윙배너
윙배너

[제조 현장의 인공지능②] 사람의 눈 대신하는 AI 머신비전 기술

딥러닝, 머신비전으로 나뉜 인공지능 머신비전 기술…일장일단 있어

머신비전은 인간의 시각적 활동을 기계(컴퓨터)로 대신하는 기술이다. 카메라로 이미지를 획득해 컴퓨터로 분석하며, 육안으로 진행했던 제품식별·검수·계측 작업을 수행한다.

서울 코엑스에서 열린 ‘2023 스마트공장·자동화산업전(2023 Smart Factory․Automation World)'(이하 전시회)에서는 머신비전에 인공지능을 결합한 다양한 제품을 찾아볼 수 있었다. 인공지능 머신비전은 크게 머신러닝 기반과 딥러닝 기반으로 나뉘었다.

딥러닝 기반 머신비전
[제조 현장의 인공지능②] 사람의 눈 대신하는 AI 머신비전 기술 - 산업종합저널 전시회
(주)뉴로클 딥러닝 기반 머신비전

(주)뉴로클은 딥러닝 기반의 머신비전 구축 소프트웨어를 선보였다. 업체 관계자는 “비전검사에 주로 활용되고, 제품 외관검사, CT·MRI 분석 등 다양한 분야에 활용할 수 있다”고 말했다.

딥러닝 기반 머신비전은 비정형적 결함을 스스로 판단하고 다양한 모양의 스크래치를 확인할 수 있다. 스스로 이미지의 공통점을 판단하기 때문에 유사한 이미지 중에서도 차이점을 판별해 낼 수 있다는 것이 관계자의 설명이다.

관계자는 또 “기존의 머신비전은 개발자가 불량의 기준이나 불량을 찾아내는 알고리즘을 만들어야 했지만, 뉴로클의 소프트웨어는 약간의 코딩으로 인공지능 알고리즘을 구축할 수 있다”고 언급했다. 또한, 사용자가 정상·불량 제품의 이미지를 많이 입력할수록 인공지능 알고리즘의 성능이 향상된다고 덧붙였다.

이어, “기존에 찾아낼 수 없었던 결함을 찾아내거나, 결함의 유형이 계속해서 바뀌는 경우 딥러닝 기반 머신비전이 유용하다”고 설명했다.

머신러닝 기반 머신비전
[제조 현장의 인공지능②] 사람의 눈 대신하는 AI 머신비전 기술 - 산업종합저널 전시회
비즈캠 머신러닝 기반 머신비전과 통합 관리 하드웨어

비즈캠은 머신러닝 기반의 머신비전 구축 소프트웨어와 머신비전 통합 관리 하드웨어를 선보였다. 손찬솔 비즈캠 기술지원팀 팀장은 “양품 이미지를 학습한 후 색상값, 크기, 변수 강도 등을 측정해 불량 제품을 판별한다”고 설명했다.

또한, “인터페이스를 간소화해 처음 접하는 사람도 머신러닝 알고리즘을 구축할 수 있다”고 덧붙였다. 기존의 머신비전은 일일이 툴의 순서를 정해야 하지만, 비즈캠의 소프트웨어는 정해진 절차를 따라가기만 하면 머신러닝 알고리즘을 구축할 수 있다는 것이다.

손 팀장은 “양품 이미지 50장 정도를 입력하고 사용자가 원하는 판별 기준을 설정하면 인공지능이 비정형 상황을 판별한다”고 말했다.
[제조 현장의 인공지능②] 사람의 눈 대신하는 AI 머신비전 기술 - 산업종합저널 전시회
LGU+ 머신러닝 기반 머신비전

LGU+도 머신러닝 기반의 머신비전 구축 솔루션을 선보였다. 업체 관계자는 “영상 촬영을 통해 정상 상황을 학습하고, 정상 상황이 아닌 것을 모두 걸러낸다”고 말했다. 또한, 빠르게 구축 가능한 것이 장점이라고 덧붙였다.

기존의 머신비전 구축은 불량샘플을 하나하나 학습시켜야 해 2~3개월이 걸리지만, 해당 솔루션은 정상 상황만을 학습하기 때문에 하루 동안 제조 공정 영상을 촬영한 후 솔루션 구축까지 2주를 넘기지 않는다 는 것이 관계자의 설명이다.

