맨위로가기 타임라인 바로가기

머신 비전

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
타임라인 바로가기
목차

1. 개요

머신 비전은 이미지에서 유용한 정보를 자동으로 추출하는 기술 및 방법을 포괄하며, 제품 검사, 객체 식별, 위치 및 방향 정보 추출 등에 활용된다. 컴퓨터 비전과는 달리 산업 현장의 문제 해결에 초점을 맞춘 시스템 공학의 한 분야이다. 머신 비전 시스템은 조명, 카메라, 프로세서, 소프트웨어, 출력 장치 등으로 구성되며, 2D 가시광선 이미징 외에도 3D 이미징 등 다양한 이미징 기술을 사용한다. 작동 원리는 이미지 획득, 디지털 변환, 이미지 처리, 문제 판단 및 조치로 이루어진다. 딥 러닝 기술의 발전으로 2010년대 후반부터 자동 검사 분야에서 널리 활용되고 있으며, 반도체, 자동차, 식품, 의약품 등 다양한 산업 분야에서 품질 검사, 로봇 가이드, 공정 제어 등에 적용된다.

더 읽어볼만한 페이지

  • 컴퓨터 비전 - 합성곱 신경망
    합성곱 신경망(CNN)은 이미지, 영상 등 시각 데이터 처리에 특화된 인공 신경망으로, 합성곱층, 풀링층, 완전 연결층으로 구성되어 특징 추출, 차원 축소, 최종 분류 또는 예측을 수행하며 이미지 인식, 영상 분석, 자연어 처리 등 다양한 분야에 응용된다.
  • 컴퓨터 비전 - 광학 흐름
    광학 흐름은 비디오나 이미지에서 보이는 객체, 표면, 엣지의 움직임 패턴을 나타내며, 움직임 예측, 비디오 압축, 장면 구조 추정, 로봇 내비게이션 등 다양한 분야에 활용되는 중요한 기술이다.
머신 비전
개요
정의화상 정보를 이용하여 물체를 식별하고 검사하는 기술
활용 분야결함 감지
로봇 제어
품질 관리
보안
기술 요소
하드웨어카메라
렌즈
조명
프레임 그래버
컴퓨터
소프트웨어이미지 처리 알고리즘
패턴 인식
머신 러닝
이미지 처리
블롭 추출이미지에서 연결된 픽셀 그룹을 식별하는 기술
주요 단계이진화
연결 요소 분석
특징 추출
응용 분야
산업 자동화제품 검사 및 불량 감지 자동화
의료 영상의료 이미지 분석 및 진단 지원
보안 시스템얼굴 인식 및 감시 시스템

2. 정의

"머신 비전"이라는 용어는 여러 가지로 정의되지만, 이미지 처리와는 다르게 이미지를 바탕으로 유용한 정보를 자동으로 추출하는 데 사용되는 기술과 방법을 포함한다. 추출되는 정보는 제품의 양품/불량품 판정과 같이 간단한 신호일 수도 있고, 이미지 속 각 객체의 식별, 위치, 방향 등과 같이 복잡한 데이터일 수도 있다.[1][2][3] 이 정보는 산업 현장에서 자동 검사, 로봇 및 공정 안내, 보안 감시, 차량 안내와 같은 분야에 활용될 수 있다.[1][2][3] 머신 비전 분야는 다양한 기술, 소프트웨어 및 하드웨어 제품, 통합 시스템, 활동, 방법, 전문 지식을 아우른다.[3][4]

머신 비전은 시스템 공학의 한 분야로서, 컴퓨터 과학의 한 분야인 컴퓨터 비전과는 구별된다. 머신 비전은 기존 기술들을 새로운 방식으로 통합하고 적용하여 산업 자동화 등 실제 문제를 해결하는 데 초점을 맞춘다.[3][5]

머신 비전 시스템은 컨베이어 벨트 위의 물체 수를 세거나, 일련 번호를 읽거나, 표면에 흠집이 있는지 검사하는 등 매우 제한적인 작업을 수행한다. 제조업체들이 머신 비전을 도입하는 이유는 빠르고 정밀한 검사를 쉬지 않고 수행할 수 있기 때문이다. 사람이 직접 검사하는 경우, 컨디션 변화나 장시간 집중력 유지에 어려움이 있을 수 있지만, 짧은 시간이라면 기계보다 뛰어난 인식 능력과 문제 발생 시 유연하게 대처할 수 있다.

