UPDATED. 2021-01-28 14:22 (목)
'인공지능의 눈' 머신비전, 불량률 제로 실현
'인공지능의 눈' 머신비전, 불량률 제로 실현
  • 차종환 기자
  • 승인 2020.11.24 18:10
  • 댓글 0
이 기사를 공유합니다

반사된 빛 분석해 제품 검사
사람 의한 오염·안전 예방

딥러닝 접목…감지성능 강화
활용도↑…융합산업 ‘기폭제’
AI 기반 머신비전 산업이 급성장할 것으로 예상된다. [사진=클립아트 코리아]
AI 기반 머신비전 산업이 급성장할 것으로 예상된다. [사진=클립아트 코리아]

눈부신 발전을 거듭하는 인공지능(AI)이 제조현장의 스마트화를 견인하고 있다.

특히 AI의 접목이 두드러지는 분야가 머신비전(Machine Vision)이다. 이미지 센싱을 기반으로 제품의 식별, 검수, 계측 등을 수행하는 머신비전은 AI를 더해 정확성과 정교함이 비약적으로 상승하고 있다.

머신비전 기술의 고도화는 스마트공장의 활성화와 맞물려 4차산업혁명의 핵심기술이 될 것이라는 평가다.

시장조사업체 마켓앤마켓에 따르면, 글로벌 머신비전 시장은 2022년까지 연평균 8.15%의 성장률을 보이며 144억3000만달러 규모로 성장할 것으로 예상된다.

 

■단순하지만 빠른 육안 검사, 인간의 한계 뛰어넘어

특정 제품이 불량인지 아닌지 판단하는 기준은 여러가지가 있지만 가장 단순하면서도 빠른 방법이 겉모양이 정상 제품과 차이가 있는지 확인하는 것이다.

한 두개 완제품을 육안으로 검사하는 것은 그리 어려운 일이 아니지만, 대량 생산 공정에 정밀성까지 더한 제품을 검사해야 한다면 사람의 눈은 금방 한계에 직면하게 된다.

머신비전은 빠른 속도, 높은 정확성, 수없이 반복해도 떨어지지 않는 성능을 바탕으로 이러한 인간의 한계를 보완한다. 고해상도 카메라와 정밀한 광학장치를 갖춘 머신비전 시스템은 1분에 수백, 수천개의 부품을 검사하면서도 사람의 눈으로는 볼 수 없는 세세한 부분까지 충분히 커버할 수 있다.

머신비전이 수행되는 동안 검사 대상이 되는 제품은 어떠한 물리적인 접촉도 생략할 수 있어 검사 중 파손, 마모, 변형의 위험도 거의 없다.

제조공정상 인력을 줄임으로써 안전문제를 예방할 수 있음은 물론, 인간에 의해 무균실이 오염되는 경우도 방지할 수 있다.

 

■빛으로 표면 스캔해 반사광을 분석

머신비전을 위해 조명을 비춘 예. 역광이 제품의 윤곽 형태를 향상시켜 센싱 정확도를 높인다. [사진=코그넥스]
머신비전을 위해 조명을 비춘 예. 역광이 제품의 윤곽 형태를 향상시켜 센싱 정확도를 높인다. [사진=코그넥스]

머신비전은 기본적으로 조명, 렌즈, 이미지 센서, 비전 프로세싱, 통신으로 이뤄진다. 물체 자체를 분석하는 것이 아닌, 물체에 반사된 빛을 분석하는 원리다.

조명이 검사할 부품의 특징이 두드러지도록 빛을 비추면, 렌즈가 이미지를 포착해 빛의 형태로 센서에 전송한다. 머신비전 카메라의 센서는 이를 디지털 이미지로 변환, 프로세서에 전송한다. 비전 프로세싱은 전송된 이미지를 검토하고 필요한 정보를 추출, 필수 검사를 수행해 최종 결정을 내리게 된다.

이러한 기본 원리를 바탕으로 다양한 응용이 가능하다.

부품의 위치와 방향을 찾아내고 이를 지정된 허용값과 비교해 올바른 각도로 조립돼 있는지 판단, 그렇지 않을 경우 올바른 위치나 방향으로 정렬하도록 유도할 수 있다.

2개 이상의 지점이나 기하학적 위치 간의 거리를 계산해 이 측정값이 사양을 충족하는지도 판단할 수 있다.