머신러닝과 딥러닝 머신비전의 대결…일장일단 있어

머신러닝 머신비전과 딥러닝 머신비전은 어떤 차이가 있을까. 머신러닝 기반 업체 관계자들은 “현장에 빠르게 적용 가능하고, 비정형 상황에 신속히 대응 가능한 것이 장점”이라고 입을 모았다. 적은 수의 양품 이미지 혹은 정상 상황만 학습하기 때문에 많은 데이터를 입력할 필요가 없다는 것이다.

LGU+ 관계자는 “생산 환경이 다양하기 때문에 머신러닝이 효율적인 상황이 있고, 딥러닝이 효율적인 상황이 있다"면서, "구축이 오래 걸리고 데이터가 많이 필요한 딥러닝이 오히려 비효율적인 상황도 발생한다"고 말했다.

이어, “머신러닝은 정상 상황을 학습한 후 나머지를 전부 걸러내기 때문에 비정상 상황에 빠른 대응이 가능하고, 범용성이 높은 것이 장점”이라고 설명했다.

이에 대해 딥러닝 기반 업체 관계자는 “시스템 구축은 머신러닝보다 오래 걸리지만, 딥러닝 머신비전은 사례기반 학습으로 데이터가 많을수록 정확도가 높아진다”고 말했다. 또한, “항상 같은 환경의 공정에서는 머신러닝이 효율적이지만, 딥러닝은 다양한 환경에 쉽게 적응한다”고 덧붙였다.

예를 들어, 머신러닝 머신비전은 정해진 기준에 따라 맞지 않는 상황을 모두 비정상으로 판별하지만, 딥러닝 머신비전은 기름때가 묻어 있거나 제품의 위치가 약간 달라진 상황 등 제품 결함이 아닌 상황에도 효과적으로 대응한다는 것이다.

업체 관계자들의 이야기들 들어본 결과, 머신러닝 머신비전과 딥러닝 머신비전은 일장일단이 있었다. 하지만 어떤 방법이든 품질관리 효율을 높여주는 것은 분명하다. 인공지능과 머신비전의 결합이 산업 현장에 어떤 변화를 가져올지 귀추가 주목된다.


0 / 1000


많이 본 뉴스

[공동주택 급배수관 소음과의 전쟁①]지하 기계실부터 감압밸브까지

아파트와 같은 공동주택에서 소음은 거주자의 쾌적한 생활을 방해하는 요소다. 한 장의 벽이나 바닥을 사이에 두고 여러 세대가 생활하기 때문에 그 소음원도 다양한데, 그 중 물을 사용해 발생하는 ‘급배수소음’도 주요 원인으로 지적된다. 급배수소음은 경우에 따라 강도가 다르고 때로는 무시

[UAM ②]도심항공교통 상용화 핵심 기술

많은 기업이 도심항공교통(Urban Air Mobility, 이하 UAM)의 상용화를 목표로 경쟁하고 있다. 본격적인 상용화는 2030년으로 예상되지만, 성장 가능성이 큰 UAM 시장을 미리 선점하기 위해서다. UAM 상용화 전략을 논의하는 ‘미래 도심항공모빌리티 상용화 사업전략 및 추진방안 세미나’가 세미나허브

[UAM ①]개발 어려운 도심항공모빌리티, 경쟁 치열한 이유는?

도심항공교통(Urban Air Mobility, 이하 UAM)은 자동차 중심의 지상 교통체계를 공중으로 확장한 것으로, 저고도(300m~600m)의 하늘길을 이용하는 새로운 항공 운송 생태계 전체를 의미한다. 기존의 항공교통은 승객이나 화물을 높게, 빠르게, 멀리 운송하는 것이 특징인 반면, UAM은 도심 저

[PRINT 4.0①]인쇄산업 현황과 전망

노동집약적 제조업인 인쇄산업에 변화의 바람이 불고 있다. 다품종 소량생산에 적합한 디지털 인쇄 설비를 활발히 도입하고, 사람이 필요한 여러 공정도 자동화 장비로 줄이는 추세다. 인쇄산업의 4차 산업혁명(Industry 4.0), ‘프린트 4.0’이 진행 중인 것이다. 변화하는 인쇄산업의 현

[공동주택 급배수관 소음과의 전쟁②]세대 내부 배관

코로나19 사태를 거치며 공동주택의 소음 저감 문제가 표면으로 떠올랐다. 직접적인 충격으로 인한 층간소음 뿐 아니라, 물의 흐름에 따라 발생하는 ‘급배수소음’도 공동주택 갈등의 주요 원인이다. 지난 12일 폐막한 ‘대한민국 기계설비전시회 2023(HVAC KOREA 2023, 이하 전시회






산업전시회 일정


미리가보는 전시회