1 |
1
서클링(circling)된 판(P)(plate)이 유입되어, 서클링된 판(P)의 오버랩 값을 판단하고, 서클링된 판(P)의 오버랩 값에 따라 판(P)의 반지름을 제어함으로서 용접 불량을 제거하는 시스템으로서,하우징(100);상기 하우징(100) 내에 설치되며, 서클링된 판(P)이 안착되어, 서클링된 판(P)의 반지름을 제어하는 서클링 조절부(200);상기 서클링 조절부(200)의 일측에서 서클링된 판(P)을 향하도록 위치되는 촬영부(300); 및상기 촬영부(300)에서 촬영된 이미지를 기초로 하여 상기 서클링된 판(P)의 오버랩 값을 판단하고, 상기 판단된 오버랩 값을 기준으로 상기 서클링 조절부(200)를 제어하는 제어부(400);를 포함하는,시스템
|
2 |
2
제1항에 있어서,상기 제어부(400)는,상기 오버랩 값이 제1 기설정된 값 미만이거나 제2 기설정된 값 이상이면 상기 이미지를 비정상 데이터로 판단하고, 상기 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이면 상기 이미지를 정상 데이터로 판단하며, 그리고 상기 이미지가 정상 데이터로 판단된 경우 상기 판단된 정상 데이터로 딥러닝 학습을 수행하여 딥러닝 모델을 생성하고,상기 제2 기설정된 값은 상기 제1 기설정된 값보다 큰,시스템
|
3 |
3
제2항에 있어서,상기 제어부(400)는, 상기 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이면, 상기 서클링된 판(P)을 상기 하우징(100)과 연결되는 용접 수행부(500)로 이송하는, 시스템
|
4 |
4
제2항에 있어서,상기 서클링 조절부(200)는,외부 조절 모듈(210); 및상기 외부 조절 모듈(210)보다 내측으로 위치되는 내부 조절 모듈(220); 를 포함하고,상기 외부 조절 모듈(210)은,상기 서클링된 판(P)의 직경보다 큰 직경으로 형성되는 제1 지지판(211);상기 제1 지지판(211)의 내측으로 형성되는 다수의 제1 연장대(212); 및 상기 다수의 제1 연장대(212)의 말단에 각각 형성되는 제1 돌기(213);를 포함하고,상기 내부 조절 모듈(220)은,제2 지지판(221);상기 제2 지지판(221)의 외측으로 형성되는 다수의 제2 연장대(222); 및 상기 다수의 제2 연장대(222)의 말단에 각각 형성되는 제2 돌기(223);를 포함하고,상기 서클링된 판(P)은 상기 외부 조절 모듈(210)과 상기 내부 조절 모듈(220) 사이에 안착되는,시스템
|
5 |
5
제4항에 있어서,상기 제어부(400)는 상기 오버랩 값이 상기 제2 기설정된 값 이상인 비정상 데이터로 판단되면, 상기 제2 연장대(222)가 외측으로 연장되도록 제어하고,상기 제어부(400)는 상기 오버랩 값이 상기 제1 기설정된 값 미만인 비정상 데이터로 판단되면, 상기 제1 연장대(212)가 내측으로 연장되도록 제어하는,시스템
|
6 |
6
제1항에 따른 시스템을 이용한 불량 검출 방법으로서,(a) 상기 하우징(100)에 상기 서클링된 판(P)이 유입되고, 상기 서클링 조절부(200)에 안착되는 단계;(b) 상기 촬영부(300)에서 상기 서클링된 판(P)을 촬영하는 단계; 및(c) 상기 제어부(400)는 상기 (b)단계에서 촬영된 상기 서클링된 판(P)의 이미지에서 오버랩 값을 판단하여 정상 데이터 여부를 판단하고, 상기 이미지가 정상 데이터로 판단된 경우 상기 정상 데이터로 딥러닝 학습하여 딥러닝 모델을 생성하는 단계; 를 포함하고,상기 (c)단계는, (c1) 상기 제어부(400)는 상기 판단된 오버랩 값이 제1 기설정된 값 미만이거나 제2 기설정된 값 이상이면 비정상 데이터로 판단하는 단계; 및(c2) 상기 제어부(400)는 상기 판단된 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이면 정상 데이터로 판단하는 단계; 를 포함하는,방법
|
7 |
7
