 유형이 발생하였는지를 판단하는 (e-2)단계 및 상기 이미지분석부가 상기 (e-1)단계 및 상기 (e-2)단계를 통해 도출된 결함의 유형을 결함데이터 포맷으로 변환하여 상기 관리서버의 결함패턴분석부에 등록하는 (e-3)단계를 포함할 수 있다.
여기서 상기 (e)단계 이후에는, 상기 결함패턴분석부가 상기 결함데이터를 상기 제1이미지데이터와 대비하여, 상기 제1이미지데이터로부터 상기 결함데이터의 종류에 따른 특징을 도출하는 (f)단계가 더 수행될 수 있다.
이때 상기 (f)단계는, 상기 결함패턴분석부가 상기 결함데이터 및 상기 제1이미지데이터를 로딩하는 (f-1)단계, 상기 결함패턴분석부가 상기 제1이미지데이터에서 상기 결함데이터에 포함된 결함의 유형에 따른 특징을 도출하는 (f-2)단계 및 상기 결함패턴분석부가 상기 (f-2)단계에 의해 상기 제1이미지데이터에서 결함의 유형에 따라 도출된 특징을 학습데이터 포맷으로 변환하여 상기 이미지분석부에 전송하는 (f-3)단계를 포함할 수 있다
한편 상기 (f)단계 이후에는, 상기 이미지분석부가 차후 제1이미지데이터로부터 결함의 유형을 도출할 수 있도록 상기 학습데이터를 통해 학습을 수행하는 (g)단계가 더 수행될 수 있다.
상기한 과제를 해결하기 위한 본 발명의 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법은, 서로 다른 해상도를 가지는 카메라모듈을 통해 획득한 이미지데이터를 활용하여 탄소섬유 복합재의 품질을 객관적이고 높은 신뢰도로 자동 분석할 수 있으며, 따라서 다양한 제품 별로 요구 조건에 맞는 품질 신뢰성을 확보하고, 검사 시간을 단축시키는 동시에 검사 오류를 최소화할 수 있다.
또한 본 발명은 서로 다른 해상도를 가지는 카메라모듈을 통해 획득한 이미지데이터를 활용하여 제품 결함의 유형을 학습함에 따라, 학습 과정을 진행한 이후 저해상도의 이미지데이터만으로 탄소섬유 복합재의 결함 유형을 효율적으로 판단할 수 있으므로, 이미지 보정 및 처리에 많은 부하가 걸리는 고해상도의 이미지데이터의 사용을 최소화하여 신속한 검사가 가능하도록 하며, 검사 비용을 절감할 수 있는 장점을 가진다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법의 각 과정을 나타낸 도면;
도 2는 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법을 수행하기 위한 탄소섬유 복합재 품질검사장치의 각 구성을 개략적으로 나타낸 도면;
도 3은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (c)단계의 세부 과정을 나타낸 도면;
도 4는 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (d)단계의 세부 과정을 나타낸 도면;
도 5는 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (e)단계의 세부 과정을 나타낸 도면;
도 6은 탄소섬유 복합재에 발생할 수 있는 각 결함 유형의 모습을 예시적으로 나타낸 도면;
도 7은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (e)단계 이후 수행되는 학습 과정을 나타낸 도면; 및
도 8은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (f)단계의 세부 과정을 나타낸 도면이다.
이하 본 발명의 목적이 구체적으로 실현될 수 있는 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명한다. 본 실시예를 설명함에 있어서, 동일 구성에 대해서는 동일 명칭 및 동일 부호가 사용되며 이에 따른 부가적인 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법의 각 과정을 나타낸 도면이다.
그리고 도 2는 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법을 수행하기 위한 탄소섬유 복합재 품질검사장치의 각 구성을 개략적으로 나타낸 도면으로, 이하 설명에 있어서 각 구성요소에 할당된 부호는 본 도면을 기준으로 한다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법은 (a)단계 내지 (e)단계를 포함한다.
