[칼럼] ‘딥러닝’으로 준비하는 산업 자동화 검사의 미래
  • 인더스트리뉴스 기자
  • 승인 2020.07.22 16:28
  • 댓글 0
이 기사를 공유합니다

산업 자동화 검사의 미래로 거듭난 ‘딥러닝’

[코그넥스 제공] 빅데이터 기술과 사물 인터넷 기술의 발전으로 다양하고 질 좋은 데이터를 손쉽게 수집할 수 있게 되면서 최근 인공지능 기술이 폭발적인 주목을 받고 있다. 데이터 속에 있는 원리를 찾아내 과거에는 풀기 어려웠던 문제들을 해결하는 인공지능 기술의 일종인 딥러닝에 대한 관심도 크게 늘어났다. 인공지능의 희망적 미래라 불리는 딥러닝은 과연 무엇이며, 앞으로 산업 자동화 검사에 어떠한 변화를 가져오게 될까?

딥러닝 기술이 산업자동화 분야의 미래로 떠오르고 있다. [사진=dreamstime]
딥러닝 기술이 산업자동화 분야의 미래로 떠오르고 있다. [사진=dreamstime]

딥러닝이란?

딥러닝이란 기계가 스스로 훈련하면서 패턴을 찾아내 분류하는 기술적 방식인 머신러닝의 한 분야로 분류된다. 프로그램에 미리 조건을 확인하고 명령을 해두는 방식이 아니라 다양한 상황에 대해 프로그램이 근사적인 판단을 내릴 수 있도록 한다. 딥러닝은 수많은 데이터 속에서 패턴을 발견하며 객체를 분별한다. 처음에는 단순하게 선이나 색만 구별한다면, 나중에는 모양을 인식하고, 다음엔 추상적인 레벨까지 구분할 수 있게끔 학습시키는 것이다.

딥러닝의 최대 강점은 원본 데이터로부터 최적의 성능을 발휘할 수 있도록 하는 특징 표현 방법을 스스로 학습할 수 있다는 점이다. 이를 통해 요인 추출을 자동으로 수행하게 된다. 딥러닝 모델만이 가지는 자동화된 요인 추출 능력으로 인해 어려운 머신러닝 문제들에 대한 해결 성능이 비약적으로 상승했는데, 이러한 변화가 가장 먼저 단적으로 드러난 것이 이미지 인식 분야다. 또한 제품의 자동화를 구현하는 데 필요한 최적의 규칙 혹은 요인이 무엇일지를 알아서 빠르게 찾아낼 수 있기 때문에 손쉽고 신속한 커스터마이징이 가능하다.

딥러닝은 현재 데이터 자체가 풍부하며, 높은 확률적 정확성이 요구되는 분야에서 가장 활발하게 연구되고 있다. 각종 정밀 검사에 적용되면서 최첨단 제조 공정으로 그 범위가 확대되고 있다. 특히 제조 기술 분야에 적용되어 이미지를 인식하고, 트렌드를 구별하며, 지능적 예측과 결정을 내린다.

산업자동화 검사와 딥러닝

성공적인 딥러닝 프로젝트는 비용 절감, 처리 수준 향상을 실현할 수 있고 자체 생산 공정을 더욱 잘 이해할 수 있게 한다. 도입 초기에는 소프트웨어 및 하드웨어 비용, 엔지니어링 인력의 개발 비용, 데이터 입력‧수집에 드는 시간 등을 포함한 구현과 관련된 직접 비용이 존재한다. 그러나 딥러닝을 성공적으로 구현할 경우 비용 절감은 물론 비효율적인 내부 프로세스 개선도 실현할 수 있다. 규칙 기반 비전 도구로 불가능한 복잡한 검사 애플리케이션을 자동화해 생산성 향상도 실현할 수 있다.

기존 머신비전에서 처리하기 힘든 성형 및 기능적 이상 현상도 딥러닝 기반 이미지 분석으로 식별 가능하다. [그림=코그넥스]
기존 머신비전에서 처리하기 힘든 성형 및 기능적 이상 현상도 딥러닝 기반 이미지 분석으로 식별 가능하다. [그림=코그넥스]

딥러닝 기반 이미지 분석은 육안 검사의 정교함과 유연성에 컴퓨터 시스템의 신뢰성, 일관성, 속도를 결합시키기 때문에 기존 머신러닝의 접근방식으로는 유지관리가 거의 불가능한 까다로운 비전 애플리케이션을 해결할 수 있다. 또한 딥러닝 모델은 허용 범위를 초과하는 실제 결함을 검출하는 동시에 변형이 많은 복잡한 패턴도 학습을 통해 찾아낼 수 있으며, 코어 알고리즘을 다시 프로그래밍하지 않고도 새로운 예시에 맞게 바로 조정할 수 있다.