컴퓨터는 사람의 눈과 똑같이 "보는" 것은 아니다. 카메라는 사람의 눈과 다르며, 컴퓨터는 이미지의 개별 픽셀을 조사하고, 지식 베이스나 패턴 인식 엔진을 사용하여 결론을 내린다. 사람의 지각 능력을 모방한 머신 비전 알고리즘도 개발되었지만, 효율성을 우선으로 하는 특정 용도에 맞는 다양한 이미지 처리 기법도 개발되었다. 머신 비전 및 컴퓨터 비전 시스템은 이미지를 일관되게 처리할 수 있지만, 단일 반복 작업을 수행하도록 설계되는 경우가 많다. 이 분야가 발전하고 있지만, 아직 인간의 이미지 이해 능력에는 도달하지 못했다. 특히 빛의 변화, 화질 저하, 부분적인 변동에는 대응하기 어렵다.

3. 구성 요소

머신 비전 시스템은 일반적으로 다음과 같은 구성 요소로 이루어진다.


  • 조명
  • 카메라 또는 기타 이미저
  • 프로세서
  • 소프트웨어
  • 출력 장치[12]


2차원·가시광선의 일반적인 촬영이 가장 많이 사용되며, 이 외에도 적외선 촬영[55], 라인 스캔 촬영, 3차원 촬영, X선 촬영[56] 등이 사용될 수 있다. 2차원·가시광선의 경우에도 흑백 촬영과 컬러 촬영, 해상도의 차이, 이미지 전체에 대해 동시에 이미지 처리를 수행하는지 여부, 움직이는 물체의 인식이 가능한지[57] 등의 차이가 있다. 3차원 촬영에서 자주 사용되는 것은 삼각 측량에 기반한 스캔이다. 이 외에도, 레이저 광선의 반사에 걸리는 시간으로 거리를 측정하는 기법(TOF 방식), 그리드 방식, 스테레오 방식 등의 3차원 촬영 기법이 있다.[48]

촬영 장비(카메라 등)는 이미지 처리 장치와 분리되어 있는 경우도 있고, 일체화되어 있는 경우도 있다. 후자는 스마트 카메라(smart camera) 또는 스마트 센서(smart sensor)라고 불린다.[58][59] 분리형의 경우, 양자 간의 연결에는 표준 인터페이스(CameraLink영어, CoaXPress영어 등) 또는 독자 인터페이스의 프레임 획득 장치(frame grabber영어)라는 전용 하드웨어를 경유하는 경우가 있다.[60][61][48][62] 컴퓨터에 직접 연결 가능한 카메라가 사용되기도 하며, FireWire, USB, 기가비트 이더넷과 같은 인터페이스로 연결한다.[48][63]

4. 작동 원리

머신 비전 시스템의 작동 원리는 크게 다음과 같은 단계로 이루어진다.

