거리 편차 데이터 및 2D 이미지에 대한 Convolution Filter 및 앙상블 기반 딥러닝 분석을 통한 제품 파지 품질 검사 시스템 개발 (Development of Product Picking-Quality Inspection System through Convolution Filter and Ensemble-based Deep Learning Analysis for Distance Deviation Measurement and 2D Image)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 47권 / 3호 / 283 ~ 293페이지
· 저자명 : 유나현, 이예본, 백수정

초록

맞춤형 개인 생산이 증가함에 따라 단일 생산 시스템에서 다양한 제품을 다루기 위해 진공을 이용한 흡착 그리퍼가 많이 사용되고 있다. 흡착 그리퍼는 제품의 형상이나 재질에 영향을 적게 받는다는 장점이 있으나 제품이 판매 품질을 만족했음에도 불구하고 미세한 표면의 굴곡 요소로 인해 파지에 실패하는 경우가 발생한다. 이를 해결하기 위하여 파지 대상의 제품을 비파괴 기반 파지 품질 검사 시스템을 제안한다. 본 시스템에서는 격자 형태로 거리 편차를 측정하고 동시에 파지 표면의 이미지를 획득하였다. 획득한 데이터와 이미지를 convolution filter 기반의 autoencoder와 neural network에 각각 입력하여 파지 가능성을 각각 평가한 후 soft-voting 기반의 앙상블을 통해 최종적으로 파지 품질 점수를 계산하였다. 상자 타입 제품 80개를 대상으로 5-fold 교차 검증한 결과 약 99.8%의 검사 정확도를 보였다.

영어초록

With increased customized personal production, vacuum grippers have been increasingly used to handle various products in a single manufacturing system. Vacuum grippers are less affected by the shape or material of the target part. However, regardless of the quality of the part, it is sometimes impossible for the gripper to successfully pick a part owing to a tiny curvature on the target surface. Therefore, we propose a non-destructive picking-quality inspection system. In this system, the distance deviation was measured in the form of a 2D grid, and an image of the gripping surface was captured. The collected measurements and images were applied to the convolution filter-based autoencoder and neural network, respectively, to evaluate the grip possibility. Consequently, the picking-quality score was calculated through the soft-voting-based ensemble method. The effectiveness of the proposed method was evaluated using 80 box data with 5-fold cross-validation. The proposed method demonstrated better performance with an accuracy of 99.8%.

참고자료

· 없음