딥러닝 모델은 검사원의 자가 학습 능력과 컴퓨터 시스템의 속도 및 일관성을 결합해 기존 머신비전 시스템이 가진 본질적인 한계를 극복할 수 있게 한다. 딥러닝 기반 이미지 분석은 본질적으로 복잡한 성형 표면 검사에 특히 적합하다. 딥러닝 기반 이미지 분석은 뒤집혔거나 액체가 덧발라졌거나 반짝이는 부품의 흠집과 같이 복잡한 표면 및 성형 결함을 처리하는 데 탁월한 성능을 발휘한다. 특징점의 위치 파악, 판독, 검사 또는 분류 중 어떤 용도로 사용되든 딥러닝 기반 이미지 분석은 문자를 구분하여 부품 외형을 개념화하고 일반화할 수 있다는 점에서 기존 머신과 차별화된다. 이는 문자가 미묘하게 다르거나 왜곡된 경우에도 마찬가지다.

CognexViDi 학습 및 실행 단계 [그림=코그넥스]
CognexViDi 학습 및 실행 단계 [그림=코그넥스]

딥러닝으로 산업 자동화 검사의 미래를 준비하는 코그넥스

코그넥스는 딥러닝을 머신비전 발전의 핵심으로 판단하고 2017년 스위스의 ViDi Systems를 인수해 딥러닝 기반 비전 소프트웨어 라인인 VisionProViDi를 개발했다. 산업 이미지 분석 전용으로 고안된 CognexViDi는 즉시 활용 가능한 딥러닝 기반 기술로 작업자의 학습 방식처럼 부품의 알려진 특징, 이상현상, 등급을 나타내는 라벨 이미지를 학습한다. 구축하기 쉬운 하나의 인터페이스에 육안 검사의 정교함과 유연성 그리고 컴퓨터 시스템의 기능과 반복성, 신뢰성을 모두 결합한 CognexViDi는 머신 비전의 한계를 뛰어넘고 산업 자동화의 미래를 가져올 수 있는 획기적인 검사 시스템을 구축했다.

아울러 코그넥스는 지난 2019년 10월 한국의 인공지능 기반 딥러닝 머신비전 솔루션 기업인 수아랩을 인수했다. 수아랩은 세계적인 기술과 탁월한 엔지니어링 팀을 바탕으로 수작업 검사 시장을 목표로 하는 광학적 외관 검사 자동화 딥러닝 기술 적용에 특화된 기업이다. 코그넥스는 수아랩 인수를 통해 원하는 생산 및 공장 자동화용 딥러닝 기반 비전 검사를 위한 최고의 소프트웨어, 툴, 전문지식을 고객에게 제공할 수 있어 생산업체들이 신뢰하는 딥러닝 파트너가 될 수 있었다.

<strong>코그넥스코리아 김민수 전무</strong>
코그넥스코리아 김민수 전무

딥러닝, 인공지능의 희망적 미래

기존 알고리즘으로 프로그래밍하기에 너무 복잡하거나, 시간과 비용이 많이 소모되는 제조 검사의 해결방안으로 딥러닝 기술을 도입하는 기업들이 늘어나고 있다. 딥러닝 기술은 프로그래밍이 불가능했던 애플리케이션의 자동화를 가능하게 하고, 검사 시간을 단축시킨다. 이를 통해 제조업체는 기존 머신 비전 애플리케이션으로는 해결하기 어려웠던 문제들을 더욱 강력하고 안정적인 방식으로 해결할 수 있는 가능성을 얻게 된다. 이처럼 딥러닝은 이미 공장에서의 실질적 난제들을 많이 해결하고 있다. 인간을 이긴 알파고를 만든 기술은 동떨어진 미래의 기술이 아니라 이미 우리의 현실 속에서 움직이고 있다.


관련기사

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