제6항에 있어서,상기 (c)단계 이후,(d) 상기 제어부(400)는비정상 데이터로 판단된 상기 서클링된 판(P)의 반지름을 제어하고, 상기 촬영부(300)에서 상기 반지름이 조절된 상기 서클링된 판(P)을 촬영하여 추가 데이터를 생성하는 단계; 및(e) 상기 제어부(400)는 상기 생성된 추가 데이터로 상기 딥러닝 모델을 추가 학습하는 단계; 를 더 포함하고,상기 (d)단계는,(d1) 상기 제어부(400)는 상기 판단된 오버랩 값이 상기 제2 기설정된 값 이상인 비정상 데이터로 판단되면, 상기 서클링 조절부(200)가 상기 서클링된 판(P)의 반지름을 줄이도록 제어하여 상기 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이도록 제어하고, 상기 촬영부(300)에서 상기 반지름이 조절된 상기 서클링된 판(P)을 촬영하여 추가 데이터를 생성하는 단계; 및(d2) 상기 제어부(400)는 상기 판단된 오버랩 값이 상기 제1 기설정된 값 미만인 상기 비정상 데이터로 판단되면, 상기 서클링 조절부(200)가 상기 서클링된 판(P)의 반지름을 늘리도록 제어하여 상기 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이도록 제어하고, 상기 촬영부(300)에서 상기 반지름이 조절된 상기 서클링된 판(P)을 촬영하여 추가 데이터를 생성하는 단계; 를 포함하는,방법
|
8 |
8
제7항에 있어서,상기 서클링 조절부(200)는,외부 조절 모듈(210); 및상기 외부 조절 모듈(210)보다 내측으로 위치되는 내부 조절 모듈(220); 를 포함하고,상기 외부 조절 모듈(210)은,상기 서클링된 판(P)의 직경보다 큰 직경으로 형성되는 제1 지지판(211);상기 제1 지지판(211)의 내측으로 형성되는 다수의 제1 연장대(212) 및 상기 다수의 제1 연장대(212)의 각각의 말단에 형성되는 제1 돌기(213);를 포함하고,상기 내부 조절 모듈(220)은,제2 지지판(221);상기 제2 지지판(221)의 외측으로 형성되는 다수의 제2 연장대(222); 및 상기 다수의 제2 연장대(222)의 각각의 말단에 형성되는 제2 돌기(223);를 포함하고,상기 서클링된 판(P)은 상기 외부 조절 모듈(210)과 상기 내부 조절 모듈(220) 사이에 안착되고,상기 (e)단계는,(e1) 상기 제어부(400)는 상기 판단된 오버랩 값과 상기 제1 지지대(212)가 연장되는 길이와 상기 1 돌기(213)가 동작되는 압력의 세기와 시간을 이용하여 상기 딥러닝 모델을 추가 학습시키는 단계; 및(e2) 상기 제어부(400)는 상기 판단된 오버랩 값과 상기 제2 지지대(222)가 연장되는 길이와 상기 제2 돌기(223)가 동작되는 압력의 세기와 시간을 이용하여 상기 딥러닝 모델을 추가 학습시키는 단계; 를 더 포함하는,방법
|
9 |
9
제8항에 있어서,상기 (e)단계 이후,(f) 상기 하우징(100)에 다른 서클링된 판(P')이 유입되고, 이에 대하여 상기 (a)단계 내지 (e)단계가 수행되어 상기 딥러닝 모델이 추가 학습되는 단계; 를 더 포함하는,방법
|
10 |
10
제9항에 있어서,상기 (f) 단계 이후,(g) 상기 제어부(400)는 상기 판단된 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이면, 상기 서클링된 판(P)을 상기 하우징(100)과 연결되는 용접 수행부(500)로 이송하고, 상기 용접 수행부(500)에서 상기 서클링된 판(P)의 용접을 수행하는 단계;를 더 포함하는,방법
|
11 |
11
제9항에 있어서,상기 (f) 단계 이후,(h) 상기 제어부(400)는 상기 하우징(100)에 상기 다른 서클링된 판(P')이 유입되고, 상기 촬영부(300)에서 상기 다른 서클링된 판(P')을 촬영하여 이미지를 생성하고, 상기 제어부(400)는 상기 다른 서클링된 판(P')의 이미지가 입력되면 상기 이미지의 오버랩 값을 판단하고, 상기 딥러닝 모델은 상기 판단된 오버랩 값이 상기 제1 기설정된 값 이상이고 상기 제2 기설정된 값 미만이면 상기 다른 서클링된 판(P')을 정상으로 판단하고, 상기 판단된 오버랩 값이 상기 제1 기설정된 값 미만이거나 상기 제2 기설정된 값 미만이면 상기 다른 서클링된 판(P')을 불량으로 판단하는 단계; 를 더 포함하는,방법
|
12 |
12
제10항에 있어서,상기 (g)단계 이후,(i) 상기 촬영부(300)가 용접이 수행된 상기 서클링된 판(P)의 용접 두께 및 용접 크기를 포함하는 용접 상태를 촬영하고, 상기 딥러닝 모델은 상기 용접 상태를 이용하여 추가 학습하는 단계; 를 더 포함하는,방법
|