초록
본 논문은 사출성형 제품에 존재하는 여러 가지의 패턴의 결함을 신경회로망을 이용하여 검출하는 방법을 제안하였다. 시스템의 성능을 향상시키기 위하여 룩업테이블을 이용하였고, 기존의 이미지 비교에 의한 방법을 지양하여 결함분류를 위한 신경회로망의 학습표본을 위한 특징점을 추출하고 결함추출과 분류알고리즘을 제안하였다. 총 500개의 사출성형 제품의 패턴에 대하여 신경회로망의 학습을 통하여 약 3%의 제품의 패턴에서 결함을 검출하였고 패턴의 직경에 대한 불량으로 대부분 분류되었다. 제안된 시스템을 이용한 결함 검출 방법은 사출성형 제품의 미세한 패턴을 검출하는 데 시간과 경비를 줄일 수 있는 효과적인 대안으로 기대한다.
In this paper the approach of neural network was proposed which detects a variety of defects in the molded parts. In an attempt to improve the response of the system, It is designed to minimize the use of memory via LookUp table in software. The goal of these methods was to extract the features of samples in learning of neural networks, overcoming the algorithms of defects detection and classification. Through the learning of 500 sample patterns of molded parts, defects of 3% molded parts was detected and classified as the incorrect diameter parts. We expect that proposed approach is an effective alternative to save test time and cost for defect detection of a fine pattern within the molded parts.
