본문 바로가기

분류 전체보기

코그넥스/In-Sight
Cognex(코그넥스) In-Sight 2800 비전시스템 In-Sight 2800 비전 시스템은 딥러닝 기술과 기존의 규칙 기반 비전 툴을 결합하여 광범위한 분야의 문제를 해결합니다. 단순한 유무 확인에서부터 첨단 특성화 및 분류 작업까지 In-Sight 2800은 오류 방지를 위해 손쉽게 배포할 수있는 솔루션을 제공합니다. 공장자동화를 위해 설계된 In-Sight 2800을 통해 규모에 상관없이 모든 제조업체는 다음을 실현할 수 있습니다. 제품 품질 개선 - 최적화된 오류 감지 기능으로 감지하기 힘든 작은 결함을 포착합니다. 운영상의 효율 최대화 - 기존의 인력을 활용하고, 빠르고 직관적인 직업 설정으로 라인을 원활하게 가동합니다. 능률적인 통합 - 이미지 최적화에서 짐작에 의한 결정을 없애고 몇 번의 버튼 클릭으로 올바른 부속품 조합을 식별합니다. 다양한 ..
자료실/이미지
OCRMax Technology와 고정형 바코드 리더기를 이용한 배터리 셀의 2D 판독 스마트폰 배터리 생산 시 OEM 공급업체부터 완제품에 이르기까지의 소스 및 배치 이력을 추적하기 위해 레이저로 2D 바코드를 새깁니다. 이러한 대량의 바코드를 빠르고 안정적으로 판독해야 합니다. 가장 효과적인 방법은 넓은 시야(FOV)를 갖춘 고해상도 카메라를 사용해 여러 개의 배터리를 동시에 스캔하는 것입니다. 그러한 DPM(직접 부품 마크) 코드는 대비가 낮아 종종 손상과 변형이 발생할 수 있습니다. 배터리 표면의 반사성으로 인해 특정 속도로 코드를 정확하게 판독하기가 어려울 수 있습니다. 코그넥스 DataMan 고정형 바코드 리더기는 금속 부품에서 2D DPM 코드를 해독하기 위한 이상적인 솔루션입니다. 코드가 손상되거나 가려져있거나 필수 요소가 누락된 경우라도, PowerGrid 기술이 통합된 2..
자료실/이미지
DataMan 470 Series를 이용한 정밀 로봇 가이드 모바일 기기 조립 시 최종 조립 단게에서 배터리, 스피커, 카메라 또는 마이크와 같은 성능이 중요한 모듈의 정밀 로봇 가이드가 수행됩니다. 자동화된 모듈 삽입 기계는 프로그램을 사용자 정의 해야하므로 많은 비용과 오류가 발생하기 쉽습니다. 또한, 많은 로봇 및 카메라 보정 작업 시 숙련된 작업자가 가이드를 조정하기 위해 많은 시간을 할애해야 합니다. 이러한 단계에서 부품을 교체하는 것은 많은 비용이 들고 캘리브레이션 업데이트에도 오랜 시간이 걸립니다. 코그넥스의 로봇 자동 보정으로 보정 시간을 상당히 감축시킬 수 있습니다. 최종 조립 단계에서의 수작업 단계를 제거함으로써 효율성과 처리량을 높일 수 있습니다. 코그넥스는 고객에게 원활한 커뮤니케이션을 통한 기술 지원을 제공하기 위해 주요 로봇 제조업체들과 ..