(a)단계는, 탄소섬유 복합재 제조공정에 의해 제조된 탄소섬유 복합재(5)를 품질검사장치에 도입하여 기 설정된 이송경로를 따라 이송시키는 과정이다.
이때 본 실시예에 따른 탄소섬유 복합재 품질검사장치는 탄소섬유 복합재(5)가 이송되는 이송경로와, 기준해상도보다 낮은 제1해상도를 가지는 이미지센서를 포함하는 제1카메라모듈(10)과, 기준해상도보다 높은 제2해상도를 가지는 이미지센서를 포함하는 제2카메라모듈(20)과, 각도 가변식 조명모듈(30)을 포함한다.
여기서 기준해상도라 함은 임의의 기준에 따라 저해상도와 고해상도를 구분하는 소정의 해상도를 의미한다. 이와 같은 기준해상도는 특정한 수치로 제한되는 것이 아니며, 다양한 조건을 고려하여 설정될 수 있을 것이다.
즉 본 실시예에서 제1카메라모듈(10)의 이미지센서는 기준해상도보다 낮은 제1해상도를 가지므로, 저해상도를 가지는 것으로 간주될 수 있으며, 제2카메라모듈(20)의 이미지센서는 기준해상도보다 높은 제2해상도를 가지므로, 고해상도를 가지는 것으로 간주될 수 있다.
고해상도를 가지는 제2카메라모듈(20)의 경우 이미지데이터의 보정 및 처리의 난이도가 저해상도를 가지는 제1카메라모듈(10)에 비해 월등히 어려우며, 많은 리소스가 필요하게 된다. 더불어 제2카메라모듈(20)는 전송해야 하는 이미지데이터의 용량이 크므로 높은 전송 대역폭의 인터페이스가 필요하다. 따라서 본 발명은 이와 같은 제2카메라모듈(20)을 활용하되, 소정의 학습 과정을 통해 제2카메라모듈(20)의 활용 빈도를 점차 줄려 나가고, 상대적으로 이미지데이터의 처리가 용이한 제1카메라모듈(20)을 통해 탄소섬유 복합재(5)의 품질 평가를 수행할 수 있도록 한다. 이에 대해서는 후술하도록 한다.
다음으로 (b)단계는, 기준해상도보다 낮은 제1해상도를 가지는 이미지센서를 포함하는 제1카메라모듈(10)을 통해 이송경로를 통해 이송되는 탄소섬유 복합재(5)의 검사영역을 촬영하여 제1이미지데이터를 획득하고, 이와 같은 제1이미지데이터를 관리서버(100)에 전송하는 과정이다.
즉 본 과정에서는 제1카메라모듈(10)을 통해 탄소섬유 복합재(5)의 검사영역을 촬영하여 저해상도 이미지데이터인 제1이미지데이터를 생성하고, 이를 관리서버(100)에 전송하게 된다.
그리고 (c)단계에서는, 관리서버(100)의 이미지분석부(110)가 (b)단계에서 전송된 제1이미지데이터를 분석하여, 탄소섬유 복합재(5)의 검사영역에 결함이 존재하는지의 여부를 판단하게 된다.
도 3은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (c)단계의 세부 과정을 나타낸 도면이다.
도 3에 도시된 바와 같이, (c)단계는 세부적으로 (c-1)단계 내지 (c-3)단계를 포함할 수 있다.
(c-1)단계는, 이미지분석부(110)가 관리서버(100)의 데이터베이스(130)에 미리 저장된 기준이미지데이터를 로딩하는 과정이다.
여기서 기준이미지데이터는, 결함이 발생하지 않은 상태로 제작된 탄소섬유 복합재(5)의 제품의 모습을 담고 있는 이미지데이터를 의미한다. 즉 데이터베이스(130)에는 탄소섬유 복합재(5)의 제품 형태마다 기준이미지데이터가 저장될 수 있으며, (c-1)단계에서 이미지분석부(110)는 해당 제품에 대응되는 기준이미지데이터를 데이터베이스(130)로부터 로딩하게 된다.
(c-2)단계는, 이미지분석부(110)가 기준이미지데이터 및 제1이미지데이터를 픽셀 별로 대비하여, 서로 매칭되지 않는 픽셀이 존재하는지의 여부를 판단하는 과정이다.
본 과정에서 기준이미지데이터 및 제1이미지데이터의 각 픽셀 간의 매칭 여부는, 대응되는 픽셀 간 채도값의 차이가 기 설정된 기준채도값을 초과하는지를 기준으로 판단될 수 있다. 구체적으로, 기준이미지데이터 및 제1이미지데이터의 서로 대응되는 픽셀 간 채도값의 차이가 기 설정된 기준채도값을 초과하는 것으로 판단될 경우, 해당 픽셀은 서로 매칭되지 않는 픽셀로 간주하게 된다.
그리고 (c-3)단계는, (c-2)단계에 의해 기준이미지데이터 및 제1이미지데이터 사이에 서로 매칭되지 않는 픽셀이 존재하는 것으로 판단된 경우, 이미지분석부(110)가 해당 탄소섬유 복합재(5)의 검사영역에 결함이 존재하는 것으로 판정하는 과정이다.
