1 / 22

Industrial Vision System

Industrial Vision System. 2003. 7. 3. MAI lab 박지윤. Machine vision. 사람이 눈으로 보고 직접 하는 작업 ( 조립 , 가공 , 검사 등 ) 을 대신 할 수 있는 공장 자동화 시스템 Camera 로부터 얻은 영상 정보를 Computer 에서 신호 처리해 제품의 검사나 분류에 응용하는 장치나 기술 보다 고성능 , 고효율의 작업을 수행하기 위해서 기계를 이용한 system 의 개발이 절실 하였으며 , 80 년대에 들어와 생산 현장에 적용되어 오고 있다.

raymond-stephens
Download Presentation

Industrial Vision System

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Industrial Vision System 2003. 7. 3. MAI lab 박지윤

  2. Machine vision • 사람이 눈으로 보고 직접 하는 작업 (조립, 가공, 검사 등)을 대신 할 수 있는 공장 자동화 시스템 • Camera로부터 얻은 영상 정보를 Computer에서 신호 처리해 제품의 검사나 분류에 응용하는 장치나 기술 • 보다 고성능,고효율의 작업을 수행하기 위해서 기계를 이용한 system의 개발이 절실 하였으며, 80년대에 들어와 생산 현장에 적용되어 오고 있다. MAI lab seminar

  3. Why Machine Vision? • Traditionally, visual inspection and quality control are performed by human experts • humans are slower than the machines and get tired quickly • Experts are difficult to find or maintain MAI lab seminar

  4. 응용분야 • 문자 인식 (Character recognition) • 제품 LOT CODE , 제조일, LOGO, 각종 문자 등의 인식 및 검사 • 제품 분류 ( Sorting ) • 혼류 생산 라인에서 제품의 크기,모양,그림,문자,위치 등을 인식 선별 • 방향 및 각도 측정 ( Orientation ) • 제품의 방향과 회전 각도의 측정 • 치수 측정 ( Measurement ) • 이송되는 제품을 비 접촉, 고속으로 각종 치수부위를 검사 • 조립 및 가공 상태 검사 ( Presence / Absence ) • 조립 생산 라인에서 부품의 유,무,형상,위치 등을 계측하여 오 조립, 미 조립 등의 불량을 검출 • 결함, 이물질 검사 ( Flaw , Defect ) • 제품 표면에 흠집, 오물, 이물질, 미 가공면 등의 결함을 검사. MAI lab seminar

  5. A Survey on industrial vision systems, applications and toolsElias N. Malamasa, Michalis Zervakisa, Laurent Petetb, Jean-Didier Legatb a Department of Electronic and Computer Engineering, Technical University of Crete, Chania, Crete 73100, Greece b Microelectronics Laboratory, Universite Catholique de Louven, Louven-La-Neuve, Belgium

  6. Contents • Introduction • Classification of industrial vision applications • Development of industrial vision systems • Future directions • Conclusions MAI lab seminar

  7. Introduction Typical industrial vision system • 구성 : Camera, Image processing Hardware, Image processing Hardware (Main processor) • Result : Control a manu-facturing process,Propagate to otherexternal devices,Characterize defects MAI lab seminar

  8. Introduction Construction • Reliability, robustness, flexibility, efficiency, speed, cost 등 고려 필요 Raw Image Image acquisition Image processing Decision-making Feature extraction Top-down Bottom-up MAI lab seminar

  9. Introduction Development approaches • Understanding the application’s requirements and constraints • Simple to operate and maintain • Fast enough to meet the speed requirements of their application environment • Degrees of Freedom(DoFs) MAI lab seminar

  10. Classification of industrial vision applications Classification • Inspection of dimensional quality • Inspection of surface quality • Inspection of correct assembling (structural quality) • Inspection of accurate or correct operation (operational quality) MAI lab seminar

  11. Development of industrial vision system Development (1) • Standard platform component • C, C++, Java • User friendly Interface • GUI, Window format • Powerful Sensor MAI lab seminar

  12. Development of industrial vision system Development (2) • Current trend • Use commercial products instead of customized(Multi-processing level support, Ease of manipulation,Dynamic rage and frame-rate support, Expandability, Dedicated hardware support) • Software tool (Image processing and analysis) • Neural networks(NN), fuzzy logic, Genetic Algorithm(GA) MAI lab seminar

  13. Development of industrial vision system Development (3) • Hardware tool • Application specific intergrated circuits(ASIC) • Digital signal processors(DSP) • General Purpose processors(MMS, AMD, PowerPC) • Field programmable gate arrays(FPGA) • Neural, fuzzy, anc neuro-fuzzy hardware systems MAI lab seminar

  14. Future directions Software and Hardware • Fast and Cheap (Cost-effective) • Flexible (For competition) • Multiporpose hardware and mainstream OS • UNIX, Windows NT • For heavy-duty & real time application • single machine이 처리하지 못하므로 여러 시스템을 parallel로사용 MAI lab seminar

  15. Future directions Human computer interfaces • 경쟁이 심한 생산 환경에서 Fast prototyping위해 사용자가 익히기 쉬운 interface를 지니게 한다. • 경비, 시간 절약 • Model-based solution • CAD-based vision systems MAI lab seminar

  16. Future directions Image sensor • Machine vision system에서 가장 발전이 빠른 부분 • Charge-Coupled Device(CCD) • Charge-Injection Device(CID) • Complementary Metal-Oxide Semiconductor (CMOS) CMOS : 빛 에너지를 전기적인 신호로 변환하는 역할을 하는 수십만~수백만 화소를 포함하는 집적회로가 내장된 이미지 센서 이미지를 센서 내에서 전기신호로 변환해 출력하는 반도체 소자해상도에 따라 CIF급(10만화소), VGA급(30만화소), SVGA급(50만화소), MEGA 급으로 으로 나뉘며, 주 Application 으로는 DSC, PC Camera, Dual Mode Camera, Finger Printer, Toy, Mobile Phone등이 있다. MAI lab seminar

  17. CCD vs CMOS CCD : Vision system에 많이 쓰인다. 디지털카메라등에 사용되며 화질이 좋다. CMOS : 현재는 주로 저해상도 용도에 많이 쓰인다. 소비전력이 CCD에 비해 매우 작아서 유용하다. 해상도 측면에서 급속히 발전하고 있다. 현재에는 CCD에 비해 잠재적인 기술이다. MAI lab seminar

  18. Future directions Conclusion • Developing Machine Vision system • Requirements – Cost • Flexibility – Speed • Future direction of Vision system MAI lab seminar

  19. Machine Vision System for Automatic Quality Grading of FruitJ. Blasco1; N. Aleixos2 ; E. Molto1 1 Instituto Valenciano de Investigaciones Agrarias Cra. Moncada-Naquera Km 5., 46113 Moncada, Valencia, Spain 2 Universitat Jaume I, Campus de Riu Sec E-12071 Castellon, Spain

  20. Example Grading of Fruit(1) • 3 CCD, color camera (sony XC003p), framegrabber(Matrox Meteor), PC(Pentium 200MHz, 48M RAM) • 768*576 pixels, RGB MAI lab seminar

  21. Grading of Fruit(2) a) Original image captured by the camera b) Segmented image showing the sound skin, the resseting, the stem and the damage regions c) Region containing all the classes except the stem and the background, used to calculate the size d) Image showing how the size was estimated e) Segmented image showing the russeting, the stem and the damaged regions f) Image showing the perimeter and centroid of the russeting and stem regions and the length of the longest damage region a) b) c) d) e) f) MAI lab seminar

  22. Grading of Fruit(3) MAI lab seminar

More Related