본문 바로가기
자료실/이미지
DataMan 370 Series와 DataMan 470 Series를 이용한 픽 앤 팩 고객의 수요가 급속도로 증가하고 있어 운영팀은 처리 품질을 유지하면서 작업자의 처리량을 늘릴 수 있는 방안을 모색하고 있습니다. 일반적으로 이처럼 증가된 수요를 충족하기 위해서는 더 많은 작업자를 고용하든지, 기존의 작업자 효율을 증가시킬 방법을 찾는 두 가지 옵션이 있습니다. 많은 업체에서는 후자를 먼저 선택합니다. 픽 공정 내에서는 작업자가 빠르게 제품을 스캔하여 주문 픽 계획을 토대로 검증하면서 처리량을 증대하는 데 필요한 속도를 유지 할 수 있어야 합니다. 이러한 공정에는 여러 가지 요인으로 인해 까다로운 문제가 대두됩니다. 물품의 다양한 면에 위치한 코드는 운송 또는 취급 중 손상될 수 있고, 작업자가 양호한 판독 결과를 얻기 위해서 여러 번 스캔을 시도해야 합니다. 레이저 바코드 스캐너와 같은..
자료실/이미지
DS1000 3D 레이저 변위 센서와 3D-A5000 시리즈를 이용한 충전 수위 검사 머신 비전은 제조사와 장비 공급 업체에 의한 충전 장비 자동화를 개선합니다. 이 애플리케이션에는 용기 결함 검사, 패키지 위치 및 방향 결정, 누락 또는 충전 미달 제품 검사를 통한 충전 장비 자동화 개선 등이 포함됩니다. 충전 전에 용기가 충전기 아래 올바른 위치에 배치되어야 합니다. 부적절하게 위치된 용기로 누출이나 지연이 발생할 수 도 있습니다. 충전 라인은 분 당 수백 병 속도로 빨리 움직입니다. 더군다나 충전수위 오차 허용 한도는 매우 좁습니다. 적절하게 충전되지 않은 병은 제거되어야 합니다. 3D-A5000 영역 스캔 3D 카메라는 탁월한 성능, 정밀도, 내구성으로 충전 검사와 같은 3D 애플리케이션을 해결합니다. 이 3D 스캔 카메라는 용기 위에 위치시키면 적절한 충전을 보장합니다. 3D-A..
자료실/이미지
Cognex 산업용 카메라와 VisionPro Deep Learning을 이용한 광학 문자 인식(OCR) 제조업체는 배터리의 바닥면에 인쇄된 알파벳/숫자 코드를 빠르고 정확하게 찾아 디코딩할 수 있어야 합니다. 머신비전 시스템은 강한 반사광과 확산으로 인해 문자 위치 찾기와 인식이 어려울 수 있으며, 특히 문자가 왜곡된 경우 더욱 어렵습니다. 검사 시스템이 성공적으로 문자를 디코딩하기 위해서는 이러한 난제를 극복할 수 있어야 합니다. VisionPro Deep Learning 툴은 이미지 형성이 어려움에도 불구하고 변형된 문자를 찾아 판독합니다. 위치 설정 툴은 관심 영역(ROI)을 식별할 수 있는데, 이 경우 ROI는 영숫자 코드가 표시된 실린더형 배터리의 상단입니다. 위치 설정 툴은 사전 학습된 모든 문자 인식 기능을 사용하여 반사나 명암 때문에 불분명한 문자까지 인식해 냅니다. 엔지니어는 소프트웨어를 ..
자료실/이미지
DataMan 150/260 Series와 고정형 바코드 리더기를 이용한 1D 및 2D 코드 판독 바코드 리더기로 가스 제거 이전, 지그 형성 이후, 셀 배터리 파우치 표면은 물론 전극 탭에서 DataMatrix 코드를 판독해 이전 단계의 코드와 일치하는지를 확인하고, 스테이션 한 곳에 투입된 재료가 나오는 재료와 일치하는지 검사합니다. 리드 탭과 파우치 표면은 반사율이 매우 심하기 때문에 코드 판독 시 문제가 될 수 있습니다. 잉크젯 인쇄 과정의 속도에 따라 파우치 표면의 DataMatrix 코드 가로세로 비율이 달라지게 됩니다. 이렇게 불균일하고 왜곡된 코드는 종종 ‘판독 불가’로 등록되어 생산 속도를 저하시킵니다. 생산업체는 전극 탭과 셀 파우치를 판독하고 빛 반사율을 억제하기 위해 외부 조명 대신 노출도가 매우 높은 바코드 리더기를 필요로합니다. DataMan150/260 시리즈 고정형 바코드..
자료실/이미지
In-Sight D900과 VisionPro Deep Learning을 이용한 VIN 코드 검사 차대 번호, VIN 코드는 자동차의 다양한 ID로 사용되는 여러 문자로 구성된 코드입니다. VIN 코드는 문자와 숫자를 포함하며 금속 표면에 식각하거나 기입한 형태의 직접 부품 표시(DPM)나 스티커에 인쇄한 형태로 적용될 수 있습니다. 자동차 생산회사들은 성공적인 추적을 위해 VIN 코드의 위치를 찾고 해석할 수 있어야 합니다. 강한 반사광, 페인트 색상, 빛 확산 등으로 인해서 머신 비전 시스템은 문자를 찾고 인식하기가 어렵습니다. 검사 시스템가 성공적으로 문자를 판독하기 위해서는 난이도 높은 이미지를 구성하는 반사 표면을 적절하게 다룰 수 있어야 합니다. 코그넥스 딥러닝 OCR 툴이 있다면 이미지 형성에 문제가 있는 경우에도 변형된 문자의 위치를 쉽게 식별하고 판독할 수 있습니다. 엔지니어는 소프트..