일반적으로 카메라, 렌즈, 조명을 사용하여 이미지 획득을 하는 것이 첫 단계이다. 이는 후속 처리에 필요한 부분을 구분할 수 있도록 설계된다.[9][10] 디지털 이미지 처리 기술을 사용하여 필요한 정보를 추출하고, 이를 바탕으로 합격/불합격 여부 등을 결정하는 것은 머신 비전(MV) 소프트웨어 패키지와 프로그램의 역할이다.[11]

자동 검사 시스템의 일반적인 출력은 합격/불합격 결정이며,[4] 실패한 항목을 거부하거나 경보를 울리는 메커니즘을 작동시킬 수 있다. 로봇 안내 시스템을 위한 객체 위치 및 방향 정보도 일반적인 출력 중 하나이다.[4] 이 외에도 숫자 측정 데이터, 코드 및 문자 데이터, 객체 수 및 분류, 프로세스 또는 결과 표시, 저장된 이미지, 자동 공간 모니터링 MV 시스템의 경보, 공정 제어 신호 등 다양한 유형의 출력이 가능하다.[41][4] 또한 사용자 인터페이스, 다중 구성 요소 시스템 통합 인터페이스, 자동 데이터 교환 인터페이스도 포함된다.[42]

2006년에는 MV에 사용되는 인터페이스나 구성의 표준화가 미흡했다. 사용자 인터페이스, 복수 컴포넌트 조합 인터페이스, 데이터 교환 자동화 인터페이스 등이 그 예시이다.[49] MV의 첫 단계는 이미지 촬영이며, 카메라, 렌즈, 조명을 사용하여 후속 처리에서 필요한 부분을 식별할 수 있도록 이미지를 촬영한다.[50][51] 촬영된 이미지에 MV 소프트웨어 패키지를 통해 디지털 이미지 처리를 수행하여 필요한 정보를 추출하고, 이를 바탕으로 합격/불합격 여부 등을 판단한다.[52]

촬영 장비(카메라 등)는 이미지 처리 장치와 분리되거나 일체화될 수 있다. 일체화된 장비는 smart camera영어 또는 smart sensor영어라고 불린다.[58][59]

머신 비전 시스템의 일반적인 출력은 합격 또는 불합격 여부이다. 이 출력을 통해 문제가 있는 제품을 걸러내거나 경보음을 울리는 기구를 작동시킬 수 있다. 산업용 로봇의 입력으로 사용하기 위해 물체의 위치나 방향 정보를 출력하기도 한다.[48] 출력 데이터 유형으로는 측정값, 바코드 등의 코드, 시리얼 번호 등의 문자열, 이미지 자체 등 다양한 것들이 있다.[74][48]

동기화 센서는 제품(또는 부품)이 컨베이어 상의 검사 위치에 도달했음을 알린다. 센서의 트리거에 따라 카메라는 이미지를 획득하며, 광원의 ON/OFF도 동기화된다. 광원은 물체의 특징을 쉽게 파악하고 검사와 관련 없는 특징은 무시(그림자 등)할 수 있도록 배치된다.

카메라가 획득한 이미지는 프레임 획득 장치로 전달된다. 프레임 획득 장치는 디지털화 장치(스마트 카메라에는 내장, 그렇지 않은 경우 컴퓨터용 보드)로, 카메라 출력을 디지털 형식(주로 수치 2차원 배열)으로 변환하여 컴퓨터 저장 장치에 저장한다. 머신 비전 소프트웨어는 이 이미지 데이터를 처리한다.

소프트웨어는 여러 단계로 이미지를 처리한다. 일반적으로 노이즈 감소 후 회색 계조에서 흰색과 검은색의 이진 이미지로 변환한다. 이후 이미지에서 물체 수, 크기, 흠집 유무 등을 검사한다. 마지막으로 프로그램된 규칙에 따라 촬영된 물체의 문제 여부를 결정하고, 문제가 있으면 부품 제거 기구에 신호를 보내거나 라인을 중단하고 사람에게 알린다.

스마트 카메라는 프로세서가 내장된 카메라로, 머신 비전 시장에서 점유율을 높이고 있다. 이미지 처리에 최적화된 프로세서 덕분에 프레임 획득 장치나 외부 컴퓨터가 필요 없어 비용 절감, 시스템 단순화, 개별 카메라의 전용 프로세서 확보가 가능하다.

