본문 바로가기

코그넥스/딥러닝

코그넥스/딥러닝
COGNEX(코그넥스) 성공을 위해 딥러닝 검사 애플리케이션의 적절한 학습이 매우 중요한 이유 내용 딥러닝 기반 검사 애플리케이션에 대해 가장 주용한 고려 사항들 중 하나는 애플리케이션 학습입니다. 딥러닝 기반 애플리케이션은 명시적으로 프로그래밍되는 것이 아니라 허용된 범위 외부에 속하는 비정상적인 문제를 포착하기 위해 레퍼런스 이미지에서 학습됩니다. 그리고 특정 프로젝트에 이 기술이 할 수 있는 것들에 대한 적절한 기대를 설정하는 작업이 중요하며 직면한 애플리케이션 생성을 위해 필요한 것이 무엇인지 아는 것이 중요합니다. 딥러닝 기반 애플리케이션 학습이 중요한 이유 딥러닝 기반 애플리케이션의 결과나 출력물은 해당 시스템의 적절한 교육 없이는 예상하지 못한결과로 나올 수 있으며 생산업체가 신뢰성이 높은 검사 결과가 필요하기 때문에 바람직하지 않습니다. 공장 자동화의 경우, 애플리케이션 엔지니어는 ..
코그넥스/딥러닝
COGNEX(코그넥스) 제조의 미래 : Cognex 딥 러닝을 만나기 내용 Cognex 딥 러닝 솔루션은 제조업체가 머신 비전으로 가능한 것의 한계를 뛰어 넘는 데 도움이 됩니다. 인간의 인지에서 영감을 받은 딥 러닝 기술은 제조 장비에 이미지를 인식하고 새로운 방식으로 환경을 인식할 수 있는 기능을 제공합니다 인간의 눈의 유연성과 컴퓨터의 속도 및 견고성을 갖춘 딥 러닝 기반 비전 알고리즘은 한 때 개발하는 데 몇 달이 걸렸던 공장 현장 애플리케이션을 해결할 수 있습니다. 여기에는 미묘한 방식으로 다양한 질감 패턴에 대한 외관 검사와 같이 프로그래밍하기 너무 복잡하거나 유지 관리하기 어려운 애플리케이션이 포함됩니다. 혼란스러운 배경을 가진 복잡한 어셈블리, 그리고 심지어 복잡한 문자 읽기, Cognex는 공장을 위해 특별시 설계된 최초의 딥러닝 기반 이미지 분석 소프트웨..
코그넥스/딥러닝
COGNEX(코그넥스) 생산 활동을 위한 머신 러닝 소개 내용 딥러닝은 인공 지능의 하위 집합에 해당되며 보다 폭넓은 머신 러닝 분야의 일부입니다. 딥러닝은 인간이 프로그래밍하는 특정 작업 중심의 컴퓨터 애플리케이션 대신, 비구조화된 데이터를 받아서 스스로 학습하고 이 학습 데이터에 기초해서 보다 정확한 결과를 산출합니다. 딥러닝 애플리케이션은 명시적으로 작업을 프로그래밍하지 않고 보다 구체적인 범위의 작업을 학습하고 해결합니다. 딥러닝은 애플리케이션은 데이터 집합 내에서 지속적으로, 그리고 다양한 규모로 비정상적 요소와 변동을 인식할 수 있습니다. 차이점을 발견하거나 집이 무엇인지 이해하는 활동은 인간이 본능적으로 작하는 일이며 지금까지는 유연성 없는 프로그램에 기초한 컴퓨터 시스템은 잘하지 못하는 일이었습니다. 딥러닝 기술은 패턴을 예측하고 중요한 사업 결..