즉 기준이미지데이터 및 제1이미지데이터의 서로 대응되는 픽셀 간에 기준채도값을 초과하는 채도값의 차이가 발생할 경우, 결함이 존재하지 않는 기준이미지데이터와 대비하여 제1이미지데이터의 해당 픽셀 부분은 결함이 발생한 것으로 판정할 수 있다.
다음으로, (d)단계는 (c)단계에 의해 제1이미지데이터에 나타난 탄소섬유 복합재(5)의 검사영역에 결함이 존재하는 것으로 판단된 경우, 기준해상도보다 높은 제2해상도를 가지는 이미지센서를 포함하는 제2카메라모듈(20)을 통해 이송경로를 통해 이송되는 탄소섬유 복합재5)의 검사영역을 촬영하여 제2이미지데이터를 획득하고, 이와 같은 제2이미지데이터를 관리서버(100)에 전송하는 과정이다.
즉 본 과정에서는 탄소섬유 복합재(5)의 검사영역에 결함이 존재하는 것을 전제로 하여, 제2카메라모듈(20)을 통해 탄소섬유 복합재(5)의 검사영역을 촬영하여 고해상도 이미지데이터인 제2이미지데이터를 생성하고, 이를 관리서버(100)에 전송하게 된다.
이때 본 실시예에서 (d)단계는, 제2카메라모듈(20)에 인접하게 설치되는 각도 가변식 조명모듈(30)을 통해 검사영역에 서로 다른 각도로 빛을 조사하며 제2카메라모듈(20) 통해 복수 회의 촬영을 수행하여 복수 개의 제2이미지데이터를 획득하는 방식으로 수행될 수 있다.
도 4는 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (d)단계의 세부 과정을 나타낸 도면이다.
도 4에 도시된 바와 같이, 본 실시예에서 (d)단계는 세부적으로 (d-1)단계 내지 (d-3)단계를 포함할 수 있다.
(d-1)단계는, 각도 가변식 조명모듈(30)을 통해 탄소섬유 복합재(5)의 검사영역과 수직한 방향으로 빛을 조사하며 제2카메라모듈(20)을 통해 1차 촬영을 진행하여 1차 제2이미지데이터를 획득하는 과정이다.
즉 (d-1)단계에서는 탄소섬유 복합재(5)의 검사영역의 직상부에서 빛을 조사하고, 제2카메라모듈(20)을 통해 1차 제2이미지데이터를 획득하게 된다.
그리고 (d-2)단계는, 각도 가변식 조명모듈(30)을 통해 탄소섬유 복합재(5)의 검사영역에 경사진 방향으로 빛을 조사하며 제2카메라모듈(20)을 통해 2차 촬영을 진행하여 2차 제2이미지데이터를 획득하는 과정이다.
즉 (d-2)단계에서는 탄소섬유 복합재(5)의 검사영역에 대해 비스듬한 방향에서 빛을 조사하고, 제2카메라모듈(20)을 통해 2차 제2이미지데이터를 획득하게 된다.
(d-3)단계에서는, 전술한 (d-1)단계에서 획득한 1차 제2이미지데이터 및 (d-2)단계에서 획득한 2차 제2이미지데이터를 취합하여 관리서버(100)에 전송하는 과정이 이루어진다.
다음으로 (e)단계에서, 이미지분석부(110)가 제2이미지데이터를 분석하여 제2이미지데이터에 나타난 탄소섬유 복합재(5)의 검사영역에 존재하는 결함의 유형을 도출하게 된다.
즉 (e)단계는 1차 제2이미지데이터 및 2차 제2이미지데이터를 통해 탄소섬유 복합재(5)의 검사영역에 존재하는 구체적인 결함 유형을 특정하게 된다.
도 5는 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (e)단계의 세부 과정을 나타낸 도면이며, 도 6은 탄소섬유 복합재에 발생할 수 있는 각 결함 유형의 모습을 예시적으로 나타낸 도면이다.
도 5에 도시된 바와 같이, 본 실시예에서 (e)단계는 세부적으로 (e-1)단계 내지 (e-3)단계를 포함할 수 있다.
(e-1)단계는, 이미지분석부(110)가 1차 제2이미지데이터를 통해 탄소섬유 복합재(5)에 변색, 인쇄번짐 및 인쇄빠짐 중 적어도 어느 하나의 결함의 유형이 발생하였는지를 판단하는 과정이다.
전술한 바와 같이 1차 제2이미지데이터는 각도 가변식 조명모듈(30)을 통해 탄소섬유 복합재(5)의 검사영역과 수직한 방향으로 빛을 조사하며 제2카메라모듈(20)을 통해 촬영하여 획득한 이미지데이터로서, 탄소섬유 복합재(5)의 평면적인 표면 상태, 즉 얼룩 또는 색깔 등을 정밀하게 판단할 수 있다.
그리고 도 6에 나타난 바와 같이 탄소섬유 복합재(5)의 평면적인 표면 상태에 관련된 결함은 변색(A), 인쇄번짐(B) 및 인쇄빠짐(C)으로, (e-1)단계에서는 이들 중 어느 하나 이상의 결함의 유형이 발생하였는지를 판단하게 된다.
