[인더스트리뉴스 최정훈 기자] “AI 만큼이나 머신비전 분야의 새로운 이정표를 쓸 것으로 기대되는 기술이 표면상태 측정이다.” 

디딤센서 서장일 대표는 취득한 이미지 정보 차이로 불량 여부를 가르는 통상적인 검사 자동화 방식이 아닌 표면이 긁혔으면 거칠기가, 찍혔으면 기울기, 묻었으면 반사율이 바뀌었다는 점에 착안해 신개념 머신비전 솔루션을 제시했다. 그는 혁신적인 솔루션 하나로 기존에 불가능하다고 여겨졌던 검사 항목들이 자동화 영역으로 빠르게 흡수될 것으로 판단하고 있다.

크고 복잡한 어떠한 검사 대상이던 적합한 조명을 스스로 비춰주는 다재다능한 머신비전으로 질 좋은 데이터 습득도 용이하다고 자신하는 서 대표의 통찰력과 소신에 대해 들었다. 

현재 머신비전 분야 난제는 무엇이라고 보는가?

열상장치나 X-ray 등이 필요한 특수한 경우들을 제외하면 대부분의 검사 요소들은 일반적인 조명 하에서 눈으로 관찰 가능한 범위 안에 잔재한다. 이러한 경우는 기존의 일반화된 기술들로 어렵지 않게 영상 정보를 확보할 수 있다. 그럼에도 불구하고 현장에서는 현재, 찍힘, 스크래치, 얼룩 등 대부분의 불량들을 짚어내지 못하고 있다. 영상처리기술(Rule or AI)의  한계로 보기 쉬우나 사실 이는 영상정보 획득 기술의 한계이다. 최근 AI 기술의 등장으로 많은 검사 대상들을 자동으로 처리하고 있으나 상당수가 실패하고 있다. 현존 AI 기술 자체만으로는 매우 제한된 범위에서만 그 효과를 발휘할 수 있는 것이다. 이는 원리적 한계로부터 발생된다.

일반적인 불량들은 정상 상태로부터의 변형으로 정의될 수 있다. 이는 다시 형상의 변형이나 표면 상태의 변형의 범주로 규정될 수 있다. 형상 정보는 x, y(위치)와 z(높이) 정보에 해당하고, 표면 상태 정보는 거칠기, 기울기, 반사율 등의 정보에 해당한다. 찍힘 불량의 경우는 형상 정보 또는 표면상태 정보 중 하나인 기울기 정보에 변화를 준 것이다. 스크래치 불량의 경우는 표면 상태 정보인 거칠기 정보, 그리고 얼룩의 경우는 표면 상태 정보인 반사율 정보에만 변화가 발생한다. 그리고 불량을 검출한다는 것은 나머지 정보와 구분 지을 수 있다는 뜻이다. 

왜냐하면 검사 대상체는 제각기 본래의 표면상태가 있고 또한, 불량으로 간주되지 않는 표면상태의 허용 변화 범주를 가지고 있기 때문이다. 예를 들어, 금속 가공물 표면의 찍힘을 검출한다면 기본적으로 허용되는 표면의 가공 조도(거칠기) 또는 기름때에 의한 표면 반사도(반사율)의 변화는 배제하고 찍힘(기울기) 만을 추출해야 한다. 

이런 상황에서 기존 일반 조명만 가지고 영상 데이터를 획득할 경우, 3차원 형상(높이와 위치), 기울기, 거칠기, 반사율 등의 표면 정보들이 뒤섞인 채로 결과물을 받아 보게 된다. 영상의 형태로 취득될 경우 영상처리 기술의 수준에 무관하게 안정적인 불량 검출이 불가능한 것이다. AI 기술을 통해 미세한 영상 정보의 변화를 찾아 낸다고 한들 이를 위해 지나치게 많은 양의 데이터와 학습이 요구되므로 데이터량 확보의 한계뿐만 아니라 늘어나는 판정 시간 등 악순환 고리를 끊을 수 없다.

이와 관련해 디딤센서가 내놓을 수 있는 해결책은?

표면 정보 중 형상정보를 측정하는 기술은 최근 3D센서의 형태로 많은 업체들이 제공하고 있다. 반면에 표면상태 정보를 측정하는 기술은 디딤센서의 Surf.Finder가 유일하다. Surf.Finder는 기울기, 거칠기, 반사율 정보를 한 번의 측정으로 모두 획득할 수 있다. 그리고 대부분의 불량들이 3차원적 형상 왜곡의 형태 보다는 표면상태 정보를 활용해야 하는 찍힘, 스크래치, 얼룩, 이물 등이고, 이에 따라 Surf.Finder를 통해 기존에 불가능하다고 여겨졌던 많은 대상들을 검사 자동화 할 수 있다. 이미 몇몇 업체들이 성공해 검사에 활용하고 있다. 

