브레니(Brenny) (주)아이디맥스

사람과 같이 문제 해결을 위해 학습하는 나는 브레니(Brenny)라고 해요. 사물도 인식하고 무언가를 분류해보고 묶어보고 신경망을 가동시켜 특징을 추출하죠. 기계가 학습을 하다니... 내가 궁금하지 않나요?

정의

전자 하드웨어 제조 산업은 머신 비전으로 잘 관리되고, 특히 반도체 및 모바일 장치 산업에는 응용 프로그램의 복잡성과

프로그래밍 비용으로 인해 자동화에 저항하는 응용프로그램이 있습니다. 이 솔루션은 인간의 유연성과 컴퓨터의 견고성을

결합하여 빠르고 안정적인 검사 결과를 제공합니다.

특징

1. 결함 감지

조립된 인쇄 회로 기판(PCB)은 전원 공급 장치 및 고르지 않은 용접 결함의 다양한 종류는 미묘하지만 본질적인 차이뿐만

아니라 눈부심과 같은 이미지 문제로 인해 비전 시스템에서 다르게 나타납니다. 딥 러닝 기반 솔루션은 규칙 기반 프로그래밍

없이 관심있는 영역을 수정하고 부품 간 편차가 큰 용접부를 검사할 수 있으므로 시간이 많이 걸리거나 지루하거나 때로는

불가능합니다. Cognex Deep Learning은 이미지 문제 및 눈부심으로 인해 발생할 수 있는 모양의 변화를 설명하는 용접의

정상적인 모양과 참을 수 없는 결함의 참조 모델을 만들 수 있습니다.

2. 광학 문자 인식

사용자가 한 번에 전체 문자열을 학습하고, 단일 문자를 제거하고, 동일한 문자의 여러 인스턴스를 학습하고, 훈련 된 글꼴을

새로운 응용 프로그램에 로드하거나 저장할 수 있는 최고의 도구조차도 시간이 오래 걸리고 여전히 예상치 못한 변형이 있는

캐릭터를 식별하는 데 어려움이 있습니다. 딥 러닝 기반 도구는 사전 훈련 된 라이브러리를 사용하여 프레젠테이션이 변경 될

때에도 캐릭터를 인식하고 검증하므로 검사 시스템의 정확도가 향상되어 재 훈련으로 인한 가동 중지 시간이 최소화됩니다.

3. 조립 검증

조립 검증은 구성요소가 존재하고 올바르게 장착되어 있고 발향이 올바른지 확인을 해아하므로 , 이러한 검사는 하위

어셈블리에 따라 2D 및 3D로 수행해야 할 수 도 있습니다. 머신 비전 시스템은 관심있는 여러 영역에 대해 교육을 받고

각 개별 구성 요소를 식별 하는 방법을 배울 수 있지만 조명 대비, 원근 및 방향 변경 또는 눈부심으로 인한 모양의 변화로

인해 시스템이 혼동 될 수 있습니다. 딥러닝 기반 비전 시스템은 컴퓨터의 속도와 견고성의 추가 이점을 통해 인간의 유연성, 식별 및 판단 기반 의사 결정에 필적합니다. Cognex Deep Learning은 구성 요소가 존재하고 올바르게 조립되었는지 확인하기 위해 여러 관심 여역을 식별하여 구성 요소를 찾고 계산하고 검사할 수 있습니다.

4. 분류

검사 시스템은 제조업체의 기준에 따라 구성 요소를 정렬하여 다른 기준을 무시하면서 색상과 표시로 전기 커패시터를

구별 할 수 있어야 합니다. 딥러닝 기반 시스템은 단일 이미지에서 여러 유형의 단일 구성 요소를 정확하게 분류하고

정렬할 수 있어 머신 비전보다 큰 이점을 제공합니다. Cognex Deep Learning은 이미지 분석에 인공 지능의 힘을 활용하여

부품 위치, 미용 검사, 분류 및 문자 인식과 관련된 까다로운 전자 응용 프로그램을 해결합니다.

출처 : 코그넥스
COGNEX 제품 적용 솔루션 참조 : www.xvision.co.kr 
머신비전 관련 문의처 ☞ (주)아이디맥스 02-838-1170
자동인식전문기업 IDMAX : www.idmax.co.kr 기술영업문의 : sales@idmax.co.kr