5. 이미지 처리 기술

머신 비전 시스템은 이미지를 획득한 후 다양한 이미지 처리 기술을 활용한다. 일반적인 처리 과정은 다음과 같다.[28]

1. 이미지 획득: 카메라, 렌즈, 조명을 사용하여 이미지를 획득한다.[9][10]

2. 이미지 처리: 이미지 처리에는 CPU, GPU, FPGA 또는 이들의 조합이 사용된다.[4]

머신 비전에서 사용되는 이미지 처리 방법은 다음과 같다.

처리 방법설명
스티칭/등록인접한 2D 또는 3D 이미지를 결합한다.
필터링형태학적 필터링과 같은 기술을 사용한다.[30]
임계값 처리이미지의 특정 부분을 분리하기 위해 회색 값을 설정하고, 이를 기준으로 이미지를 흑백으로 변환한다.[31]
픽셀 계산밝거나 어두운 픽셀의 수를 계산한다.
분할디지털 이미지를 여러 세그먼트로 분할하여 분석을 용이하게 한다.[32][33]
가장자리 감지객체의 가장자리를 찾는다.[34]
색상 분석색상을 사용하여 부품, 제품, 항목을 식별하고 품질을 평가하며, 특징을 분리한다.[4]
블롭 감지 및 추출이미지에서 연결된 픽셀의 개별 블롭을 검사한다.[35]
신경망/딥 러닝/머신 러닝 처리자체 훈련되는 다변수 의사 결정을 사용하며, 객체 식별, 합격/불합격 분류, OCR 등에 활용된다.[4][36]
패턴 인식 (템플릿 매칭 포함)특정 패턴을 찾고 일치시키며 계산한다. 회전, 가려짐, 크기 변화 등에 대응할 수 있다.[37]
바코드, 데이터 매트릭스, 2D 바코드 읽기[38]
광학 문자 인식 (OCR)일련번호와 같은 텍스트를 자동으로 읽는다.[39]
게이징/계측객체의 치수를 픽셀, 인치, 밀리미터 등의 단위로 측정한다.[40]
대상 값과의 비교코드, 바코드, 게이징, 영숫자 코드, 결함 검사 등에서 측정값을 기준값과 비교하여 합격/불합격 여부를 결정한다.



최근에는 컬러 카메라를 사용하는 경우가 많아졌으며, 디지털 카메라를 직접 장착하여 화질 저하를 줄이는 경우도 있다. 또한, 프로세서가 내장된 스마트 카메라의 사용이 증가하면서 시스템이 단순화되고 비용이 절감되는 추세이다.

6. 3차원 머신 비전

머신 비전에서 기존의 2차원 이미징이 가장 일반적으로 사용되지만, 3차원 이미징을 활용하는 애플리케이션도 성장하고 있다.[23][24] 3차원 이미징에 가장 일반적으로 사용되는 방법은 스캔 기반 삼각 측량으로, 이미징 과정 중 물체나 이미지의 움직임을 활용한다. 레이저를 물체 표면에 투사하고, 다른 각도에서 카메라로 선을 관찰하면 선의 편차가 모양 변화를 나타낸다. 여러 스캔의 선은 깊이 맵 또는 포인트 클라우드로 조합된다.[4]

스테레오 비전은 두 카메라 쌍의 두 시야 모두에 고유한 특징이 있는 특수한 경우에 사용된다.[25] 머신 비전에 사용되는 다른 3차원 방법으로는 비행 시간(ToF, Time of Flight) 방식과 그리드 기반 방식이 있다.[4] 2012년경 마이크로소프트 키넥트 시스템에서 사용된 의사 무작위 구조화된 조명 시스템을 사용하는 그리드 배열 기반 시스템도 한 가지 방법이다.[26][27]

한국어 자료에서는, 3차원 촬영에서 삼각 측량에 기반한 스캔이 자주 사용되며, 이 외에도 레이저 광선의 반사에 걸리는 시간으로 거리를 측정하는 기법(TOF 방식), 그리드 방식, 스테레오 방식 등의 3차원 촬영 기법이 있다고 설명한다.[48]