식품 및 제약 산업에서는 제품의 오염, 의약제 결점 감지, 밀봉의 안정성 점검 등 제품의 완성도를 검사하는 용도로도 활용된다.

 

■AI 결합, 활용성 무궁무진

머신비전은 이미지 센싱 후, 이를 분석한다는 차원에서 AI와의 결합이 매우 자연스럽게 이뤄질 수 있다.

머신비전의 가장 기초적이면서 일반적인 기술이 정상품과 비정상품 간 ‘패턴 매칭’임을 감안하면, AI분야의 인기 알고리즘인 ‘딥러닝(Deep learning)’과 접점을 찾기가 쉽다.

기존 머신비전이 제조공정에 발생할 수 있는 수백가지 경우의 수를 사람이 일일이 프로그래밍해 결함을 감지하는 방식이었다면, 딥러닝 기반에서는 AI가 스스로 공정을 이해하고 결함이 있는 제품을 학습해 불량을 감지한다.

관리자가 더 많은 데이터를 제공할수록, 딥러닝이 학습하는 시간이 더 많아질수록 머신비전의 성능은 더욱 강화될 수 있다.

머신비전 선도업체인 코그넥스는 딥러닝 기반 머신비전의 활용사례를 제시하고 있다.

대표적인 것이 ‘패키징 밀봉 검사’다. 제품의 멸균과 오염 방지의 최전선이라 할 수 있는 패키징 씰의 무결성을 판단하는 패키징 밀봉 검사는 최종 제품의 품질을 보장하는 매우 중요한 역할을 한다.

하지만 제품 밀봉 시 발생할 수 있는 결함의 외형 변화로 인해 검사가 쉽지 않은 편이며, 기존의 머신비전 시스템으로는 검사 시 발생하는 변경 사항에 맞춰 조정하거나 씰에 문제가 생긴 이유를 분류, 정량화하기 어려웠다.

딥러닝 기반 머신비전을 적용하면 실시간으로 패키징의 외형을 달라지게 만드는 입자 크기의 변화, 대비의 변형 및 무작위 결함 등의 문제를 표시하고, 작업자나 기계가 문제를 분류할 수 있도록 해 이물질, 빈 공간이 있는 씰, 오염을 비롯해 제품 씰에 영향을 미칠 수 있는 수많은 문제를 식별할 수 있다는 설명이다.

 

머신비전으로 패키징 밀봉을 검사하는 모습. [사진=코그넥스]
머신비전으로 패키징 밀봉을 검사하는 모습. [사진=코그넥스]

 

■산업계 AI 접목 ‘마중물’

머신비전은 기존 산업계가 AI를 접목하는 데 가교 역할을 톡톡히 하고 있다. AI 자체로는 융합의 필요성에 의문부호가 제기되곤 했지만, 머신비전은 AI 도입이 몰고 올 효과에 구체적인 청사진을 제시하고 있는 모습이다.

코그넥스는 KT와 손잡고 5G 머신비전 서비스인 ‘5G 스마트팩토리 비전’을 출시했다.

코그넥스의 이미지 인식 기술과 KT의 5G 인프라를 결합, 공장에 설치된 카메라들이 이미지를 수집하고 데이터를 분석해 불량검사, 제품식별, 치수측정 등을 수행한다.

5G를 기반으로 해 원하는 위치에 카메라를 설치할 수 있으며, 검사 이미지와 수집 데이터를 지연 없이 실시간으로 전송할 수 있다.

‘5G 스마트팩토리 비전’은 정해진 규칙에 따라 검사작업을 진행하는 ‘룰(Rule) 기반 머신비전’과 비정형 항목의 검사가 가능한 ‘딥러닝 기반 머신비전’으로 구성돼 공장의 환경과 공정에 따라 맞춤형 서비스를 제공할 수 있다.

국내 업체로는 라온피플이 대표적이다.

라온피플은 머신비전에 AI를 적용한 ‘나비(NAVI) AI’ 소프트웨어를 개발해 주목을 받은 바 있다. 딥러닝으로 이미지를 학습하고 분석하는 솔루션으로, 육안 검사의 자동화를 이뤄냈다.

최근에는 경북농축산유통국과 협력해 AI 머신비전 기반의 스마트 축산 기술 개발에 나선다고 밝혔다. 수정란 등급판정기술, 소의 비문 등록 시스템, 축산분야 이미지 기술표준화 모델 개발 등이 될 전망이다.

 



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.