편광 카메라와 전처리 방법을 이용한 너트 불량 검사 알고리즘 개발 = Development of Nut Defect Detection Algorithm Using Polarized Camera and Preprocessing Methods

국문 초록 (Abstract)

유압 커플러 너트의 표면 결함은 제품 작동에 부정적인 영향을 미치므로, 너트 불량을 사전에 감지하여야 한다. 기존 불량 검사는 사람이 직접 검사하거나 머신 비전을 사용하지만, 작업자의 피로도와 촬영 환경에 따라 정확도가 일정하지 않는 문제가 있다. 이에 본 연구에서는 머신 비전의 정확도를 높이기 위해 촬영 환경의 노이즈를 감소시키고 전처리와 딥러닝을 통해 불량 판별 정확도를 향상시키는 방법을 제안한다. 촬영 환경의 빛 반사 노이즈를 제거하기 위해 편광 카메라를 사용하였으며, 편광 카메라 필터에 따른 정확도를 비교하였다. 또한 이미지의 노이즈 제거 및 너트 불량 발생 영역만을 표현하는 전처리 프로세스를 제안하며 이에 따른 불량 판별 정확도를 비교하였다. 이에 일반 산업용 카메라를 사용했을 때보다 편광 카메라를 적용했을 때 정확도가 8.4% 향상됨을 확인하였으며 전처리 프로세스를 적용하여 불량 판별 정확도가 14% 향상되었다. 또한 편광 카메라 필터에 따라 최대 7.9%까지 정확도가 개선될 수 있음을 확인하여, 최적의 촬영 환경 및 전처리 프로세스를 제안하였다. 본 연구에서 제안한 방법을 통해 너트뿐만 아니라 빛 반사 및 이미지 노이즈로 인해 정확도가 저하되었던 부품에 적용할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Defects in nuts can negatively impact product operation, making defect detection critical. Existing defect inspection methods use human inspection or machine vision, but the inspection accuracy is inconsistent depending on operator fatigue, and the accuracy decreases depending on the shooting environment. This study aims to reduce noise in the shooting environment and improve accuracy through preprocessing and deep learning. A polarizing camera was used to remove light reflections in the shooting environment, and the accuracy of different polarizing camera filters was compared. This paper also proposes a process for denoising images and preprocessing images of interest and compares the accuracy of defect identification. The results revealed 8.4% improvement in accuracy when using a polarized camera over an industrial camera, and a 14% improvement in defect detection accuracy by applying preprocessing. The accuracy improved by up to 7.9% depending on the polarizing camera filter, and the optimal shooting environment and preprocessing process were proposed. The proposed method is expected to be applied to nuts and parts, the accuracy of which has been reduced by noise.