자료실/이미지
VisionProDeepLearning과 In-Sight D900을 이용한 안전 벨트 직물 검사 자동차 안전 벨트 및 안전 하니스는 웨빙이라고 하는 튼튼하게 짜여진 폴리에스테르 직물로 만들어집니다. 안전 벨트는 차량의 안전 장비에서 중요한 부분을 차지합니다. 안전 벨트 웨빙은 굵은 스티칭으로 앵커 브래킷 및 버클과 같은 여러 하드웨어 부분에 연결됩니다. 결함 없는 웨빙과 스티칭은 모두 완성된 안전 벨트 또는 하니스의 안전성과 신뢰성에 중요합니다. 직물 또는 스티칭의 결함은 안전에 있어 허용되지 않으며, 이후 검사에서 오류가 발견된 경우 해당 차량을 라인에서 빼내어 새로운 안전 벨트와 안전 하니스 세트를 다시 설치해야 합니다. 하드웨어에 연결되는 웨빙 직물과 스티칭 모두 복잡하고 모양이 각기 다릅니다. 직조 및 스티칭의 오류는 어디서나 다양한 형태로 나타날 수 있습니다. 모든 가능서을 프로그래밍하는 ..
자료실/이미지
VisionProDeepLearning과 In-Sight D900을 이용한 자동 휠 스터드 감지 휠 스터드 또는 휠 볼트는 허브에 고정되어 휠에 장착되고 나사산 단면에 휠을 허브에 고정하는 러그 너트가 조여집니다. 휠을 러그 너트가 조여집니다. 휠을 러그 너트 설치 및 조임 단계로 진행하기 전에 누락된 스터드가 있는지 포착해야 합니다. 자동차 휠은 디자인이 매우 다르고 종종 반사성 금속 재질로 되어 있기 때문에 시각적으로 혼동을 줄 수 있습니다. 디자인에 따라 휠 스터드가 돌출되거나 컵안에 깊이 장착될 수 있습니다. 이 모든 점은 기존의 머신비전이 가능한 여러 조명 조건 하에 다양한 각도에서 휠 스터드를 자동으로 감지하도록 프로그램 하기 어렵게 만듭니다. 코그넥스 딥러닝은 올바른 휠 볼트위 조립을 정확히 검증합니다. 부품 위치식별 툴은 다양한 위치와 각도에서 각 스터드의 샘플 이미지를 사용해 트레이..
자료실/이미지
Cognex Designer 비전 소프트웨어와 In-Sight 비전시스템을 이용한 휠 및 러그 너트 토크 어셈블리 프로세스 중 수동으로 휠 러그 너트를 조이는 작업은 노동 집약적 작업이다. 일반적으로 너트 러너는 크기가 크고 무거우며, 각 휠에 수동으로 배치하여 필요한 토크를 적용한다. 이러한 무거운 장비 부품을 조작할 때는 작업자의 안전 문제가 대두된다. 또한 차량이 토크 스테이션에 도달할 때 항상 같은 위치에 있지 않으므로 경우에 따라 차량의 휠을 회전하고 기울여야 한다. 너트 러너의 크기, 무게와 더불어 다양한 유형은 이 프로세스를 자동화하는 데 있어 주요 난제로 꼽힌다. 코그넥스 2D 비전 시스템은 기하학 패턴 매칭 툴을 사용해 휠의 유형을 인식 하고, 축의 중앙 위치를 찾는다. 또한 이 비전 시스템은 회전 각도를 결정하기 위해 휠의 림을 검사하고, 휠의 회전 및 기울기 각도를 계산하기 위해 두 개의..
자료실/이미지
VisionProDeepLearning과 In-Sight D900을 이용한 경피 패치 검사 다양한 항생제, 방부제, 항진균제 및 기타 약물은 피부에 부착하는 접착식 패치를 통해 직접 투여될 수 있습니다. 제조 과정에서 액상 형태의 활성 성분을 패치에 떨어뜨립니다. 이때 방울의 크기를 일관되게 유지하는 것은 어려운 일입니다. FDA규정에서는 각 제품에 대해 허용되는 치료목적의 투여량 범위와 근접하게 유지할 것을 요구합니다. 방울이 너무 크거나 작고, 패치에서 잘못된 위치에 떨어지거나, 형태가 잘못되면 투여량이 달라지고, 그 결과 규제 준수 문제와 더불어 향후 리콜로 이어질 수 있습니다. 기존의 머신비전은 패치의 배경에서 이러한 방울의 존재유무와 정확한 크기를 분석하는 데 어려움이 있습니다. 육안으로는 부피를 판단할 수 없어 수작업으로 진행되는 검사는 오차가 발생할 확률이 높습니다. 코그넥스 딥러..
