비전 기반 로봇 하차·공정 결함검사 및 자동화 인식

Computer-vision-based robotic depalletising and industrial defect inspection

연구 내용

RGB-D 및 3D 비전 데이터를 활용해 제조·물류 현장에서 객체를 인식하고 결함을 자동 검출하는 연구

제조 및 물류 현장에서 비정형 물체를 안정적으로 처리하기 위해 RGB-D 기반 객체 인식과 기계학습 기반 결함/불량 판별을 결합하는 연구를 수행합니다. 다중 딥러닝 방법을 이용해 입력 이미지를 체계적으로 전처리하고 객체를 탐지·매칭합니다. 또한 포인트클라우드 기법과 전용 그리퍼 구성을 통해 박스·낱소포의 디팔레타이징 동작을 설계합니다. 공정 품질 측면에서는 X-ray 등 영상 기반 검사 절차를 자동화하고, 용접 음향 결함검출은 표준주기 음향 분할 및 테스트 신호 비교로 결함을 판정합니다.

관련 프로젝트

1건

연구 흐름

초기에는 RGB-D 이미지 처리와 딥러닝 기반 객체 탐지로 로봇 하차·분류 문제의 입력 정합성을 확보하는 데 집중했습니다. 이후 산업 라인에서 결함을 찾아내는 비전 검사 알고리즘으로 연구 범위를 확장하고, 포인트클라우드 중심의 3D 기법과 맞춤형 파지 프로세스를 통해 박스 디팔레타이징 성능을 고도화했습니다. 최근에는 공장·제조 공정 전반의 비전 활용을 체계적으로 정리하고, 특정 결함 유형에 대한 적용 가능성을 검토하는 방향으로 연구를 진행하고 있습니다. 2022~2025년의 실적을 기반으로 인식-검사-자동화 흐름을 연결하는 연구 궤적을 구축했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

RGB-D 기반 디팔레타이징 시스템
영상 기반 공정 품질검사
로봇 파지 위치 추정
3D 포인트클라우드 기반 형상 추적
용접 결함 자동 판정
비전 데이터 표준화 파이프라인
제조 이상탐지용 분류 모델
이물·표면 결함 탐지
제조 라인 자동화 진단
공정 운영 의사결정 지원