맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

원단의 불량 위치 자동 검출 방법 및 이를 위한 시스템

  • 기술번호 : KST2020011193
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
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 원단의 불량 위치 자동 검출 방법 및 이를 위한 시스템이 개시된다. 모터부의 회전력을 이용하여 제1 롤러에 감겨있는 원단을 평평하게 펼친 상태로 제1 방향을 따라 반송하여 제2 롤러에 되감기게 하면서, 반송되는 원단의 반송 길이 정보를 생성함과 동시에, 적어도 한 대 이상의 카메라를 이용하여 반송되는 원단의 적어도 한쪽 표면을 빈틈없이 촬영한다. 연산제어부에서, 촬영된 원단 영상을 분석하여 상기 원단의 불량을 검출하고, 검출된 불량의 원단 영상 내의 위치 정보를 상기 원단 내의 실제 위치 정보로 변환한다. 연산제어부는 카메라들이 반송중인 상기 원단의 촬영 중에 원단의 촬영영역에 원하는 방식으로 빛을 조사하도록 조명부의 램프들의 점멸을 제어할 수 있다. 불량 검출의 결과 및 불량의 위치에 관한 정보를 포함하는 불량 검출 작업에 관한 종합적인 정보는 모니터링부에 제공되어 모니터 화면에 표시될 수 있다. 파악된 불량의 위치 정보를 이용하면, 불량의 위치를 회피하면서 원단 상에 패턴을 그리거나 원단을 재단하는 작업 등을 자동화할 수 있다.
Int. CL D06H 3/08 (2006.01.01) G01N 21/89 (2006.01.01) H04N 7/18 (2006.01.01) G06T 7/80 (2017.01.01) G06N 3/08 (2006.01.01) G06N 20/00 (2019.01.01)
CPC D06H 3/08(2013.01) D06H 3/08(2013.01) D06H 3/08(2013.01) D06H 3/08(2013.01) D06H 3/08(2013.01) D06H 3/08(2013.01)
출원번호/일자 1020190147920 (2019.11.18)
출원인 호전실업 주식회사, 서울대학교산학협력단
등록번호/일자 10-2143354-0000 (2020.08.05)
공개번호/일자
공고번호/일자 (20200811) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.11.18)
심사청구항수 27

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 호전실업 주식회사 대한민국 서울특별시 마포구
2 서울대학교산학협력단 대한민국 서울특별시 관악구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이상화 서울특별시 강남구
2 조남익 서울특별시 강남구
3 윤성로 서울특별시 강남구
4 박가람 전라북도 전주시 덕진구
5 이지훈 서울특별시 동작구
6 박용철 서울특별시 마포구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 박영우 대한민국 서울특별시 강남구 논현로 ***, *층 **세기특허법률사무소 (역삼동, 세일빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 호전실업 주식회사 서울특별시 마포구
2 서울대학교 산학협력단 서울특별시 관악구
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		 2019.11.18 수리 (Accepted) 1-1-2019-1182473-88
2 보정요구서
Request for Amendment		 2019.11.26 발송처리완료 (Completion of Transmission) 1-5-2019-0188393-22
3 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2019.12.13 수리 (Accepted) 1-1-2019-1290066-64
4 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2019.12.13 수리 (Accepted) 1-1-2019-1290102-10
