인공지능 기계산업분석 - 인공지능 적용 방안1

➊ 딥러닝 머신 비전은 기존 학습데이터에 없던 결함까지 검출 가능

◯ 데이터를 다층적으로 학습하는 딥러닝은 룰 베이스 방식의 한계 극복 가능

- 주어진 데이터만 비교하는 게 아니라, CUDA, cuDNN 등 딥러닝 프레임워크를 적극적으로 활용해 양품·불량품 이미지에서 각각의 ‘특징’을 발견
- DB에 저장된 불량 제품 이미지와 조금 다르거나 아예 DB에 등록되지 않은 결함이라도, 미리 추출한 특징에 기반을 두어 합리적으로 불량 여부를 판단하고 예측
- 멀티 GPU나 멀티 스레딩(Threading) 시스템을 함께 구축하면 처리 속도도 한층 빨라지며, 가동 중에 수집되는 데이터를 추가로 학습해 검사 지능 개선도 가능

딥러닝 기반 머신 비전 검사 알고리즘

◯ 딥러닝 기반 머신 비전은 육안 검사 정교함과 유연성에 컴퓨터 시스템 신뢰성, 일관성, 속도를 결합하여 기존 머신의 접근방식으로는 거의 불가능한 과제 해결 가능

- 허용 범위를 초과하는 실제 결함 검출, 복잡한 패턴도 학습으로 찾아낼 수 있음
- 특징점의 위치 파악, 판독, 검사, 분류 중 어떤 용도로 사용되든 딥러닝 기반 이미지 분석은 문자를 구분해 부품 외형을 개념화하고 일반화 할 수 있음
- 컴퓨팅 성능이 낮은 경우에도 동작하며 머신에 1개 그래픽처리장치(GPU) 카드만 있으면 가능한 특성 때문에, PC에 기반을 둔 공정 과정을 가지고 이미지 세트가 제한돼 있는 공장과 제조 환경에 적합

◯ 딥러닝 기반의 머신 비전 기업 중 두각을 나타내는 곳은 ‘수아랩(SUALAB)’

- 세계 1위 기업인 코그넥스가 2,300억 원에 인수(2019.11.)
- ‘수아킷’은 딥러닝의 여러 장점을 머신 비전에 접목해 효율을 극대화한 제품
- 자가 학습이 가능한 딥러닝의 특징을 활용해 약 100~200장의 적은 데이터 세트만 갖고도 기본적인 학습과 구동이 가능

수아랩 머신 비전 학습 과정

◯ 코그넥스, 딥러닝 기반 산업 이미지 분석 소프트웨어 ‘코그넥스 비디 스위트’ 출시 “코그넥스, 딥러닝 기반의 머신비전 솔루션 ‘코그넥스 비디 스위트’ 출시”

- 차별화된 접근 방식과 인간의 학습 과정을 모델링한 예시 기반의 학습 방법으로 기존 머신 비전의 한계를 극복해 까다로운 검사 및 분류 문제 해결
- 하나의 이미지에서 하나 또는 여러 개의 특징을 찾아 위치를 파악. 노이즈가 많은 배경에 있는 심각하게 변형된 문자, 여러 개의 복잡한 물체 등 특징이 복잡한 개체도 주석이 있는 이미지를 인식하는 방식을 통해 위치를 찾아 식별
- 이상 및 미적 결함을 감지. 뚜렷하지만 허용 가능한 변형을 포함해 물체의 정상적 외관을 학습하여 장식이 있는 표면의 긁힘, 불완전하거나 부적합한 조립품, 직물의 짜임새 등을 비롯한 수많은 문제를 식별
- 물체나 전체 장면을 분류. 포장을 바탕으로 한 제품 식별, 용접 이음매의 분류, 허용 가능하거나 허용 불가능한 결함의 분리 등 라벨 표시된 이미지 컬렉션을 바탕으로 서로 다른 등급을 구분
- 향상된 광학적 문자 판독 기능 제공. 영어, 숫자는 물론이고 한글과 한자도 인식. 글자 사이의 폭이 좁은 가변폭 글자체, 금속, 플라스틱, 고무 등에 새겨진 문자, 도트 매트릭스로 인쇄된 날짜 및 코드 등 기존의 머신비전으로는 인식하기 힘들었던 문자를 쉽고 빠르게 판독

◯ MOAI, 제조현장에서 생산되는 다양한 제품들의 검사를 사람의 육안 검사나 머신비전 검사의 장점들은 극대화하고 한계는 극복하기 위해 만든 인공지능 (딥러닝) 기반의 학습형 검사 소프트웨어

MOAI Deep Learning 기반 Vision 검사 시스템

※ 출처 : http://twim21.com/?act=info.page&pcode=sub2_5

◯ 한국기계연구원, 운전 중인 기계 설비를 영상 촬영한 후 인공지능(AI)이 자율적으로 기계의 고장여부를 진단하는 머신 비전 기술 개발(2019.7.)

- 세계 최초로 AI 딥러닝 머신 비전 기술을 기계설비의 진단에 적용
- 합성곱 신경망(CNN)을 이용해 기계장비의 가동 영상을 학습함으로써 기계장비에서 발생하는 진동을 분석하고 이상 징후를 발견
- 실험실 규모에서 냉각수 급수펌프 진동 영상을 촬영해 머신 비전으로 이상 징후를 분석한 결과, 정상과 비정상의 이상 진동을 100% 정확하게 진단

한국기계연구원의 인공지능 기반 기계진동 영상 진단

(시사점)

딥러닝 기반 머신비전은 기존 규칙 기반 검사 방식의 한계를 넘어 제조 품질관리의 핵심 기술로 자리 잡고 있다. 기존 방식은 등록된 불량 유형이나 정해진 기준에서 벗어나면 과검·미검 문제가 발생하지만, 딥러닝은 양품과 불량품의 특징을 스스로 학습해 기존 데이터에 없는 결함까지 판단할 수 있다. 특히 적은 이미지 데이터로도 학습 가능한 솔루션, GPU 기반 고속 처리, 가동 중 추가 학습 기능은 중소 제조현장에도 적용 가능성을 높인다. 수아랩, 코그넥스, MOAI, 한국기계연구원 사례는 머신비전이 단순 외관 검사를 넘어 문자 판독, 조립 상태 확인, 설비 진동 진단까지 확장될 수 있음을 보여준다. 따라서 제조기업은 딥러닝 머신비전을 품질검사 자동화뿐 아니라 설비 이상 감지와 공정 지능화의 출발점으로 활용해야 한다.