자료실/이미지
VisionProDeepLearning과 In-Sight D900을 이용한 칫솔 검사 칫솔 헤드를 제조하기 위해 나일론 칫솔모 또는 필라멘트 사 묶음을 반으로 구부려 헤드에 성형된 구멍으로 삽입한 다음, 금속 스테이플 링으로 제위치에 고정합니다. 솔질의 디자인과 용도에 따라 칫솔모는 다양한 종류의 지름과 단면, 컬러로 제공됩니다. 모든 칫솔모 묶음이 배치된 후, 칫솔모를 다듬어 여러 가지 형태 중 하나로 완성하기 전에 칫솔 헤드 검사를 통해 적절한 배치, 밀도, 컬러를 확인해야 합니다. 많은 소비자 용품처럼 칫솔 헤드에서 칫솔모의 가능한 단면, 밀도, 컬러의 경우에 수가 크게 증가하였습니다. 칫솔은 입에 들어가는 제품이기 때문에 티끌만한 결함도 없어야 합니다. 하지만 결함은 예측하기가 어렵고 가능한 결함의 범위가 방대하기 때문에 기존의 머신비전으로 모두를 감지하돋록 프로그래밍하기가 어렵습..
자료실/이미지
VisionProDeepLearning과 In-Sight D900을 이용한 휴지 롤 검사 판매를 위한 화장지 롤은 일반적으로 여러 번 감겨 있습니다. 이 제품은 소비자가 직접 확인할 수 있는 포장이기 때문에 롤이 대칭으로 정렬되고 올바른 방향으로 되어 있어야 하며, 변형되거나 짓눌려 있지 않아야 합니다. 포장물에서 잘못 배치되거나 변형된 롤은 팔레트에 배치되어 포장될 때 컨베이어, 소터 및 픽앤플레이스 로봇에서 후속 문제로 이어질 수 있습니다. 이처럼 부피가 큰 포장물에서 유래한 결함으로 인해 기계가 막혀 라인 가동 중단까지 초래할 수 있습니다. 화장지, 종이 타월과 같이 부드럽고 부피가 큰 품목은 여러 가지 방식으로 손상되거나 변형될 수 있어 기존의 머신 비전이 가능성 있는 모든 결함을 인식하도록 트레이닝하기가 어렵습니다. 코그넥스 딥러닝은 이처럼 감긴 종이 롤 포장 검사에 이상적입니다. ..
자료실/이미지
VisionProDeepLearning과 In-Sight D900을 이용한 자동 유리병 카운팅 오일, 로션, 향수와 같이 액체 상태의 여러 럭셔리한 소비제품은 화학적 안정성과 고급스러운 외관을 위해 유리병, 용기 또는 자에 담겨 포장됩니다. 이 용기는 고가의 제품을 보호하는 동시에 부각시켜줍니다. 채워진 용기는 트레이에 빽빽이 포장되며, 이차 포장 단계로 이동하기 전에 카운트를 해야 합니다. 반사성을 가진 투명한 유리 용기가 서로 맞닿게 됩니다. 전체 트레이를 보기 위해 필요한 넓은 FOV는 이미지의 각 부분에서 다양한 각도로 용기를 보여줍니다. 이 모든 요인으로 기존의 머신 비전으로는 용기를 정확히 카운트하기가 어렵습니다. 정확한 카운팅은 공정 제어, 인벤토리 관리, 제품 조정을 위해 중요하며, 이를 통해 고가의 제품에서 발생할 수 있는 손실을 최소화할 수 있습니다. 코그넥스 딥러닝은 비접촉식 ..

티스토리툴바