5 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2019.12.19 수리 (Accepted) 9-1-9999-9999999-89
6 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2019.12.20 수리 (Accepted) 9-1-2019-0059197-58
7 의견제출통지서
Notification of reason for refusal		 2020.02.24 발송처리완료 (Completion of Transmission) 9-5-2020-0140172-14
8 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2020.05.29 수리 (Accepted) 1-1-2020-0551498-64
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2020.05.29 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0551497-18
10 등록결정서
Decision to grant		 2020.07.11 발송처리완료 (Completion of Transmission) 9-5-2020-0474600-43
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.11.25 수리 (Accepted) 4-1-2020-5265458-48
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
제1 위치에서 원단을 평평하게 펼친 상태로 제1방향을 따라 제2 위치로 반송하고, 반송되는 원단의 길이 정보를 생성하도록 구성된 원단 반송부;적어도 한 대 이상의 카메라를 이용하여 상기 제1 위치에서 상기 제2 위치로 반송되는 원단의 적어도 한쪽 표면을 빈틈없이 촬영하도록 구성된 원단 촬영부; 및상기 원단의 반송 및 촬영에 관련된 동작을 제어하고, 상기 원단 촬영부에 의해 촬영된 원단 영상을 분석하여 상기 원단의 불량을 검출하고, 불량이 검출될 때, 카메라 캘리브레이션을 통하여 미리 구한 각 카메라의 투영변환행렬(H)과 내부 파라미터, 각 카메라의 상기 원단까지의 거리, 그리고 각 카메라들의 촬영영역의 위치 정보를 이용하는 것과 상기 원단의 반송 길이를 실시간으로 측정한 정보와 상기 원단의 반송 길이 측정에 동기화한 상기 원단의 촬영을 통해, 검출된 불량의 상기 원단 영상 내의 위치 정보를 상기 검출된 불량의 상기 원단 내의 실제 위치 정보로 변환하도록 구성된 연산 제어부를 구비하고,상기 연산제어부는 상기 원단 촬영부의 일렬로 배치된 N대의 카메라들 중에서 n번째 카메라(단, N은 2이상의 자연수이고, n은 N이하의 자연수)가 촬영한 원단 영상에서 검출된 불량의 상기 원단 영상 내의 위치 p의 좌표 p(u, v)를 아래 관계식을 이용하여 상기 원단 내의 실제 위치 P의 좌표 P(x, y, z)로 변환하며, (u, v)T = H(x, y, z)T ((n-1)D+x, Y(t)+y, z) 여기서, T는 행렬의 전치연산(transpose operation)을 나타내고, D는 카메라 1대가 촬영하는 x축 방향의 거리, Y(t)는 상기 원단 상의 소정의 기준지점 촬영시점으로부터 t초 동안의 상기 원단의 반송 거리를 나타내고, H는 상기 카메라들의 투영변환행렬인 것을 특징으로 하는 원단의 불량 위치 검출 장치
2 2
제 1항에 있어서, 상기 원단 촬영부가 반송중인 원단을 촬영하는 촬영영역에 원하는 방식으로 빛을 조사하도록 구성된 조명부를 더 구비하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
3 3
제2항에 있어서, 상기 조명부는 상기 원단 촬영부가 촬영하는 상기 원단의 촬영 영역을 포함하는 조명 영역을 조사하도록 배치된 복수의 램프; 및 상기 복수의 램프들 각각의 점멸을 필요에 따라 제어할 수 있도록 구성된 조명 제어부를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
4 4
제3항에 있어서, 상기 조명부는 상기 원단의 촬영 영역을 포함하는 조명 영역을 덮어 외부에서 빛이 유입되지 않도록 차단하는 광차단 덮개를 더 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
