Abstract
In welding machine that executes existing spot welding, wrong operation of system has often occurs because of their mechanical motion that can be caused by a number of supply like the welding object. In exposed working environment for various situations such as worker or related equipment moving into any place that we are unable to exactly distinguish between good and not condition of nut. Also, in case of defective welding of nut, it needs various evaluation and analysis through image processing because the problem that worker should be inspected every single manually. Therefore in this paper, if the object was not stabilization state correctly, we have purpose to algorithm implementation that it is to reduce the analysis time and exact recognition as to improve system of image processing. As this like, as image analysis for assessment whether it is good or not condition of nut, in his paper, implemented algorithms were suggested and list by group and that it showed the effectiveness through more than one experiment. As the result, recognition rate of normality and error according to the estimation time have been shown as 40%~94.6% and 60%~5.4% from classification 1 of group 1 to classification 11 of group 5, and that estimation time of minimum, maximum, and average have been shown as 1.7sec.~0.08sec., 3.6sec.~1.2sec., and 2.5sec.~0.1sec.
기존 스포트 용접을 수행하는 용접기에서 용접 대상물을 공급할 때 발생하는 흔들림 등으로 대상물이 정확한 위치에 놓이지 않는 경우가 허다하다. 또한 작업자나 관련 장비의 이동 중 여러 가지 상황에 노출된 작업환경 하에서는 너트의 상태를 정확하게 판별할 수 없게 된다. 그러므로 너트에 대한 용접 불량이 발생한 경우, 이를 판단할 수 있는 장치가 없는 상태에서 작업자가 일일이 검사해야 하는 문제가 있기 때문에 영상처리를 통한 다양한 평가분석이 필요하다. 따라서 본 연구논문에서는 기존의 정확성 떨어지는 영상처리 시스템을 개선함으로써 대상물이 바르게 안착되지 않은 상태에서도 정확한 인식과 동시에 분석 시간을 줄일 수 있도록 하는 알고리즘 구현을 목적으로 한다. 이와 같이 너트의 안착여부 상태평가를 위한 영상분석인 만큼, 구현된 알고리즘을 그룹별로 나열하고 제시하였으며 실험을 통해서 그 효용성을 나타내었다. 그 결과, 판정시간에 따른 정상 및 오류 인식률이 실험분류((분류1)/그룹1)에서 실험분류((분류11)/그룹5)까지 40%~94.6%와 60%~5.4%로 나타났으며, 최소, 최대, 평균 판정시간은 1.7초~0.08초, 3.6초~1.2초, 2.5초~0.1초로 나타났다.