코그넥스/딥러닝
COGNEX(코그넥스) 신경망이 생산 검사를 지원하는 방법 인공 신경망이란 무엇일까요? 인공 신경망 내 각 프로그램은 기본적인 연산만 수행할 수 있습니다. 하지만 수많은 노드들을 서로 연결함으로써 전체적인 연산 능력은 각 부분들의 단순 합보다 더 증가합니다. 인공 신경망이 시스템 내 한 프로그램에서 다른 프로그램으로 입력 데이터를 전달할 때 인공 신경망은 스스로를 학습시키고 마치 인간이 정보를 학습하는 것처럼 해당 데이터를 이용해서 점점 더 똑똑 해집니다. 인공 신경망은 컴퓨터가 특정 작업, 예를 들면 다양한 사진 속에서 특정 얼굴을 인지하거나 참고 강아지 사진들을 통해 어떤 것이 강아지인지, 아닌지를 판단하는 작업을 수행하는 방법을 배우는 방법이 있습니다. 인공 신경망 내 각 프로그램은 뉴런이라고 부르며 이 뉴런들은 무작위 개수로 지정된 다른 뉴런들과 연결됩니..
코그넥스/딥러닝
COGNEX(코그넥스) 다섯 단계를 통해 딥러닝 공장 자동화 프로젝트를 시작하는 방법 내용 딥러닝 이미지 분석은 다양한 산업 분야에서 공장 자동화 기회를 제공합니다. 표면 결함 검사에서부터 다양한 부품의 정렬, 최종 어셈블리 검사, 제품 품질 등급 결정, 난이도 높은 텍스트 판독에 이르기까지 딥러닝 대응 비전 시스템은 다양한 새로운 애플리케이션을 처리할 수 있습니다. 딥러닝은 예제 기반 알고리즘과 신경망을 이용해서 결함을 분석하고 물체 위치를 찾고 분류하면 인쇄된 표식을 판독합니다. 수많은 예제를 통해서 어떤 것이 좋은 이미지인지 컴퓨터에게 학습시킴으로써 예상되는 변형을 고려하면서 우량 부품과 불량 부품의 차이를 파악하도록 할 수 있습니다. 이러한 애플리케이션에는 유도, 식별, 측정, 검사 등이 포함되는데 이러한 모든 것들은 매우 빠른 속도, 매우 높은 정밀도로 작동합니다. 이러한 유형의..
코그넥스/딥러닝
COGNEX(코그넥스) 변동성이라는 과제 내용 기존의 머신비전 시스템은 일관적이며 규칙적으로 제조된 부품에서 안정적으로 작동했습니다. 머신비전 시스템은 육안 검사보다 비용적인 면에서 효과적인 단계별 필터링과 규칙 기반 알고리즘을 통해 작동합니다. 하지만 예외가 늘어나고 결함 라이브러리의 규모가 혹장되면 알고리즘을 다루기가 힘들어집니다. 최종 조립 검증과 같은 특정한 기존의 머신 비전 검사는 머신으로 구분하기 어려운 여러 변수(조명, 색상 변화, 곡률, 시야 등) 때문에 프로그래밍하기가 매우 까다롭습니다. 머신 비전 시스은 배율, 회전, 배치 왜곡으로 인한 부품 외관상의 변화는 검사할 수 있지만, 복잡한 표면 텍스처와 이미지 품질 문제가 개입되는 경우 까다로운 검사를 필요로 합니다. 머신비전 시스템은 시각적으로 매우 유사한 부품 간의 변동성과 편..
코그넥스/딥러닝
COGNEX(코그넥스) 머신 비전의 이점 내용 인간의 시력은 복잡하고 구조화되지 않은 장면을 질적인 측면에서 해석하는 데 최적인 반면 머신 비전은 속도, 정확성, 반복성 덕분에 구조화된 장면을 양적인 측면에서 측정하는 데 뛰어납니다. 예를 들어, 생산 라인에서 머신 비전 시스템은 1분에 수백 또는 수 천 개의 부품을 검사할 수 있습니다. 적합한 카메라 해상도와 광학 장치를 가준 머신 비전 시스템은 너무 작아서 인간의 눈으로는 볼 수 없는 물체의 세세한 부분까지 쉽게 검사할 수 있습니다. 테스트 시스템과 테스트 대상인 부품 간의 물리적인 접촉을 분리할 때 머신 비전은 부품이 손상되는 것을 방지하며 기계적인 구성 요소의 마모 및 마손과 관련된 유지보수 시간과 비용이 불필요합니다. 머신 비전은 제조 공정에서 인력의 개입을 줄여 안전과 운영상의 이점을..