5 5
제3항에 있어서, 상기 연산제어부는 상기 복수의 램프들을 복수의 램프 그룹으로 구분하여 상기 복수의 램프 그룹이 서로 다른 시점에 순차적으로 상기 원단의 동일 촬영영역에 서로 다른 광조사 방향으로 광을 조사하고, 각 램프 그룹이 광을 조사할 때마다 이에 동기되어 상기 원단 촬영부의 카메라들이 상기 원단의 동일 촬영영역을 촬영하도록 제어하는 기능을 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
6 6
제5항에 있어서, 상기 연산제어부는 상기 원단 영상을 복수 개의 직사각형 영상 패치로 분할하고, 그 분할된 전체 영상 패치들의 종방향 및 횡방향의 평균값으로 이루어지는 다수의 평균값 영상들을 생성하고, 그 다수의 평균값 영상들 간의 아다마르 곱을 수행하여 수직선 형태의 불량이 강조된 새로운 영상을 합성하며, 그 합성 영상에 허프 변환을 적용하여 수직선 형태의 결함의 위치를 특정함으로써 상기 원단에 존재하는 미세한 수직선 불량을 검출하는 기능을 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
7 7
제3항에 있어서, 상기 연산제어부는 상기 조명부가 상기 원단의 좌우 가장자리 영역에 균일한 조명을 가함과 동시에 상기 원단 촬영부의 카메라가 상기 원단의 좌우 가장자리 영역을 촬영하도록 제어하고, 상기 원단 촬영부의 카메라가 촬영한 상기 원단의 좌우 가장자리 영역의 컬러 영상들의 색상 값을 비교하여 상기 원단의 이색 불량 여부를 판별하는 기능을 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
8 8
제1항에 있어서, 상기 연산 제어부는, 상기 원단 촬영부에 의해 촬영된 원단 영상을 제공받아 상기 원단의 불량을 검출하도록 구성된 불량 검출부; 상기 카메라들에 대한 캘리브레이션을 통해 미리 구한 투영변환행렬과 카메라의 내부 파라미터, 상기 카메라들과 상기 원단의 표면까지의 수직 거리, 상기 카메라가 원단을 촬영한 촬영영역이 상기 원단 내의 기지 기준지점 위치(known reference position)로부터 떨어진 이격 거리에 관한 정보에 기초하여, 검출된 불량의 상기 원단 영상 내의 위치를 상기 원단 내의 실제 위치의 좌표로 변환하도록 구성된 불량위치 변환부; 및 상기 원단의 반송과 촬영, 상기 원단 내 불량의 검출 및 실제 위치의 좌표를 산출하는 것에 관련된 전반적인 동작을 제어하는 동작 제어부를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
9 9
제8항에 있어서, 상기 불량 검출부는 불량 원단의 영상과 정상 원단의 영상을 이용한 기계학습(machine learning) 또는 딥 러닝(deep learning)을 통해 구축된 불량검출용 인공신경망 모델을 이용하여 상기 원단의 불량을 검출하도록 구성된 것을 특징으로 하는 원단의 불량 위치 검출 장치
10 10
제9항에 있어서, 상기 불량 검출부는 새로운 종류의 신규 원단에 대한 불량 검사를 시작할 때, 불량 검사 현장에서 실시간으로 상기 신규 원단의 영상을 이용한 추가적인 기계학습(machine learning) 또는 딥 러닝(deep learning)을 수행하여 기 구축된 불량검출용 인공신경망 모델의 상기 신규 원단에 대한 불량 검출 능력을 개선할 수 있는 기능을 포함하도록 구성된 것을 특징으로 하는 원단의 불량 위치 검출 장치
11 11
제1항에 있어서, 상기 제1 위치에서 상기 제2 위치로 반송되는 상기 원단의 길이를 실시간으로 측정하여 상기 연산제어부에 제공하도록 구성된 원단 길이 측정부를 더 구비하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
12 12
제11항에 있어서, 상기 원단 길이 측정부는 지지축; 상기 지지축에 의해 지지되어 상기 원단과 맞물려 슬립 없이 회전하는 바퀴부; 상기 바퀴부의 회전을 검출하는 센서부; 및 상기 센서부의 검출 신호를 이용하여 상기 바퀴부의 회전수를 카운트하여 상기 원단의 반송 길이 정보를 생성하여 상기 연산 제어부에 제공하는 카운트 회로부를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