7. 딥러닝과 머신 비전

최근 딥 러닝 기술의 발전은 머신 비전 분야에 혁신적인 변화를 가져오고 있다. 딥러닝 기반 머신 비전 시스템은 기존의 규칙 기반 시스템으로는 해결하기 어려웠던 복잡하고 다양한 문제들을 해결할 수 있게 해준다.[4] 특히, 이미지 분류, 객체 탐지, 분할 등에서 뛰어난 성능을 보이며, 불량 검사, 로봇 안내 등 다양한 분야에 적용되고 있다.

이미지를 획득한 후에는 이미지 처리가 수행된다.[28] 중앙 처리 기능은 일반적으로 CPU, GPU, FPGA 또는 이들의 조합에 의해 수행된다.[4] 딥 러닝 훈련 및 추론은 더 높은 처리 성능 요구 사항을 부과한다.[29] 여러 처리 단계는 일반적으로 원하는 결과로 이어지는 시퀀스로 사용된다. 일반적인 시퀀스는 이미지를 수정하는 필터와 같은 도구로 시작하여 객체 추출, 해당 객체에서 데이터 추출(예: 측정, 코드 읽기) 및 해당 데이터 통신 또는 대상 값과의 비교를 통해 "합격/불합격" 결과를 생성하고 통신하는 방식으로 진행될 수 있다.

머신 비전 이미지 처리 방법에는 다음이 포함된다.


  • 신경망 / 딥 러닝 / 머신 러닝 처리: 가중치가 부여되고 자체 훈련되는 다변수 의사 결정[36] 약 2019년에는 딥 러닝과 머신 러닝을 사용하여 머신 비전 기능을 대폭 확장하는 이러한 분야가 크게 확장되었다. 이러한 처리의 가장 일반적인 결과는 분류이다. 분류의 예로는 객체 식별, 식별된 객체의 "합격/불합격" 분류 및 OCR이 있다.[4]


딥 러닝이라는 용어는 다양한 의미를 가지며, 대부분 20년 이상 머신 비전에 사용된 기술에 적용될 수 있다. 하지만 "머신 비전"에서의 이 용어 사용은 2010년대 후반, 산업용 머신 비전 분야에서 이러한 기술을 전체 이미지에 성공적으로 적용할 수 있는 능력이 생기면서 시작되었다.[43] 기존의 머신 비전은 일반적으로 머신 비전 자동 검사 솔루션의 "물리적" 단계에서 결함을 신뢰성 있게 ''단순하게'' 구별해야 한다. "단순한" 구별의 예는 결함이 어둡고 제품의 양품 부분이 밝은 경우이다. 일부 응용 분야가 불가능했던 일반적인 이유는 "단순한" 구별을 달성하는 것이 불가능했기 때문인데, 딥 러닝은 이 요구 사항을 제거하여 본질적으로 인간처럼 물체를 "보고" 이러한 자동 응용 분야를 수행할 수 있게 한다.[4] 시스템은 훈련 단계에서 대량의 이미지로부터 학습한 다음, "추론"이라고 불리는 런타임 사용 중에 검사를 실행한다.[4]

8. 활용 분야

머신 비전은 다양한 산업 분야에서 활용되고 있다. 추출된 정보는 산업 분야의 자동 검사, 로봇 및 공정 안내, 보안 모니터링, 차량 안내 등에 사용될 수 있다.[1][2][3]

머신 비전의 주요 용도는 영상 기반 자동 검사 및 분류와 로봇 안내이다.[4][12] 머신 비전은 일반적으로 로봇이 제품을 적절하게 파지할 수 있도록 위치 및 방향 정보를 제공한다.[4]

머신 비전은 다음과 같은 분야에서 활용된다.


