협업 로봇 비전 검사는 필요한 각 특징이 안정적인 부품 기준점, 제어된 시야 및 조명 조건, 명확한 판정 규칙, 그리고 복구 가능한 재검사 경로와 연결될 때 효과적으로 작동합니다. 로봇의 움직임을 통해 복잡한 하우징 주변에 센서를 배치할 수 있지만, 움직임만으로는 이미지 품질이나 검출 능력을 보장할 수 없습니다. 품질 보증 또는 적용 범위에 대한 주장을 하기 전에 대표 부품, 알려진 조건, 가림 현상, 불확실성, 그리고 불량품 처리 등을 검증해야 합니다.
주요 테이크 아웃
- 카메라 포즈 목록 대신 특징 및 조건 행렬부터 시작하세요.
- 부품 좌표계가 고정 장치, 로봇, 센서 및 이미지와 어떻게 연관되는지 정의하십시오.
- 조명, 노출, 표면 상태, 초점 및 시야각을 하나의 촬영 설정으로 간주하십시오.
- 가려진 이미지, 신뢰도가 낮은 이미지, 이미지가 누락된 이미지, 통신 오류 등의 사례는 자동으로 분류하지 말고 기록해 두십시오.
- 고정 카메라, 로봇 탑재 카메라, 수동 검증 방식을 동일한 합격 및 재검사 규칙을 적용하여 비교합니다.
선별된 증거가 보여주는 것과 보여주지 않는 것은 무엇인가
선택된 영상 시퀀스는 협동 로봇이 복잡한 금속 하우징 주변을 이동하며 여러 표면에 장치를 제시하는 모습을 보여줍니다. 시점의 변화는 로봇 탑재 센싱, 특징점 접근, 시야 계획, 가림 현상, 경로 재확인 등에 대한 논의를 뒷받침합니다.
해당 영상에는 센서 종류, 2차원 또는 3차원 데이터 수집 여부, 렌즈, 조명, 노출, 기능 목록, 참조 방법, 교정, 측정 불확실성, 알고리즘, 학습 데이터, 결함 집합, 검사 범위, 정확도, 오탐지율, 주기 시간, 추적 시스템, 합격 결과 또는 생산 배치에 대한 정보가 포함되어 있지 않습니다. 따라서 해당 영상만으로는 "100% 검사" 또는 수치적 검출 결과를 주장할 수 없습니다.
그 경계는 설계 논의의 방향을 바꿉니다. 질문은 "로봇 팔이 하우징 주변을 살펴볼 수 있는가?"가 아니라 "필요한 모든 조건을 통제된 증거를 통해 관찰하고, 정의된 합격, 불합격 또는 재검사 상태로 처리할 수 있는가?"입니다.
협업 로봇 비전 검사 방법: CLEAR
EVST는 CLEAR를 사용하여 초기 검사 검토를 구성합니다.
- C — 좌표 참조: 부품 기준점, 고정구 참조, 로봇 좌표계, 센서 좌표계 및 특징 식별자.
- L — 조명: 방향, 스펙트럼 또는 광원 선택, 눈부심 방지, 주변 환경 차단 및 상태 모니터링.
- E — 노출 및 시야각: 작동 거리, 초점, 특징 크기, 이미지 영역, 동작 상태 및 캡처 트리거.
- A — 접근 및 폐쇄: 공구 간극, 카메라 자세, 차단된 표면, 케이블 및 충돌 영역.
- R — 재확인 및 기록: 신뢰도 또는 유효성 상태, 재시도 규칙, 수동 처리, 이미지 보존 및 변경 관리.
CLEAR는 카메라를 선택하거나 결과물을 보장하지 않습니다. CLEAR는 건축물과 디자인 실험을 비교하는 데 필요한 프로젝트 관련 증거를 보여줍니다.
1. 제품 요구사항을 기능 매트릭스로 변환합니다.
점검해야 할 모든 특징 또는 조건을 나열하고 도면, 사양, 관리 계획 또는 합의된 제품 요구 사항과 연결하십시오. 시각적 방법을 전제로 하지 않고 허용 가능한 관찰 기준을 설명하십시오. 예를 들어 존재 여부, 방향, 표면 상태, 라벨 또는 코드 가독성, 커넥터 상태 또는 치수 등이 있을 수 있지만, 각각에 대한 범위와 증거가 필요합니다.
2. 좌표 및 식별 체인을 설정합니다.