(e-2)단계는 이미지분석부(110)가 2차 제2이미지데이터를 통해 탄소섬유 복합재(5)에 찍힘, 긁힘 및 핀홀불량 중 적어도 어느 하나의 결함의 유형이 발생하였는지를 판단하는 과정이다.
전술한 바와 같이 2차 제2이미지데이터는 각도 가변식 조명모듈(30)을 통해 탄소섬유 복합재(5)의 검사영역에 대해 경사진 방향으로 빛을 조사하며 제2카메라모듈(20)을 통해 촬영하여 획득한 이미지데이터로서, 경사지게 조사되는 빛에 의해 형성되는 음영을 통해 탄소섬유 복합재(5)의 입체적인 표면 상태, 즉 굴곡, 파임 등을 정밀하게 판단할 수 있다.
그리고 도 6에 나타난 바와 같이 탄소섬유 복합재(5)의 입체적인 표면 상태에 관련된 결함은 찍힘(D), 긁힘(E) 및 핀홀불량(F)으로, (e-2)단계에서는 이들 중 어느 하나 이상의 결함의 유형이 발생하였는지를 판단하게 된다.
(e-3)단계는 이미지분석부(110)가 (e-1)단계 및 (e-2)단계를 통해 도출된 결함의 유형을 결함데이터 포맷으로 변환하여 관리서버(100)의 결함패턴분석부(120)에 등록하는 과정이다.
즉 본 과정에서는 이미지분석부(110)가 탄소섬유 복합재(5)에 발생한 결함의 정보가 수록된 결함데이터 포맷을 작성한 뒤, 이를 결함패턴분석부(120)로 전송하게 된다.
도 7은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (e)단계 이후 수행되는 학습 과정을 나타낸 도면이다.
도 7에 도시된 바와 같이, 전술한 (e)단계 이후에는, 결함패턴분석부(120)가 결함데이터를 제1이미지데이터와 대비하여, 제1이미지데이터로부터 결함데이터의 종류에 따른 특징을 도출하는 (f)단계와, 이미지분석부(110)가 차후 제1이미지데이터로부터 결함의 유형을 도출할 수 있도록 학습데이터를 통해 학습을 수행하는 (g)단계가 더 수행된다.
즉 (f)단계에서는 전술한 (e)단계에서 고해상도의 제2이미지데이터를 통해 작성된 결함데이터를, 저해상도의 제1이미지데이터와 대비하여 제1이미지데이터 상의 특징과 발생한 결함 간의 관계를 도출하게 된다.
도 8은 본 발명의 일 실시예에 따른 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법에 있어서, (f)단계의 세부 과정을 나타낸 도면이다.
도 8에 도시된 바와 같이, 본 실시예에서 (f)단계는 세부적으로 (f-1)단계 내지 (f-3)단계를 포함할 수 있다.
(f-1)단계는 결함패턴분석부(120)가 결함데이터 및 제1이미지데이터를 로딩하는 과정이다.
그리고 (f-2)단계는, 결함패턴분석부(120)가 제1이미지데이터에서 결함데이터에 포함된 결함의 유형에 따른 특징을 도출하는 과정이다. 즉 본 과정에서는 저해상도의 제1이미지데이터 상에 나타난 픽셀의 특징을 결함데이터와 대조하여, 제1이미지데이터 상에서 각 결함을 특정할 수 있는 방법을 도출하게 된다.
다음으로 (f-3)단계에서는, 결함패턴분석부(120)가 (f-2)단계에 의해 제1이미지데이터에서 결함의 유형에 따라 도출된 특징을 학습데이터 포맷으로 변환하여 이미지분석부(110)에 전송하게 된다.
이후 (g)단계에서는 이미지분석부(110)가 학습데이터를 통해 학습을 수행하게 되며, 차후의 품질검사 과정에서는 제1이미지데이터로부터 결함의 유형을 도출할 수 있다.
즉 본 실시예는 이미지분석부(110)가 학습 과정을 진행한 이후 저해상도의 제1이미지데이터만으로 탄소섬유 복합재(5)의 결함 유형을 효율적으로 판단할 수 있으므로, 이미지 보정 및 처리에 많은 부하가 걸리는 고해상도의 제2이미지데이터의 사용을 최소화하여 신속한 검사가 가능하도록 하며, 검사 비용을 크게 절감할 수 있다.
이상과 같이 본 발명에 따른 바람직한 실시예를 살펴보았으며, 앞서 설명된 실시예 이외에도 본 발명이 그 취지나 범주에서 벗어남이 없이 다른 특정 형태로 구체화될 수 있다는 사실은 해당 기술에 통상의 지식을 가진 이들에게는 자명한 것이다. 그러므로, 상술된 실시예는 제한적인 것이 아니라 예시적인 것으로 여겨져야 하고, 이에 따라 본 발명은 상술한 설명에 한정되지 않고 첨부된 청구항의 범주 및 그 동등 범위 내에서 변경될 수도 있다.
5: 탄소섬유 복합재
10: 제1카메라모듈
20: 제2카메라모듈
30: 각도 가변식 조명모듈
100: 관리서버
110: 이미지분석부
120: 결함패턴분석부
130: 데이터베이스