코그넥스/딥러닝
COGNEX(코그넥스) 공장자동화를 위한 딥 러닝 내용 주머니 속의 휴대 전화에서 자율 주행 자동차의 현실에 이르기까지 소비자 경제는 딥 러닝의 신경망의 힘을 활용하기 시작했습니다. 딥 러닝은 우리가 모바일 및 웨어러블 장치에서 사용하는 음성, 텍스트 및 얼굴 인식의 기초 기술로 부상했으며 현재 의료 진단에서 인터넷 보안, 패턴 예측 및 확인을 위한 다른 많은 응용 프로그램에서 사용되기 시작했습니다. 중요한 비즈니스 결정을 할 때 동일한 기술은 이제 품질 검사 및 기타 판단 기반 사용을 위한 고급 제조 관행으로 마이그레이션되고 있습니다. 본질적으로 딥 러닝은 기계가 인간에게 자연스럽게 오는 일, 즉 모범을 통해 배우도록 가르칩니다. 새롭고 저렴한 하드웨어 덕분에 인간 두뇌의 뉴런 네트워크를 모방한 생체 영감을 받은 다층 "심층" 신경망을 구현하는 것이 ..
코그넥스/딥러닝
COGNEX(코그넥스) 머신 비전 애플리케이션 내용 가장 단순한 조립 검증이든 복잡한 3D 로봇 빈 선택이든, 일반적이든 모든 머신 비전 애플리케이션의 단계는 카메라의 시야에서 관심있는 기능이나 물체를 찾기 위한 유형 일치 기술입니다. 관심 물체를 찾는 것은 종종 성공하거나 실패를 결정합니다. 유형 일치 소프트웨어 도구가 이미지 내에서 부품을 정확하게 찾을 수 없는 경우, 부품을 안내, 식별, 검사, 계산, 측정할 수 없습니다. 부품을 찾는 것이 간단해 보이지만, 실제 생산 환경에서의 그 외관의 차이로 인해 해당 단계가 매우 어려워 질 수 있습니다. 비전 시스템은 유형을 기준으로 부품을 인식하도록 훈련되어 있지만, 가장 엄격하게 통제되는 프로세스에서도 부품의 외형에 약간의 변형이 허용됩니다. 정확하고, 신뢰할 수 있으며, 반복 가능한 결과를 얻으려면..
코그넥스/딥러닝
COGNEX(코그넥스) 머신 비전의 구성 요소 내용 머신 비전 시스템의 주요 구성 요소로는 조명, 렌즈, 이미지 센서, 비전 프로세싱, 통신이 있습니다. 조명은 카메라를 통해 그 기능을 분명히 나타낼 수 있도록 부각시키면서 검사되어야 할 부분을 비춥니다. 렌즈는 이미지를 캡처하여 빛의 형태로 센서에 나타냅니다. 머신 비전 카메라의 센서는 이 빛을 디지털 이미지로 변환한 다음 분석을 위해 프로세서로 전송합니다. 비전 프로세싱은 이미지를 검토하고 필요한 정보를 추출하고, 필수 검사를 실행하여, 결정을 내리는 알고리즘으로 구성됩니다. 마지막으로, 정보를 기록하거나 사용하는 직렬 연결을 통해 장치로 전송되는 데이터 또는 이산 I/O 신호로서 통신이 완료 됩니다. 조명 모듈, 센서, 프로세서와 같은, 대부분의 머신 비전 하드웨어 구성 요소는 상업용 기성품(C..

티스토리툴바