머신비전은 카메라와 조명 등과 같은 하드웨어에 인공지능 소프트웨어를 연결해 사람이 해오던 시각적 판단 과정을 대신하는 기술을 말합니다. 쉽게 말해 불량 검수자가 직접 눈으로 불량과 정상을 구분하던 일을 기계가 대신해 주는 것이죠. 제품 외관에 생기는 긁힘, 파편, 기타 결함 외에도 색상, 형태, 크기, 깊이, 문자 등을 판독하는 작업을 수행할 수 있습니다. 숙련도 높은 작업자 일지라도 장시간 작업을 하다 보면 정확도가 떨어지기도 하고, 작업자마다 기준이 달라 불량을 판단하는 정도의 차이가 나타날 수 있습니다. 머신비전은 사람보다 정확하고 빠르게 이러한 과정을 일관되게 처리할 수 있기 때문에 과검이나 미검을 눈에 띄게 개선할 수 있습니다. 최근 많은 제조 현장에서 머신비전을 도입하는 이유도 이것 때문입니다.
시장 상황
머신비전은 반도체, 디스플레이, 배터리 등 첨단 전자부품 분야 외에도 다양한 제조 분야에서 큰 관심을 보이는 기술 중 하나입니다. 한국의 머신비전 기술력은 세계 4위를 기록하고 있습니다. 머신비전 시장도 가파르게 성장해 2019년 16조 8,000억 원에서 2025년에도는 시장 규모가 25조 1,000억에 달할 것이라고 예상하고 있습니다.
머신비전이 유용함에도 불구하고 실제 제조 현장에 이 기술을 도입하는 데에 여러 한계점도 존재합니다. 대표적으로 머신비전이 일정 공식에 따라 판단하는 정형화된 패턴의 불량은 잘 잡지만 예기치 못하게 발생하는 습기, 빛, 미세 먼지 등에 의한 비정형 불량까지는 다 잡아내지 못한다는 점입니다. 또 기존에 이미지 데이터를 충분히 가지고 있지 못한 현장에서는 인공지능을 학습시킬 데이터의 양이 현저히 부족하며, 양질의 데이터를 분류하기 위한 라벨링 작업에도 많은 시간과 비용이 소요되는 현실입니다.
알티엠의 딥러닝 머신비전 솔루션 ‘허블’은 기존 머신비전이 가지고 있던 한계를 개선해 개발되었습니다.
01) 머신비전에 딥러닝을 접목하여 ‘비정형 불량’까지 완벽하게 검사 가능
알티엠의 딥러닝 머신비전 솔루션 허블은 머신비전에 스스로 기계가 학습하고 발전할 수 있는 ‘딥러닝’을 접목해 비정형 불량까지 완벽하게 검사가 가능합니다. 머신비전은 사람을 대신해 빠르고 정확하게 불량을 잡아내지만 미세한 먼지나 물기, 빛에 의한 난반사가 생기는 경우 이를 다 잡아내지는 못한다는 한계를 지녀왔습니다. 딥러닝은 사전에 입력한 일정 공식 외에 이물이 생기거나 새로운 불량이 발생할 때도 이를 스스로 학습해 다양한 변수에도 대처할 수 있습니다.
02) 적은 이미지 데이터로도 딥러닝 알고리즘 생성
알티엠은 데이터 증강 기술을 사용해 적은 데이터의 양으로도 딥러닝 알고리즘을 생성할 수 있습니다. 보통 인공지능이 불량 데이터를 학습하기 위해서는 최소 1,000장 정도 라벨링 된 데이터가 필요합니다. 특정 데이터는 수집하는 데에만 몇 년이 걸리기도 하여 데이터가 적은 현장에서 인공지능 도입을 어려워하는 경우가 많습니다. 이런 문제를 보완해 알티엠의 ‘허블’은 데이터 증강 기술을 적용해 데이터를 새롭게 생성하며, 향후 축적된 데이터로 지속적인 성능 고도화를 할 수 있습니다.
03) ‘자동 라벨링’ 기능으로 반복적인 작업을 편리하게 해결
딥러닝 기반의 솔루션 도입을 위해서는 시간이 오래 걸리는 반복 라벨링(Labeling) 작업을 필수적으로 진행해야 합니다. 이 작업을 간소화할 수 있도록 작업자를 대신해 알티엠의 인공지능(AI)이 불량 위치에 자동으로 라벨링을 표시해 주는 기능을 갖추었습니다. 이미지 30장 정도로도 그 패턴을 자동으로 학습해 추후에는 자동으로 그 데이터를 분류해 주는 기술입니다.