스마트한 딥러닝 머신비전의 미래를 제시하다
  • 박관희 기자
  • 승인 2018.07.16 07:52
  • 댓글 0
이 기사를 공유합니다

스마트 팩토리는 인간이 할 수 없었던 작업환경에 대한 접근을 가능하게 했고, 여기에 활용되는 머신비전은 인간의 눈보다 빠르고 인간의 눈으로 인지할 수 없었던 결함을 찾아내고 있다.

수아킷, 스마트 팩토리 구축에 최적화한 머신비전 솔루션으로 자리매김

[인더스트리뉴스 박관희 기자] 인간의 사고능력 중 하나인 판단을 대신하는 머신비전은 4차 산업혁명이라는 산업의 새로운 동기부여와 궤를 같이해 검사 영역의 급진적인 발전을 가져오고 있다.

수아랩의 수아킷이 스마트 팩토리 구축에 최적화한 머신비전 솔루션으로 자리매김하고 있다. [사진=수아랩]
수아랩의 수아킷이 스마트 팩토리 구축에 최적화한 머신비전 솔루션으로 자리매김하고 있다. [사진=수아랩]

 

자동화로 대표되는 4차 산업혁명은 인공지능을 기반으로 하는 인식과 감지, 또 제품의 품질을 보장하는 검수를 위한 검사의 과정이 필요하고, 과정간 개별 데이터의 통합과 측정을 넘어선 시각화의 요구를 받고 있다. 따라서 최근 머신비전 시스템은 두뇌의 역할을 수행, 단순한 측정을 넘어 영상의 처리, 정량적 개별 데이터 값의 통합을 말하고 있다.

머신비전을 위한 딥러닝 소프트웨어 라이브러리인 수아킷이 딥러닝 기술로 사람이 하지 않아도 되는 일을 자동화해 머신비전 기술의 진전을 앞당기고 있다. 수아랩의 수아킷은 기존 머신비전 기술로 검사가 어려웠던 다양한 적용 영역을 대상으로 빠르고 정확하고 사용이 간편한 딥러닝 머신비전으로 발전하고 있다.

제조업 이미지에 특화된 딥러닝 알고리즘을 자체 개발하고 다양한 모델 중 최적화된 망을 선택해 검사의 정확도를 높였다. 기존 머신비전은 이미지가 불규칙하고 비정형인 경우, 불량의 특징값을 수동으로 설정하기 어려웠다. 따라서 사람의 육안검사에 의존하는 영역이 많았다. 수아킷은 이미지의 복잡도와 무관하게 불량의 특징값을 딥러닝 알고리즘을 통해 자동으로 학습해 분석할 수 있다. 딥러닝 학습 최적화를 위해 머신비전 알고리즘 등 다양한 기술을 활용, 이미지 전처리를 수행하기 때문이다.

수아킷의 GUI(Graphic User Interface) 화면뷰 [사진=수아랩]
수아킷의 GUI(Graphic User Interface) 화면뷰 [사진=수아랩]

현재 수아킷은 불량의 검출과 영역표시는 물론, 이미지 데이터를 분류하고 이미지 상의 물체를 박스 형태로 검출하는 기능을 제공하고 있어 딥러닝을 전공한 엔지니어가 아닌 일반인들도 편리한 GUI(Graphic User Interface)를 통해 손쉽게 최적화 작업을 수행할 수 있게 됐다.

또한 같은 산업군 내 유사 제품 검사 시, 기존 모델을 활용해 학습 시간과 필요 이미지 수량을 줄일 수 있고, 사용자에게는 정상과 결함의 경계 정도를 보여줘 모델 성능에 영향을 끼칠 수 있는 이미지들을 추출한 후 검토해 모델의 성능을 손쉽게 향상시킨다. 복수이미지를 하나의 딥러닝 모델로 검사가 가능해 이미지를 한 장씩 검사하는 기존 방식 대비 처리속도가 최대 15배 빨라졌다.

1000분의 1초 단위의 실시간 분석이 진행되는 수아킷은 검사가 종료되면 검사 결과에 대한 분석 지표 등 검사 리포트를 생성해 다양한 산업영역에서 솔루션 도입 요구를 받고 있다. 예를 들어 휴대폰 부품 검사에서 전기와 전자 부품 검사, 필름 분류 검사, 보안 검색 영상 판독과 자동차 부품 검사에 수아킷이 활용되고 있다.


관련기사

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