  • 각종 제품(IC 칩, 자동차, 식품, 의약품 등) 검사: 사람이 눈으로 제품을 검사하는 대신 디지털 카메라, 스마트 카메라, 영상 처리 소프트웨어 등으로 구성된 머신 비전 시스템이 검사를 수행한다.
  • 반도체 부품 공장: 실리콘 웨이퍼나 칩, 저항, 콘덴서 등의 검사에 사용된다. 머신 비전 시스템은 CPU 생산에 필수적이다.
  • 자동차 산업: 산업용 로봇의 가이드로 사용되어 용접 부분의 위치를 맞추거나 표면의 흠집을 감지한다.[48]
  • 기타: 품질 보증, 분류, 자재 반송, 광학적 계측 등에도 활용된다.[47]

9. 시장 동향

전 세계 머신 비전 시장은 지속적으로 성장하고 있으며, 특히 4차 산업혁명, 스마트 팩토리 확산, 인공지능 기술 발전 등에 힘입어 더욱 빠른 성장이 예상된다. 2021년 기준 전 세계 머신 비전 시장 규모는 약 100억달러~110억달러로 추정되며,[77] 앞으로도 연평균 10% 이상의 높은 성장률을 보일 것으로 전망된다.

2006년 북미 머신 비전 시장은 15억달러로 추정되었다.[75] 그러나 머신 비전 전문지 편집장은 "머신 비전은 본래 하나의 산업이 아니다"라며, 오히려 "자동차 등에 대표되는 제조업, 농업, 군수산업 등에 도움이 되는 서비스와 애플리케이션을 제공하는 기술과 제품을 통합한 것"이라고 말하고 있다.[76]