그리고 모든 기술이 그렇듯 완벽한 기술이란 없다. 기술은 직전 기술을 토대로 발전하듯 3D센서 등 표면 정보 획득 기술들이 측정할 수 없는 영역들에 대한 대응은 기존의 조명기술로 해야 한다. 그런데, 최적의 조명을 선택하기 위해 또는 여러 종류의 조명들을 복합적으로 채용하는 과정에서 많은 시간, 인력이 투입돼야 한다. 머신비전 조명을 전문으로 다루는 일본의 C사의 제품만 1,300여종이 넘는다는 것이 그만큼 현장에 조명이 많다는 것을 방증한다. Surf.Finder는 조명을 덕지덕지 붙일 필요없이 원하는 형태의 조명을 자유롭게 구성하고 바꿀 수 있는 ‘자율조명’을 내장하고 있다는 점에서 괄목할만한 기능을 자랑한다.

제품이 적용되는 주요 분야는? 

Surf.Finder는 AI 기술 만큼이나 검사 가능 범위를 획기적으로 넓힐 수 있다. 이에 표면실장기술(SMT), 반도체, 디스플레이 분야로 제한되지 않고, 금속 사출 가공물부터, 반도체 공정까지 적용 범위가 넓으며 이미 많은 분야에서 적용 검토가 진행 중에 있다. 

머신비전 솔루션 선택에 있어 가장 고려해야 할 점은?

새로운 기술이 등장했을 때 지나친 기대감으로 해당 신기술만으로 접근하려는 실수를 종종 한다. 그러나 모든 기술은 각자의 필요 영역들이 있고 적절하게 조합해 활용돼야 한다. 예를 들어, AI는 기존에 검사할 수 없던 많은 대상들을 검사할 수 있도록 하는 매우 획기적인 기술이나, 나머지 기술들을 충분히 활용하지 않고 단독으로만 모든 것을 해결하려 하면 낭패를 볼 수 있다. 

당연한 이야기 같지만, AI는 전체 기술의 특정 영역을 담당하는 기술 분야이지, 기존의 모든 기술들을 포괄적으로 커버할 수 있는 기술은 아니기 때문이다. 머신비전 시스템은 조명, Rule based 영상처리, 카메라, 3D 센서, AI 등이 적절히 조합될 때 적합한 성능을 확보할 수 있다. 그래야만 각각의 요소기술들도 그 가치를 발휘하게 된다. 따라서 특정 요소 기술만을 지나치게 맹신하며 접근할 것이 아니라 검사 대상에 따라 필요한 기술을 면밀히 따져 선택, 조합해 활용하는 것이 중요하다.

기술은 계속해서 발전한다. 과거의 많은 실패 경험으로 인해 여전히 안될 것이라는 가정으로 그 시도를 멈춘다면, 결국 계속해서 실패 늪에서 벗어날 수 없다. 시도를 멈추지 않고 능동적인 자세로 도전하는 이들이 결국 결실을 맺으며, ‘기술은 발전한다’는 역사적 흐름의 주류에서 맨 앞에 자리매김한다. 모든 기술은 그 한계가 있다. 완벽한 기술이란 없다. 모든 것은 검사 기술 자체만으로 해결하려고 하면 때에 따라 매우 비효율적이거나 실패한 결과를 만들기도 한다. 검사 시스템 도입을 성공적으로 이루기 위해서는 단계적인 검사 항목 설정, 공간 확보 등의 검사 환경 구축 등 시스템을 도입하는 공장에서의 적극적인 협조가 필수적으로 수반돼야 한다.

그와 관련해 귀사에서 추진하고 있는 전략은?

앞으로 Surf.Finder의 표면상태정보 측정 기술을 고도화해 나가고 작은 검사 대상에 적합한 크기의 제품을 개발할 예정이다. 또한 머신비전 기술 영역에서 비어 있는 기술적 요소들을 발견해 좀 더 많은 대상들이 자동화되도록 새로운 센서 기술들을 개발해 나아가고자 한다. 덧붙여 머신비전 시장 확장에 제약을 가하고 있는 주요 요소인 커스터마이징의 제약을 최소화 할 수 있는 다양한 솔루션들을 개발해 나아갈 것이다. 

장기적으로 머신비전 활성화를 위해 어디에 주안점을 둬야 하나?

AI, 3D 센서와 더불어 표면상태 측정 기술의 등장으로 기본적인 필수 기술들은 완비됐다고 판단된다. 기존에 검사가 불가능하다고 덮어 두었던 대상들을 다시 자동화하는 것에 나설 수 있도록 분위기를 고취시켜나가는 것도 필요하다. 

멀리는 이러한 기술들을 조합해 고객의 요구에 맞게 구성하는 기존의 커스터마이징 형태의 시스템을 표준화하는 것이 가장 주요한 과제라고 생각한다. 올해 디딤센서는 소형제품과 반짝이는 대상에 효과적인 표면 검사 제품을 개발할 계획이다.

최정훈 기자 다른기사 보기