로봇에 탑재된 센서는 어떤 부품이 있는지, 그리고 센서를 기준으로 목표 특징의 위치를 파악해야 합니다. 고정 장치에서의 부품 위치, 로봇에 대한 고정 장치의 기준 좌표, 로봇 툴 또는 센서 프레임, 그리고 판단에 사용되는 이미지 영역을 정의하십시오. 제품 변형 및 프로그램의 선택 및 확정 방법을 명시하십시오.
로봇 자세 반복성은 이미지 품질에 영향을 미치는 여러 요인 중 하나일 뿐입니다. 고정 장치 변형, 부품 장착, 센서 장착, 교정, 렌즈 작동 방식, 열 조건 및 형상 등이 이미지에 나타나는 결과에 영향을 줄 수 있습니다. ISO 9283은 산업용 로봇의 조작 성능 평가 방법을 제공하지만, 전체 비전 검사 셀의 측정 성능을 규정하는 것은 아닙니다.
관계 변화를 파악할 수 있는 기준점 검사를 계획하십시오. 이러한 기준점 검사에는 알려진 아티팩트, 고정 장치 대상, 피듀셜, 이미지 상태 기능 또는 프로젝트별 특정 방법이 포함될 수 있습니다. 기준점 검사가 필요한 시점(서비스 후, 충돌 발생 후, 센서 조정 후, 소프트웨어 변경 후 또는 상태 검사 실패 후)과 허용된 조건을 벗어난 경우 발생하는 상황을 정의하십시오.
3. 의사결정 로직을 최적화하기 전에 조명을 설계하십시오.
머신 비전 이미지는 빛, 표면, 형상, 렌즈 및 센서의 상호 작용으로 생성됩니다. 예를 들어, 작업장 조명 아래에서 사람이 볼 수 있는 특징도 부품에 기름기가 있거나, 회전되었거나, 반사율이 높거나, 주변 조명이 변하면 사라질 수 있습니다.
자동화 발전 협회(AAA)의 머신 비전 조명 가이드라인은 조명 기하학 및 기술이 대비와 특징 가시성에 미치는 영향을 설명합니다. 로봇 탑재 시스템의 경우, 조명은 센서와 함께 장착되거나, 스테이션에 고정되거나, 또는 두 가지 모두를 사용할 수 있습니다. 각 배치 방식은 그림자, 눈부심, 케이블 부하, 충돌 범위 및 광학 조건의 반복성에 영향을 미칩니다.
4. 캡처 창을 정의합니다.
각 기능에 대해 작업 거리, 시야각, 원하는 이미지 영역, 초점 조건, 카메라 방향, 조명 상태, 노출 또는 이와 동등한 획득 설정, 로봇 상태 및 트리거 확인을 지정하십시오. 로봇이 정지 상태여야 하는지, 특정 자세로 고정될 수 있는지, 또는 해당 방법이 검증된 경우에만 움직이는 동안 촬영할 수 있는지 여부를 결정하십시오.
더 넓은 시야각은 더 많은 맥락을 보여줄 수 있지만, 작은 특징에 대한 유용한 이미지 세부 정보를 감소시킬 수 있습니다. 근접 촬영은 특징의 가시성을 향상시키지만 부품 위치 또는 로봇 위치에 대한 허용 오차를 줄일 수 있습니다. 이러한 장단점은 선택한 센서와 실제 부품을 사용하여 테스트해야 하며, 영상만으로는 해결할 수 없습니다.
이미지 유효성 검사를 추가하십시오. 트리거 누락, 포화된 프레임, 흐림, 렌즈 가림, 조명 부족, 잘못된 변형 또는 불완전한 전송은 검사된 양품으로 간주해서는 안 됩니다. "유효한 결정 없음" 상태를 명시적으로 생성하십시오.
5. 접근 및 가림 현상을 뷰 세트로 계획합니다.
복잡한 하우징은 시야를 가리거나 왜곡하는 공동, 리브, 플랜지, 커넥터 및 반사 표면을 생성합니다. 피처 매트릭스에 대한 뷰 세트를 구성하십시오. 하나의 포즈가 여러 호환 가능한 피처를 포함할 수 있으며, 다른 피처는 가림이나 방향 관리를 위해 두 개의 뷰가 필요할 수 있습니다.
센서 하우징, 렌즈 가드, 조명, 마운트, 손목, 케이블 및 로봇 본체를 모델링하십시오. 캡처 자세뿐만 아니라 접근 및 후퇴 동작도 포함하십시오. 고정 장치, 보호 장치, 컨베이어, 주변 공구 및 부품의 허용 오차 범위를 확인하십시오. 센서의 광 경로를 차단하지 않으면서 충돌 및 공정 오염으로부터 센서를 보호하십시오.