Claims (4)

  1. 탄소섬유 복합재 제조공정에 의해 제조된 탄소섬유 복합재를 품질검사장치에 도입하여 기 설정된 이송경로를 따라 이송시키는 (a)단계;
    기준해상도보다 낮은 제1해상도를 가지는 이미지센서를 포함하는 제1카메라모듈을 통해 상기 이송경로를 통해 이송되는 탄소섬유 복합재의 검사영역을 촬영하여 제1이미지데이터를 획득하고, 상기 제1이미지데이터를 관리서버에 전송하는 (b)단계;
    상기 관리서버의 이미지분석부가 상기 제1이미지데이터를 분석하여 탄소섬유 복합재의 검사영역에 결함이 존재하는지의 여부를 판단하는 (c)단계;
    상기 (c)단계에 의해 상기 제1이미지데이터에 나타난 탄소섬유 복합재의 검사영역에 결함이 존재하는 것으로 판단된 경우, 기준해상도보다 높은 제2해상도를 가지는 이미지센서를 포함하는 제2카메라모듈을 통해 상기 이송경로를 통해 이송되는 탄소섬유 복합재의 검사영역을 촬영하여 제2이미지데이터를 획득하고, 상기 제2이미지데이터를 상기 관리서버에 전송하는 (d)단계; 및
    상기 이미지분석부가 상기 제2이미지데이터를 분석하여 상기 제2이미지데이터에 나타난 탄소섬유 복합재의 검사영역에 존재하는 결함의 유형을 도출하는 (e)단계;
    를 포함하는,
    탄소섬유 복합재 품질검사방법.
  2. 제1항에 있어서,
    상기 (c)단계는,
    상기 이미지분석부가 상기 관리서버의 데이터베이스에 미리 저장된 기준이미지데이터를 로딩하는 (c-1)단계;
    상기 이미지분석부가 상기 기준이미지데이터 및 상기 제1이미지데이터를 픽셀 별로 대비하여, 서로 매칭되지 않는 픽셀이 존재하는지의 여부를 판단하는 (c-2)단계; 및
    상기 (c-2)단계에 의해 상기 기준이미지데이터 및 상기 제1이미지데이터 사이에 서로 매칭되지 않는 픽셀이 존재하는 것으로 판단된 경우, 상기 이미지분석부가 해당 탄소섬유 복합재의 검사영역에 결함이 존재하는 것으로 판정하는 (c-3)단계;
    를 포함하는,
    탄소섬유 복합재 품질검사방법.
  3. 제2항에 있어서,
    상기 (c-2)단계는,
    상기 기준이미지데이터 및 상기 제1이미지데이터의 각 픽셀 간의 매칭 여부는, 대응되는 픽셀 간 채도값의 차이가 기 설정된 기준채도값을 초과하는 경우 매칭되지 않는 것으로 판단하는,
    탄소섬유 복합재 품질검사방법.
  4. 제1항에 있어서,
    상기 (d)단계는,
    상기 제2카메라모듈에 인접하게 설치되는 각도 가변식 조명모듈을 통해 상기 검사영역에 서로 다른 각도로 빛을 조사하며 상기 제2카메라모듈을 통해 복수 회의 촬영을 수행하여 복수 개의 제2이미지데이터를 획득하는,
    탄소섬유 복합재 품질검사방법.
KR1020220075375A 2022-06-21 2022-06-21 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법 KR20230174450A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220075375A KR20230174450A (ko) 2022-06-21 2022-06-21 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220075375A KR20230174450A (ko) 2022-06-21 2022-06-21 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법