참조

[1] 서적 Machine Vision Algorithms and Applications https://books.google[...] Wiley-VCH 2018-01-30
[2] 서적 Machine Vision - Automated Visual Inspection: Theory, Practice and Applications https://www.springer[...] Springer 2016-10-11
[3] 서적 Machine Vision for the Inspection of Natural Products https://books.google[...] Springer 2010-11-02
[4] 간행물 By Any Other Name http://www.vision-sy[...] 2010-10
[5] 웹사이트 Robot Vision vs Computer Vision: What's the Difference? http://www.roboticst[...] Robotics Tomorrow 2016-07-21
[6] 뉴스 Machine Vision in IIoT http://www.qualityma[...] 2016-05-01
[7] 문서 Computer Vision
[8] 간행물 Integration: Making it Work http://www.visionsen[...] 2012-05-12
[9] 서적 Handbook of Machine Vision https://books.google[...] Wiley-VCH 2010-11-05
[10] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[11] 서적 Handbook of Machine Vision https://books.google[...] Wiley-VCH 2010-11-05
[12] 웹사이트 Introduction to Machine Vision http://www.assemblym[...] Assembly Magazine 2016
[13] 서적 Smart Cameras Springer 2009
[14] 간행물 Explore the Fundamentals of Machine Vision: Part 1 http://www.vision-sy[...] 2013-03-05
[15] 문서 Critical Considerations for Embedded Vision Design
[16] 간행물 CoaXPress standard gets camera, frame grabber support http://www.vision-sy[...] 2012-11-28
[17] 간행물 Cameras certified as compliant with CoaXPress standard http://www.vision-sy[...] 2013-03-05
[18] 간행물 Digital or Analog? Selecting the Right Camera for an Application Depends on What the Machine Vision System is Trying to Achieve http://www.visionsen[...] 2012-05-12
[19] 간행물 Product Focus - Looking to the Future of Vision http://www.vision-sy[...] 2013-03-05
[20] 간행물 The Infrared Choice http://www.vision-sy[...] 2013-03-05
[21] 간행물 Machine Vision Fundamentals, How to Make Robots See http://www.techbrief[...] 2011-11-29
[22] 문서 High Speed, Real-Time Machine Vision
[23] 간행물 3D Machine Vison Comes into Focus http://www.designnew[...] 2012-05-12
[24] 서적 Computer and Machine Vision: Theory, Algorithms, Practicalities https://books.google[...] Academic Press 2012-05-13
[25] 문서 3-D Imaging: A practical Overview for Machine Vision
[26] 문서 HYBRID STRUCTURED LIGHT FOR SCALABLE DEPTH SENSING http://research.micr[...]
[27] 문서 Structured light using pseudorandom codes
[28] 서적 Machine Vision - Theory Algorithms Practicalities Harcourt & Company 1996
[29] 문서 Finding the optimal hardware for deep learining inference in machine vision
[30] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[31] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[32] 문서 Computer Vision
[33] 문서 Visual Taxometric approach Image Segmentation using Fuzzy-Spatial Taxon Cut Yields Contextually Relevant Regions
[34] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[35] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[36] 학술지 Introduction to Neural Net Machine Vision http://www.vision-sy[...] 2007-03
[37] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[38] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[39] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[40] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag 1999
[41] 문서 A Roadmap For Building A Machine Vision System
[42] 서적 Handbook of Machine Vision https://books.google[...] Wiley-VCH 2006
[43] 간행물 The Place for Deep Learning in Machine Vision BNP Media II 2022-05
[44] 학술지 Factories of the Future https://books.google[...] 2006-12-15
[45] 서적 Machine Vision Algorithms and Applications https://books.google[...] Wiley-VCH
[46] 서적 Machine Vision for the Inspection of Natural Products https://books.google[...] Springer
[47] 서적 Image Acquisition and Processing with LabVIEW https://books.google[...] CRC Press
[48] 학술지 Integration: Making it Work http://www.qualityma[...] 2009-01
[49] 서적 Handbook of Machine Vision https://books.google[...] Wiley-VCH
[50] 서적 Handbook of Machine Vision https://books.google[...] Wiley-VCH
[51] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[52] 서적 Handbook of Machine Vision https://books.google[...] Wiley-VCH
[53] 학술지 3D Machine Vison Comes into Focus http://www.designnew[...] 2012-02
[54] 서적 Computer and Machine Vision: Theory, Algorithms, Practicalities https://books.google[...] Academic Press
[55] 학술지 The Infrared Choice http://www.vision-sy[...] 2011-04
[56] 학술지 Machine Vision Fundamentals, How to Make Robots See http://www.techbrief[...] 2011-06
[57] 문서 High Speed, Real-Time Machine Vision CyberOptics
[58] 서적 Smart Cameras Springer
[59] 학술지 Explore the Fundamentals of Machine Vision: Part 1 http://www.vision-sy[...] 2013-02
[60] 학술지 CoaXPress standard gets camera, frame grabber support http://www.vision-sy[...] 2011-05-31
[61] 학술지 Cameras certified as compliant with CoaXPress standard http://www.vision-sy[...] 2012-11-12
[62] 학술지 Digital or Analog? http://www.qualityma[...] 2008-03
[63] 학술지 Product Focus - Looking to the Future of Vision http://www.vision-sy[...] 2011-12
[64] 서적 Machine Vision - Theory Algorithms Practicalities Harcourt & Company
[65] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[66] 문서 Computer Vision Prentice-Hall 2001
[67] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[68] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[69] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[70] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[71] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[72] 서적 Industrial Image Processing: Visual Quality Control in Manufacturing Springer-Verlag
[73] 간행물 Introduction to Neural Net Machine Vision http://www.vision-sy[...] 2007-03
[74] 문서 A Roadmap For Building A Machine Vision System
[75] 간행물 Factories of the Future https://books.google[...] 2006-12-15/2007-01-01
[76] 간행물 By Any Other Name http://www.vision-sy[...] 2010-10
[77] Citation 【そもそも編】マシンビジョンとは https://forum.menou.[...] 2021-11

관련 사건 타임라인

( 최근 20개의 뉴스만 표기 됩니다. )


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com