특정 부분을 확실하게 관찰할 수 없는 경우, 그 공백을 문서화하십시오. 관찰을 위한 방법으로는 고정 장치 방향 변경, 고정 카메라 추가, 조명 제어 추가, 부품 표현 방식 변경, 다른 감지 방법 사용, 또는 해당 부분을 수동 검증으로 이관하는 것 등이 있습니다. 단순히 "다각도 검사"라는 일반적인 표현으로 공백을 가리는 것은 보증 범위에 포함되지 않는 결과를 초래할 수 있습니다.
6. 대표 이미지와 조건 세트를 구성합니다.
시험에는 정상적인 생산 변동을 나타내는 부품과 기능 매트릭스와 관련된 알려진 조건을 나타내는 부품을 식별하여 포함해야 합니다. 실현 가능하고 허용되는 경우 허용 가능한 예와 허용 불가능한 예, 그리고 재확인 또는 수동 처리가 필요한 경계선 또는 모호한 상태를 포함해야 합니다.
NIST의 제조 및 로봇 측정 작업은 실증에서 도출된 결론보다는 성능 평가 및 측정 과학에 중점을 둡니다. 동일한 원칙이 여기에 적용됩니다. 즉, 측정 대상 또는 결정 사항, 기준 조건, 불확실성 요인, 테스트 절차 및 보고 범위를 정의해야 합니다.
7. 의사결정 위험에 맞는 지표를 선택하세요
성능을 하나의 모호한 "정확도" 수치로 압축하지 마십시오. 분류 작업의 경우, 팀은 혼동 범주, 오수용률, 오거부율, 무효 이미지 비율, 결함 또는 상태 유형별 동작 특성 등의 정보가 필요할 수 있습니다. 측정 작업의 경우, 요구 사항에 적합한 편향, 반복성, 재현성, 불확실성, 범위, 해상도 및 추적성 등의 정보가 필요할 수 있습니다.
정확한 측정 기준과 샘플 설계는 적용 분야와 오류 발생 가능성에 따라 달라집니다. 테스트 부품이 대표하는 모집단과 테스트에서 제외된 조건을 명시하십시오. 제한된 샘플에 대한 결과만으로는 모든 경우에 대한 검출 또는 커버리지를 보장할 수 없습니다.
모든 측정항목을 결과 처리 방식과 연결하세요. 신뢰도가 낮거나 허용 범위를 벗어난 결과는 두 번째 자동화된 보기, 데이터 정리 후 재수집, 수동 검증, 거부 또는 중단으로 이어질 수 있습니다. 시스템이 임의로 처리하지 않도록 프로덕션 환경 출시 전에 처리 방식을 결정하세요.
8. 설계 재검토 및 오류 복구
동일한 포즈에서의 재촬영, 새로운 시점, 부품 재배치, 렌즈 검사, 고정 장치 재장착 또는 수동 검토를 트리거하는 조건을 정의하십시오. 지속적인 불량 조건으로 인해 시간이 낭비되거나 원본 데이터가 덮어쓰여지지 않도록 자동 재시도 횟수를 제한하십시오.
잘못된 부품, 부품 미장착, 기준 검사 실패, 로봇 위치 오류, 센서 통신 손실, 조명 오류, 이미지 누락, 저장 오류, 신뢰도 낮은 결과, 모호한 결과 및 검사 불합격에 대한 제어된 대응을 생성합니다. 복구를 통해 원래 결과와 부품 식별 정보를 보존합니다.
9. 동일한 조건 행렬을 가진 아키텍처들을 비교합니다.
| 아키텍처 | 유용한 경우 | 테스트의 주요 이점 | 테스트의 주요 제한 사항 |
|---|---|---|---|
| 고정 카메라 세트 | 피처는 안정적인 위치와 뷰에 나타납니다. | 간단한 캡처 타이밍으로, 뷰 간 로봇 움직임이 없습니다. | 여러 대의 카메라를 사용하거나 부품 방향을 재조정해야 할 수 있으며, 가려짐 현상은 수정할 수 있습니다. |
| 로봇이 운반하는 카메라 | 특징들은 복잡한 부분 주변에 분포되어 있습니다. | 유연한 관점과 잠재적인 센서 공유 | 자세, 케이블, 충돌, 캡처 시간 및 보정 관련 종속성이 더 많아졌습니다. |
| 수동 검증 | 상황에 따라 인간의 해석이 필요하거나, 소량 생산에 대한 유연성이 요구될 수 있습니다. | 적응형 시청 및 맥락적 판단 | 인체공학, 일관성, 문서화 및 인력 관리가 필수적입니다. |
세 가지 모두에 대해 하나의 특징 매트릭스, 대표 조건 세트, 처리 논리 및 증거 보존 계획을 사용하십시오. 처리, 포착, 처리, 재확인, 수동 검토, 전환, 유지 관리 및 복구를 포함한 완전한 승인 결정을 비교하십시오.