Publications (1)

Publication Number Publication Date
KR20230174450A true KR20230174450A (ko) 2023-12-28

Family

ID=89384940

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220075375A KR20230174450A (ko) 2022-06-21 2022-06-21 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법

Country Status (1)

Country Link
KR (1) KR20230174450A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR930000644A (ko) 1991-06-03 1993-01-15 이승동 음이온계 수성 폴리우레탄 접착제 조성물의 제조방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR930000644A (ko) 1991-06-03 1993-01-15 이승동 음이온계 수성 폴리우레탄 접착제 조성물의 제조방법

Similar Documents

Publication Publication Date Title
US9953435B2 (en) Method for checking an image inspection system
US11449980B2 (en) System and method for combined automatic and manual inspection
KR102102874B1 (ko) 자동 광학 검사 시스템 및 그 동작 방법
CN105021628B (zh) 一种用于光纤倒像器表面缺陷的检测方法
JP2011020455A (ja) 変形可能なキャリヤ上に印刷された画像の印刷品質を自動的に判断する方法
CN114445402B (zh) 半导体芯片用掩模版贴膜精度检测方法及检测装置
JP3906780B2 (ja) 部品コード変換テーブルに対するデータ登録方法、基板検査データの作成装置、登録処理用のプログラムおよびその記憶媒体
US9892502B2 (en) Image inspection method with a plurality of cameras
CN112368569A (zh) 半导体检查中的多模式缺陷分类
CN109425327B (zh) 检查***和检查用图像的修正方法
KR20180129057A (ko) 반도체 소자 검사 시스템 및 그 동작 방법
US8781208B2 (en) Inspection method and inspection apparatus
KR20230174450A (ko) 결함 유형 학습을 통한 탄소섬유 복합재 품질검사방법
CN117455887A (zh) 基于机器视觉的pcb来料检测方法、装置、设备及介质
JP3806461B2 (ja) 物品外観検査装置
JP2009264876A (ja) 製品品質の検査システム及びその方法
JP6668199B2 (ja) マスク検査方法
WO2022044307A1 (ja) アライメント装置及びアライメント方法
JP7136479B2 (ja) 検査装置、検査方法及び検査プログラム
CN113034424A (zh) 模型训练方法与电子装置
JPH0615236A (ja) メロンの外観品質評価装置
US11704788B2 (en) Secondary detection system for integrating automated optical inspection and neural network and method thereof
KR102618194B1 (ko) Ai와 자동제어 기술을 접목한 반도체 패키지 기판 가공홀 3d 자동 공정검사 방법 및 시스템
JP6938397B2 (ja) 検査装置および検査方法
JP7042168B2 (ja) 検出同等性評価方法及び検出同等性評価装置