자료실/이미지
DataMan 370 Series와 DataMan 8700을 이용한 의료 기기 이력관리 미국 식품의약 관리국(FDA) UDI(Unique Device Identifier) 요건 및 유럽위원회의 MDR/VDR(Medical Device and In Vitro Diagnost Regulations)에서는 각 의료기기에 관한 정보를 추적할 수 있는 경로를 제공하기 위해 UDI 시스템을 사용할 것을 요구합니다. 모든 의료기기, 케이스 및 팔레트는 1D 또는 2D 코드를 사용해 식별과 데이터 캡처를 간소화하며, 최대한의 효율과 처리량을 구현하기 위해서 정확하고 빠르게 코드를 판독해야 합니다. 마킹 또는 라벨 프린팅 공정을 거친 후, 코드의 대비가 저하되거나 손상되고 희미해지며, 개별 포장 아래에 인쇄될 수 있어 코드를 추적하기가 어려워집니다. 이는 생산 지연, 재인쇄로 인한 비용 발생, 제품 폐기 ..
자료실/이미지
In-Sight D900과 VisionPro Deep Learning을 이용한 커패시터 솔더링 검사 커패시터는 전기차(EV)의 인버터, 충전기, 기타 회로에 납땜 처리되는 중요한 전기 부품입니다. 이는 수퍼커패시터 또는 울트라커패시터에 연결되어 있을 수도 있습니다. 이러한 솔더링 전기 연결부의 낮은 저항과 고전류 적재량은 EV 작동에서 필수적입니다. 커패시터의 연결이 약하거나 잘못 수행되는 경우 차량의 효율이 저하됩니다. 중요 연결부가 보조 배터리와 같은 곳에 위치할 경우 차량이 완전히 망가지거나 정비가 필요할 수 있습니다. 납땜 처리된 연결부는 기능에 영향을 미치지 않지만 외관상 큰 차이가 있을 수 있고, 반대로 허용할 수 없는 연결부라고 해도 육안으로는 기능상 문제가 없어 보일 수 있습니다. 연결부가 EV 기능에 미치는 영향을 방지하기 위해 결함이 의심되는 납땜 처리된 부품은 종종 해체된 후 X-r..
자료실/이미지
DataMan 470 Series와 고정형 바코드 리더기를 이용한 2D 코드 판독 전극 셀 시트의 구리 전극에 2D DataMatrix 코드를 레이저 마킹해 추적합니다. 변형 또는 스택 공정이 완료된 후 양산 공정 후반부에 EV 배터리 셀 시트를 반드시 재판독해 조립 상태를 검증해야 합니다. 셀 시트의 표면 반사율은 마킹, 변형, 스택, 조립 단계 중 추적 작업을 어렵게 해 판독 문제를 일으킬 수도 있습니다. EV 배터리 마킹 DataMan 370 이미지 기반 바코드 리더기는 표면 반사에도 불구하고 구리 표면에 2D 코드가 마킹되는 즉시 코드를 판독할 수 있습니다. DataMan 370은 이미지 처리 기술, 고해상도 센서 및 고급 디코딩 알고리즘을 통해 가혹한 환경에서도 업계에서 가장 뛰어난 판독률을 제공합니다. 변형 및 스택 모든 전극 셀 시트는 마커와 스택 스테이션 사이의 공정에서..
자료실/이미지
VisionPro Deep Learning과 In-Sight D900을 이용한 원두커피 검사 커피 로스터 및 판매업체는 종종 다른 종류의 원두커피를 혼합해서 특별하면서도 일관된 풍미를 만들어냅니다. 이러한 블렌드는 5가지 정도의 특정 원두커피 종류를 사용해 조성되며, 공급업체들은 새롭고 독특한 블렌드를 만들어 시장에서 경쟁합니다. 원두는 각기 다른 공급업체로부터 제공되며, 물품 리스트에 넣기 전에 원두의 품명이 확인되어야 합니다. 잘못된 원두 종류가 포함되면 최종 제품의 풍미가 바뀔 수 있어 소비자의 불만족으로 이어질 수 있습니다. 또한 각각의 입고분 또는 블렌드 할 분량에 대해 식물, 작은 돌, 기타 물질 등 물리적 오염물이 없는지를 검사해야 합니다.단일 품종에서 원두커피는 모양이 크게 다를 수 있고, 크기, 형태, 표면 질감, 컬러를 포함해 수많은 변수에 따라 품종마다 전반적인 차이가 있을 ..
자료실/이미지
VisionPro DeepLearning과 In-Sight D900을 이용한 츄잉껌 검사 츄잉껌, 니코틴 껌, 기타 작고 매끈하며 곡면이 있는 아이템은 표면에 움푹 패이거나 긁힘과 같은 다양한 외관상의 결함을 비롯하여 허용되는 것으로 간주되는 그 밖의 이상을 나타낼 수 있습니다. 이처럼 작고 매끈한 표면을 가진 아이템에사소한 손상은 일반적이며, 검사할 수량이 많기 때문에 자주 놓치는 경우가 있습니다. 허용되는 모양의 종류와 함께 가능한 결함의 미묘한 차이와 변동성으로 인해 허용되는 아이템을 통과시키면서 모든 결함을 감지하도록 기존의 머신 비전을 프로그래밍하기는 불가능합니다. 코그넥스 딥러닝은 고객에게 결함 있는 아이템이 도달하지 않도록 이런한 종류의 제품을 정확히 검사합니다. 이 기술은 손상되지 않은 아이템과 여러 가지의 외관상 손상이 있는 또 다른 아이템의 작은 이미지 세트를 트레이닝합니다..

티스토리툴바