하이브리드 아키텍처는 종종 합리적인 선택이 될 수 있습니다. 고정 카메라는 안정적인 고주파 영상 촬영에 적합하고, 로봇에 탑재된 센서는 분산된 표면에 접근할 수 있으며, 수동 검증을 통해 명확하게 정의된 모호한 사례를 해결할 수 있습니다. 아키텍처는 모든 영상을 하나의 장치로 자동화하려는 욕구보다는 증거 기반 요구 사항을 따라야 합니다.
10. 이미지 유효성에서 생산 상태에 이르는 수수료
부품 식별 정보, 고정 장치 참조, 센서 상태, 조명 및 이미지 캡처 확인으로 시작합니다. 정상적인 조건과 까다로운 조건에서 하나의 기능을 검증한 다음, 알려진 허용되지 않는 상태 및 유효하지 않은 이미지 상태를 평가합니다. 기능 매트릭스와 제품 변형 전반에 걸쳐 확장합니다.
이송, 보기 순서, 결정 집계, 재검사, 불량품 라우팅 및 데이터 기록을 포함한 전체 부품 시퀀스를 실행합니다. 전환, 센서 또는 조명 서비스, 표면 상태 변경, 부품 미장착, 잘못된 프로그램, 통신 손실, 시야 차단 및 사이클 중단을 테스트합니다.
실제로 평가된 기능, 변형, 조건 및 구성만 공개하십시오. 센서 마운트, 렌즈, 조명, 하우징, 고정 장치, 로봇 프레임, 소프트웨어, 임계값 및 이전 증거를 무효화할 수 있는 제품 변경 사항에 대한 변경 관리 목록을 유지하십시오.
인용 가능한 진술
비전 판단에는 부품과 고정 장치를 거쳐 로봇과 센서를 지나 이미지에 이르는 참조 체인이 필요하며, 로봇 자세만으로는 측정 결과가 될 수 없습니다. 출처 근거: ISO 9283은 로봇 성능 평가를 정의하고, NIST는 성능 평가 및 측정 과학을 중심으로 제조 자동화를 체계화합니다. 범위: 프로젝트는 완전한 셀 참조 및 불확실성 측정 방법을 정의해야 합니다.
조명 및 화면 유효성은 검사 입력 요소입니다. 포화, 흐림, 블록, 누락 또는 잘못된 변형 이미지는 유효한 검사 결과로 간주되지 않습니다. 출처 근거: 자동화 발전 협회(Association for Advancing Automation)는 조명 기하학이 대비 및 특징 가시성에 미치는 영향을 설명합니다. 해당 기사의 CLEAR 검토는 이 원칙을 매핑하여 타당성을 검증합니다. 범위: 임계값 및 상태 점검에는 선정된 장비와 대표 부품이 필요합니다.
로봇에 탑재된 카메라는 단순히 움직임만으로는 정당화될 수 없고, 분산되어 있거나 가려진 특징에 대한 접근을 제어할 수 있다는 점에서 그 필요성이 입증됩니다. 출처 근거: 관찰된 소스 시퀀스는 복잡한 하우징 주변의 다양한 시점을 보여줍니다. 경계: 이는 특징 범위, 센서 유형, 정확도 또는 탐지 성능을 규정하지 않습니다.
불확실한 시력 검사 결과가 나온 경우 자동 합격 처리 대신 명시적인 재확인, 수동 검증, 불합격 또는 검사 중단 등의 조치가 필요합니다. 출처 기준: CLEAR 방식은 재확인 및 기록을 보기 획득과 분리합니다. 경계: 경로 및 의사 결정 위험은 프로젝트별로 다릅니다.
프로젝트 입력 체크리스트
- 소스 요구사항 및 처리 방식을 포함하는 특징 및 조건 매트릭스.
- 부품 변형, 고정 장치 및 기준점, 취급 상태 및 예상 표면 변형.
- 후보 센서, 렌즈, 조명, 마운트, 케이블, 보호 장치 및 인터페이스.
- 필요한 시야, 작업 거리, 시야 범위, 장애물 및 접근 경로.
