맞춤기술찾기

이전대상기술

딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템 및 방법

  • 기술번호 : KST2022023495
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템 및 방법이 개시된다. 본 발명은 상기 전장 부품 중 미리 선별된 양품 및 미리 선별된 불량품을 각각 촬영하는 카메라 및 상기 양품을 촬영한 제1 이미지 및 상기 불량품을 촬영한 제2 이미지를 상기 카메라로부터 수신하고, 상기 제1 이미지 및 상기 제2 이미지를 기초로 제1 차이 이미지를 생성하고, 현장 작업자의 주관적인 양품 판별 기준을 미리 학습한 제1 심층 신경망에 따라 생성된 상기 제1 차이 이미지에 대한 마스킹 입력을 수신하며, 상기 마스킹 입력을 기초로 상기 제1 차이 이미지를 마스크 처리하여 제2 차이 이미지를 생성하는 컴퓨팅 장치를 포함하되, 상기 컴퓨팅 장치는 상기 제1 이미지 및 상기 제2 이미지를 제2 심층 신경망에 입력값으로 정의하고, 상기 제2 차이 이미지를 상기 심층 신경망의 출력값으로 정의하여 상기 심층 신경망을 딥러닝 학습시키고, 상기 제2 차이 이미지의 잔존 이미지 요소의 크기를 결함값으로 산출하고 상기 결함값의 분포를 통해 검사 기준값을 산출하며, 상기 검사 기준값을 기초로 상기 부품을 양품과 불량품으로 분류함으로써 품질을 관리할 수 있다.
Int. CL G06K 9/62 (2022.01.01) G06V 10/24 (2022.01.01) G06T 5/00 (2019.01.01) G06N 3/08 (2006.01.01)
CPC G06K 9/6267(2013.01) G06K 9/6201(2013.01) G06V 10/25(2013.01) G06T 5/001(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020210072161 (2021.06.03)
출원인 동의대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0163696 (2022.12.12) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.06.03)
심사청구항수 4

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 동의대학교 산학협력단 대한민국 부산광역시 부산진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장성욱 경기도 화성

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 원대규 대한민국 서울특별시 금천구 디지털로 ***, ***호(에이스가산 타워)(세인특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2021.06.03 수리 (Accepted) 1-1-2021-0643600-51
2 선행기술조사의뢰서
Request for Prior Art Search
2022.02.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2022.04.15 발송처리완료 (Completion of Transmission) 9-6-2022-0069791-03
4 의견제출통지서
Notification of reason for refusal
2022.10.19 발송처리완료 (Completion of Transmission) 9-5-2022-0801813-12
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2022.12.02 1-1-2022-1299549-52
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2022.12.02 수리 (Accepted) 1-1-2022-1299526-13
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템에 있어서,상기 전장 부품 중 미리 선별된 양품 및 미리 선별된 불량품을 각각 촬영하는 카메라; 및상기 양품을 촬영한 제1 이미지 및 상기 불량품을 촬영한 제2 이미지를 상기 카메라로부터 수신하고, 상기 제1 이미지 및 상기 제2 이미지를 기초로 제1 차이 이미지를 생성하고, 현장 작업자의 주관적인 양품 판별 기준을 미리 학습한 제1 심층 신경망에 따라 생성된 상기 제1 차이 이미지에 대한 마스킹 입력을 수신하며, 상기 마스킹 입력을 기초로 상기 제1 차이 이미지를 마스크 처리하여 제2 차이 이미지를 생성하는 컴퓨팅 장치;를 포함하되,상기 컴퓨팅 장치는, 상기 제1 이미지 및 상기 제2 이미지를 제2 심층 신경망에 입력값으로 정의하고, 상기 제2 차이 이미지를 상기 심층 신경망의 출력값으로 정의하여 상기 심층 신경망을 딥러닝 학습시키고, 상기 제2 차이 이미지의 잔존 이미지 요소의 크기를 결함값으로 산출하고 상기 결함값의 분포를 통해 검사 기준값을 산출하며, 상기 검사 기준값을 기초로 상기 부품을 양품과 불량품으로 분류함으로써 품질을 관리하는 것인, 딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템
2 2
제1항에 있어서, 상기 컴퓨팅 장치는, 상기 제1 차이 이미지를 확대한 제1 확대 이미지를 생성하고, 상기 제1 심층 신경망으로부터 상기 제1 확대 이미지에 대한 마스킹 입력을 수신하는 것인, 딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템
3 3
제2항에 있어서,상기 컴퓨팅 장치는, 현장 작업자로부터 관심 영역을 수신하고, 상기 관심 영역을 중심으로 상기 제1 확대 이미지를 생성하는 것인, 딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템
4 4
제1항에 있어서,상기 카메라는, 상기 제1 이미지를 획득하는 카메라 모듈을 포함하고, 상기 카메라 모듈은, 측벽에 관통홀을 포함하는 하우징; 및상기 관통홀에 설치된 렌즈;를 포함하는 것인,딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템
5 5
제1항에 있어서,상기 컴퓨팅 장치는, 상기 제1 이미지 및 상기 제2 이미지 중 적어도 하나의 이미지에 이미지 보정 필터를 적용하여 적어도 하나의 보정된 이미지를 생성하고, 상기 적어도 하나의 보정된 이미지를 기초로 상기 제1 차이 이미지를 생성하는 것인, 딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 시스템
6 6
딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 방법에 있어서,상기 부품 중 미리 선별된 양품을 촬영한 제1 이미지 및 상기 부품 중 미리 선별된 불량품을 촬영한 제2 이미지를 수신하는 단계;상기 제1 이미지 및 상기 제2 이미지를 기초로 제1 차이 이미지를 생성하는 단계;상기 제1 차이 이미지 중 관심 영역에 대한 사용자 입력을 수신하는 단계;상기 제1 차이 이미지에서 상기 관심 영역을 확대한 제1 확대 이미지를 생성하는 단계;작업자로부터 현장 작업자의 주관적인 양품 판별 기준을 미리 학습한 제1 심층 신경망에 따라 상기 제1 확대 이미지를 구성하는 이미지 요소들 중 불량으로 판단되는 이미지 요소를 선택받아 마스킹 입력을 수신하는 단계;상기 마스킹 입력에 의해 선택된 이미지 요소를 제외한 나머지 이미지 요소를 상기 제1 확대 이미지에서 마스크 처리하여 현장 작업자가 불량 판별에서 중요하게 생각하는 요소만을 남긴 마스크 처리된 제2 차이 이미지를 생성하는 단계;상기 제1 이미지와 상기 제2 이미지를 입력으로 하고 상기 제2 차이 이미지를 출력하도록 하여 제2 심층 신경망이 입출력 데이터간 상관관계를 추가로 딥러닝 학습시키는 단계;상기 제2 차이 이미지의 잔존 이미지 요소의 크기를 결함값으로 산출하고 상기 제2 차이 이미지의 결함값 분포를 통해 검사 기준값을 산출하는 단계; 및상기 검사 기준값을 기초로 검사 대상 부품을 분류하는 단계;를 포함하는, 딥러닝을 활용한 머신 비전 기반의 전장 부품의 품질 관리 방법
7 7
명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서,상기 명령어들은 프로세서에 의해 실행될 때, 상기 프로세서로 하여금 제6항의 방법을 수행하게 하는, 비일시적 컴퓨터 판독가능 매체
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.