13 13
제1항에 있어서, 상기 연산 제어부의 제어에 따라, 상기 원단이 미리 정해둔 길이만큼 반송될 때마다 상기 원단에 길이 표시를 하도록 구성된 원단 길이 표시부를 더 구비하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
14 14
삭제
15 15
삭제
16 16
제1항에 있어서, 상기 원단의 불량 검출의 결과 및 불량의 위치에 관한 정보를 포함하는 불량 검출 작업에 관한 종합적인 정보를 상기 연산 제어부로부터 제공받아 모니터 화면에 표시하도록 구성된 모니터링부를 더 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
17 17
제1항에 있어서, 상기 원단 촬영부는 복수의 카메라를 포함하며, 상기 복수의 카메라들은 상기 복수의 카메라들의 단위 촬영영역들을 모두 합친 촬영영역이 상기 원단의 길이방향의 소정 구간에 대하여 상기 원단의 폭 방향의 전체 길이를 빈틈없이 촬영할 수 있도록 배치되는 것을 특징으로 하는 원단의 불량 위치 검출 장치
18 18
제1항에 있어서, 상기 원단 반송부는, 상기 제1 위치에 있으며 반송 전의 상기 원단을 감고 있으며 원단을 당기는 힘에 의해 풀리는 제1 롤러; 상기 제2 위치에서 반송되는 상기 원단을 되감는 제2 롤러; 상기 제2 롤러를 회전시키는 모터부; 상기 모터부의 구동을 제어하는 모터 제어부; 및 상기 제1 롤러에서 풀려서 상기 제2 롤러로 반송되는 상기 원단이 평평하게 펼쳐진 상태로 반송되게 상기 원단의 장력을 일정하게 유지시켜주는 원단 장력 유지부를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 장치
19 19
모터부의 회전력을 이용하여 제1 롤러에 감겨있는 원단을 평평하게 펼친 상태로 제1 방향을 따라 반송하여 제2 롤러에 되감기게 하는 단계;반송되는 원단의 반송 길이 정보를 생성하는 단계;적어도 한 대 이상의 카메라를 이용하여 반송되는 상기 원단의 적어도 한쪽 표면을 빈틈없이 촬영하는 단계;연산제어부에서, 촬영된 원단 영상을 분석하여 상기 원단의 불량을 검출하는 단계; 및상기 연산제어부에서, 상기 카메라들에 대한 캘리브레이션을 통해 미리 구한 투영변환행렬과 카메라의 내부 파라미터, 상기 카메라들과 상기 원단의 표면까지의 수직 거리, 상기 카메라가 원단을 촬영한 촬영영역이 상기 원단 내의 기지 기준지점 위치(known reference position)로부터 떨어진 이격 거리에 관한 정보에 기초하여, 검출된 불량의 상기 원단 영상 내의 위치 정보를 상기 검출된 불량의 상기 원단 내의 실제 위치 정보로 변환하는 단계를 포함하고,상기 변환하는 단계는, 상기 연산제어부에 의해, 일렬로 배치된 N대의 카메라들 중 n번째 카메라(여기서, N은 2이상의 자연수이고, n은 N이하의 자연수)가 촬영한 원단 영상에서 검출된 불량의 상기 원단 영상 내의 위치 p의 좌표 p(u, v)를 아래 관계식을 이용하여 상기 원단 내의 실제 위치 P의 좌표 P(x, y, z)로 변환하는 단계를 포함하며, (u, v)T = H(x, y, z)T ((n-1)*D + x, Y(t)+y, z)여기서, T는 행렬의 전치연산(transpose operation)을 나타내고, D는 카메라 1대가 촬영하는 x축 방향의 거리, Y(t)는 상기 원단 상의 소정의 기준지점 촬영시점으로부터 t초 동안의 상기 원단의 반송 거리를 나타내고, H는 상기 카메라들의 투영변환행렬인 것을 특징으로 하는 원단의 불량 위치 검출 방법
20 20
제19항에 있어서, 카메라들이 반송중인 상기 원단의 촬영 중에 상기 원단의 촬영영역에 원하는 방식으로 빛을 조사하도록 조명부의 램프들의 점멸을 제어하는 단계를 더 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
21 21
제20항에 있어서, 상기 점멸을 제어하는 단계는, 상기 연산제어부의 제어에 의해, 상기 램프들이 복수의 램프 그룹으로 구분되어, 상기 복수의 램프 그룹이 서로 다른 시점에 순차적으로 상기 원단의 촬영영역에 서로 다른 방향으로 광을 조사하는 단계를 포함하고, 상기 촬영하는 단계는, 상기 연산제어부의 제어에 의해, 상기 적어도 한 대 이상의 카메라가 상기 촬영영역을 각 램프 그룹의 광조사에 동기되어 각각 촬영하는 단계를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
