| 1 |
1
공작 기계로부터 가공이 완료된 공작물의 공작물 이미지가 입력되는 입력부;딥 러닝 기반의 분석 알고리즘을 이용하여, 공작물 이미지로부터 공작물의 가공면에 발생한 채터링 마크(Chattering Mark) 및 버(Burr)를 검출하고, 그 채터링 마크가 공작 기계 자체의 결함 또는 공작 기계가 공작물을 가공하는 궤적인 가공 궤적의 결함에 의한 것인지 분석하는 이미지 분석부;상기 이미지 분석부의 분석 결과에 따라, 공작 기계에 장착된 가공 툴의 교체를 요청하거나 가공 궤적으로부터 수정된 수정 궤적을 생성하는 채터링 마크 처리부; 및상기 이미지 분석부로부터 버가 검출될 경우, 상기 검출된 버의 제거를 위한 디버링(Deburring) 궤적을 생성하는 버(Burr) 처리부;를 포함하는 공작물의 후처리를 위한 공작물 이미지 분석시스템
|
| 2 |
2
제 1항에 있어서,상기 이미지 분석부는,공작물의 가공면에 채터링 마크가 포함된 채터링 마크 학습이미지와 버가 포함된 버 학습이미지를 사전에 학습하여 채터링 마크와 버의 검출을 위한 데이터 셋을 구축하고, 상기 구축된 데이터 셋을 이용하여 공작물 이미지로부터 채터링 마크 및 버의 존재 여부와 위치를 검출하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석시스템
|
| 3 |
3
제 2항에 있어서,상기 이미지 분석부는,데이터 셋의 구축 시, 공작 기계 자체의 결함에 의한 채터링 마크의 특징 정보와 가공 궤적의 결함에 의한 채터링 마크의 특징 정보를 구분하여 학습하고, 상기 구분된 특징 정보를 이용하여 공작물 이미지로부터 검출된 채터링 마크의 발생원인을 분석하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석시스템
|
| 4 |
4
제 1항에 있어서,상기 채터링 마크 처리부는,가공 궤적의 결함에 의해 채터링 마크가 발생하면, 가공 궤적의 G 코드(G-code)에 기초하여 채터링 마크의 위치와 가공 궤적 간의 거리를 계산한 다음, 상기 계산된 거리가 기설정된 임계값(threshold) 이내에 포함되는 일부의 가공 궤적을 수정하여 수정 궤적을 생성하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석시스템
|
| 5 |
5
제 1항에 있어서,상기 버 처리부는,상기 이미지 분석부로부터 버의 존재 여부와 위치가 검출되면, 상기 검출된 버의 중심점을 계산하고, 상기 계산된 중심점을 통과하여 공작물 가공면의 버를 제거하는 궤적을 디버링 궤적으로 생성하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석시스템
|
| 6 |
6
제 1항 내지 제 5항 중 어느 항에 있어서,상기 분석 알고리즘은, CNN(Convolutional Neural Network)을 이용하여 구현되는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석시스템
|
| 7 |
7
공작물 이미지 분석시스템에서 수행되는 공작물 이미지 분석방법으로서,(1) 상기 공작물 이미지 분석시스템이, 공작 기계로부터 가공이 완료된 공작물의 공작물 이미지를 입력받는 단계;(2) 상기 공작물 이미지 분석시스템이, 딥 러닝 기반의 분석 알고리즘을 이용하여, 공작물 이미지로부터 공작물의 가공면에 발생한 채터링 마크(Chattering Mark) 및 버(Burr)를 검출하고, 그 채터링 마크가 공작 기계 자체의 결함 또는 공작 기계가 공작물을 가공하는 궤적인 가공 궤적의 결함에 의한 것인지 분석하는 단계; (3) 상기 분석된 결과에 따라, 상기 공작물 이미지 분석시스템이, 공작 기계에 장착된 가공 툴의 교체를 요청하거나 가공 궤적으로부터 수정된 수정 궤적을 생성하는 단계; 및(4) 버가 검출될 경우, 상기 공작물 이미지 분석시스템이, 상기 검출된 버의 제거를 위한 디버링(Deburring) 궤적을 생성하는 단계;를 포함하는 공작물의 후처리를 위한 공작물 이미지 분석방법
|
| 8 |
8
제 7항에 있어서,상기 제 (1)단계 이전에,(A) 상기 공작물 이미지 분석시스템이, 공작물의 가공면에 채터링 마크가 포함된 채터링 마크 학습이미지와 버가 포함된 버 학습이미지를 사전에 학습하여 채터링 마크와 버의 검출을 위한 데이터 셋을 구축하는 단계;를 더 포함하고, 상기 제 (2)단계에서 상기 공작물 이미지 분석시스템은, 상기 구축된 데이터 셋을 이용하여 공작물 이미지로부터 채터링 마크 및 버의 존재 여부와 위치를 검출하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석방법
|
| 9 |
9
제 8항에 있어서,상기 제 (A)단계에서 상기 공작물 이미지 분석시스템은,데이터 셋의 구축 시, 공작 기계 자체의 결함에 의한 채터링 마크의 특징 정보와 가공 궤적의 결함에 의한 채터링 마크의 특징 정보를 구분하여 학습하고,상기 제 (2)단계에서 상기 공작물 이미지 분석시스템은,상기 구분된 특징 정보를 이용하여 공작물 이미지로부터 검출된 채터링 마크의 발생원인을 분석하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석방법
|
| 10 |
10
제 7항에 있어서,상기 제 (3)단계에서 상기 공작물 이미지 분석시스템은,가공 궤적의 결함에 의해 채터링 마크가 발생하면, 가공 궤적의 G 코드(G-code)에 기초하여 채터링 마크의 위치와 가공 궤적 간의 거리를 계산한 다음, 상기 계산된 거리가 기설정된 임계값(threshold) 이내에 포함되는 일부의 가공 궤적을 수정하여 수정 궤적을 생성하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석방법
|
| 11 |
11
제 7항에 있어서,상기 제 (4)단계에서 상기 공작물 이미지 분석시스템은,버의 존재 여부와 위치가 검출되면, 상기 검출된 버의 중심점을 계산하고, 상기 계산된 중심점을 통과하여 공작물 가공면의 버를 제거하는 궤적을 디버링 궤적으로 생성하는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석방법
|
| 12 |
12
제 7항 내지 제 11항 중 어느 항에 있어서,상기 분석 알고리즘은, CNN(Convolutional Neural Network)을 이용하여 구현되는 것을 특징으로 하는 공작물의 후처리를 위한 공작물 이미지 분석방법
|
