에어백은 승객의 안전을 보장하기 위해 엄격한 품질 표준이 적용됩니다. 자동차 생산업체는 품질을 보장하고 보증 비용을 줄이며, 리콜 책임을 감소시키기 위해서 모든 중요 안전 구성 요소를 이중, 삼중으로 검사해야 합니다. 이러한 측면은 구멍, 틈, 찢어짐, 밀봉부, 재봉 문제로 인해서 고장이 발생할 수도 있는 에어백 검사에서 특히 중요합니다. 이러한 종류의 품질 문제는 종종 수동 검사에서 누락되거나 검출하기 어려울 수 있습니다. 또한 에어백의 복잡한 직물 표면 때문에 기존 머신 비전 시스템에 프로그램 하는 것이 어렵습니다. 직물 패턴은 매우 복잡하고 직물의 늘어남 특성, 두께, 수많은 작은 허용 가능한 변동 등으로 인해 시각적 형상이 에어백에 따라 크게 달라집니다. Cognex Deep Learning는 모든 결함을 직접적으로 찾는 작업이 너무 복잡하고 시간이 많이 소비되기 때문에 '불량' 이미지를 학습시키지 않고 문제가 있는 모든 특징들을 파악하는 간단한 솔루션을 제공합니다.
엔지니어는 코그넥스 딥러닝 결함 감지 툴의 비지도 학습 모드를 통해 에어백의 양품 이미지만으로 소프트웨어를 학습시켜 에어백의 참조 모델을 구성할 수 있습니다. 이 모델은 직물 패턴, 특성, 색상 등 에어백의 정상적인 외형을 학습합니다. 모델의 정상적 외형에서 벗어난 모든 특징은 비정상으로 분류됩니다. Cognex Deep Learning는 이러한 방법으로 구멍, 틈, 찢어짐, 밀봉부, 비정상적인 재봉 패턴 등 모든 문제를 높은 신뢰성과 일관성으로 감지합니다. 직물에서 문제가 있는 부분은 광범위한 결함 라이브러리가 없어도 신속하게 파악되고 보고됩니다
COGNEX 제품 적용 솔루션 참조 : www.xvision.co.kr
머신 비전 관련 문의처 ☞ (주)아이디맥스 02-838-1170
공장 자동화를 위한 인공지능 딥러닝 : www.newbrain.co.kr기술영업문의 : sales@idmax.co.kr
자동인식 전문기업 IDMAX : www.idmax.co.kr 기술영업문의 : sales@idmax.co.kr
자동인식 장비 유지보수 전문 : http://barcodeas.co.kr/front/
'자료실 > 이미지' 카테고리의 다른 글
| In-Sight D900과 VisionPro Deep Learning을 이용한 자동 전기 커넥터 검사 (0) | 2022.02.03 |
|---|---|
| In-Sight® 비전시스템과 PatMax기술을 이용한 웨이퍼 노치 검출 (0) | 2022.02.03 |
| Cognex Designer 비전 소프트웨어와 In-Sight® 비전시스템을 이용한 이송 트레이 식별 (0) | 2022.01.25 |
| In-Sight® 비전시스템과 Cognex Designer 비전 소프트웨어를 이용한 브레이크 밸브 구성품 검사 (0) | 2022.01.24 |
| In-Sight 7000 Series와 In-Sight® 비전시스템을 이용한 담배 납세 인지 OCR 코드 검사 (0) | 2022.01.14 |