- 정상, 부적합, 경계선 및 유효하지 않은 이미지 상태를 대표하는 예시입니다.
- 측정 기준, 참조 방법, 샘플링 계획, 합격 기준 및 한계.
- 재확인, 수동 검토, 불량 처리, 이미지 보존, 오류 복구 및 변경 관리.
첨부된 입력 시트를 카메라 테스트 전에 작성하여 요구 사항, 가정 및 검증된 증거를 구분할 수 있습니다.
자주하는 질문
해당 영상은 3D 카메라가 사용되었다는 것을 증명합니까?
아니요. 로봇이 여러 표면에 장치를 대고 있는 모습을 보여주는 그림입니다. 센서 종류와 데이터 수집 방식은 명시되어 있지 않습니다.
하나의 광각 이미지가 여러 개의 근접 이미지를 대체할 수 있을까요?
경우에 따라 가능하지만, 모든 필수 기능이 대표적인 조건에서 충분한 가시성과 판단 근거를 유지하는 경우에만 가능합니다. 시야각, 기능 세부 사항, 눈부심, 가림 현상 및 부품 변형을 테스트해야 합니다.
이미지가 흐릿할 경우 어떻게 해야 할까요?
정의된 무효 또는 불확실한 상태로 라우팅합니다. 셀은 합의된 위험 및 프로세스 계획에 따라 재점화, 보기 변경, 세척 요청, 수동 검증을 위한 부품 전송, 거부 또는 중지할 수 있습니다.
시력 검사 관련 보험 청구는 어떻게 작성해야 할까요?
특징, 부품 모집단, 조건, 방법, 결정 규칙, 평가 근거 및 알려진 한계를 명시하십시오. 이러한 근거 없이 정확도, 결함률 또는 전체 적용 범위와 같은 포괄적인 표현을 사용하지 마십시오.
수동 검증이 여전히 유용한 경우는 언제일까요?
발생 빈도가 낮거나, 모호하거나, 변화하거나, 자동화된 증거가 충분하지 않은 상황에서는 수동 검토에도 지침, 인체공학적 요소, 기록 및 처리 규칙이 여전히 필요합니다.
관련 리소스
지우면 좋을거같음 . SM
- 자동화 발전 협회: 머신 비전 및 조명
- NIST 로봇공학 및 제조 자동화
- ISO 9283:1998 — 산업용 로봇 조작, 성능 기준 및 관련 시험 방법
- ISO 10218-2:2025 — 산업용 로봇 응용 분야 및 로봇 셀
이 가이드는 누가, 어떻게, 그리고 왜 작성했습니까?
- 작성자 엔티티: EVST 편집팀기사 작성자 이름과 구조화된 데이터에 사용된 것과 동일한 조직 수준의 작성자가 사용되었습니다. 개별 직원의 자격은 명시되지 않았습니다.
- 직접 관찰: 연구팀은 선정된 다각도 영상 시퀀스를 검토하여 로봇, 하우징, 장치 배치 및 시점 변화 등 보이는 부분만 기록했으며, 센서 유형, 알고리즘, 적용 범위, 정확도, 탐지 여부 및 생산 결과는 제외했습니다.
- 방법: 팀은 CLEAR 참조, 조명, 캡처, 접근 및 재확인 모델을 적용하고, 고정식, 로봇 운반식 및 수동식 아키텍처를 비교했으며, 각 기술 설명을 증거 기록과 대조하여 확인하고 머신 비전, 로봇 성능 및 측정 소스를 목록화했습니다.
- 이유 : 이 가이드는 검사팀이 장비를 선택하기 전에 모든 뷰를 제어된 기준, 조명 조건, 결정 규칙, 재확인 경로, 증거 기록 및 변경 관리 트리거와 연결하는 데 도움이 됩니다.
- 투명성 : 편집 방법 · 수정 및 업데이트 · 개인정보보호 · 문의하기 · 이용 약관
카메라 테스트 전에 특징 행렬을 구축하세요.
제품 변형, 특징 및 조건 매트릭스, 고정 장치 및 기준점, 표면 변형, 필요한 뷰, 후보 센싱 패키지, 결정 결과, 대표 부품, 재검사 규칙 및 데이터 보존 요구 사항을 EVST에 보내주십시오. EVST는 이러한 정보를 바탕으로 뷰 및 증거 기반 시험 계획을 수립할 수 있습니다. 최종 센싱 기술, 기능 및 승인 여부는 프로젝트별 평가를 통해 결정됩니다.