22 22
제21항에 있어서, 상기 원단의 불량을 검출하는 단계는, 상기 촬영영역의 원단 영상을 복수 개의 직사각형 영상 패치로 분할하는 단계; 분할된 전체 영상 패치들의 종방향 및 횡방향의 평균값으로 이루어지는 다수의 평균값 영상들을 생성하는 단계; 생성된 다수의 평균값 영상들 간의 아다마르 곱을 수행하여 수직선 형태의 불량이 강조된 새로운 영상을 합성하는 단계; 및 상기 합성 영상에 허프 변환을 적용하여 수직선 형태의 결함의 위치를 특정함으로써 상기 원단의 상기 촬영영역에 존재하는 미세한 수직선 불량을 검출하는 단계를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
23 23
제20항에 있어서, 상기 원단의 불량을 검출하는 단계는, 상기 연산제어부의 제어에 의해, 상기 조명부의 램프들이 상기 원단의 좌우 가장자리 영역에 균일한 조명을 가하는 단계; 상기 조명을 가함과 동시에, 상기 연산제어부의 제어에 의해, 상기 적어도 한 대 이상의 카메라가 상기 원단의 좌우 가장자리 영역을 촬영하는 단계; 그리고 상기 연산제어부에서, 상기 적어도 한 대 이상의 카메라가 촬영한 상기 원단의 좌우 가장자리 영역의 컬러 영상들의 색상 값을 비교하여 상기 원단의 이색 불량 여부를 판별하는 단계를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
24 24
제19항에 있어서, 상기 반송 길이 정보를 생성하는 단계는 상기 제1 롤러에서 상기 제2 롤러로 반송되는 상기 원단과 맞물려 회전하는 바퀴부의 회전을 센서부로 검출하는 단계; 상기 센서부의 검출 신호를 이용하여 카운트 회로부가 상기 바퀴부의 회전수를 카운트하여 상기 원단의 반송 길이 정보를 생성하는 단계; 및 생성된 상기 원단의 반송 길이 정보를 상기 연산제어부에 제공하는 단계를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
25 25
제19항에 있어서, 상기 반송 길이 정보에 기초하여, 상기 원단이 미리 정해둔 길이만큼 반송될 때마다 상기 원단에 반송 길이 표시를 하는 단계를 더 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
26 26
제19항에 있어서, 상기 연산 제어부가 상기 원단의 불량 검출의 결과 및 불량의 위치에 관한 정보를 포함하는 불량 검출 작업에 관한 종합적인 정보를 모니터링부에 제공하여 모니터 화면에 표시되도록 하는 단계를 더 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
27 27
제19항에 있어서, 상기 검출하는 단계는 불량 원단의 영상과 정상 원단의 영상을 이용한 기계학습(machine learning) 또는 딥 러닝(deep learning)을 통해 불량검출용 인공신경망 모델을 구축하는 단계; 및 상기 원단을 촬영한 영상을 상기 불량검출용 인공신경망 모델에 입력하여 상기 원단의 불량을 검출하는 단계를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
28 28
제27항에 있어서, 상기 인공신경망 모델을 구축하는 단계는, 새로운 종류의 신규 원단에 대한 불량 검사를 시작할 때, 불량 검사 현장에서 실시간으로 상기 신규 원단의 영상을 이용한 추가적인 기계학습(machine learning) 또는 딥 러닝(deep learning)을 수행하여 기 구축된 불량검출용 인공신경망 모델의 상기 신규 원단에 대한 불량 검출 능력을 개선하는 단계; 및 상기 신규 원단에 대한 불량 검사를 개선된 인공신경망 모델을 이용하여 수행하는 단계를 포함하는 것을 특징으로 하는 원단의 불량 위치 검출 방법
29 29
삭제
30 30
삭제
31 31
제19항 내지 제28항 중 어느 한 항에 기재된 원단의 불량 위치 검출 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.