[CCTV뉴스=정환용 기자] 스마트 팩토리 솔루션이 전 세계적으로 확산되고 있다. 이제 손으로 만들고 눈으로 확인하는 수공업은 보기 힘들고, 모든 제품을 빠르고 정확하게 생산해 효율을 높이는 것이 관건이 됐다. 특히 생산 라인에서 제품의 상태를 검사하는 공정의 중요성이 날로 더해지고 있다. ㎜ 단위의 오차도 용납되지 않는 정밀부품이나 식품 분야에선 더욱 그렇다. 따라서 카메라로 제품의 상태를 빠르게 확인하는 머신 비전 시스템의 기술력이 더 크게 요구된다.

수아랩(SUALAB)은 인공지능 이미지 해석 기술을 기반으로 기존의 머신비전 기술을 향상시킨 딥러닝 머신비전 검사 솔루션을 제공한다. 딥러닝 기술이 적용된 머신비전 소프트웨어 라이브러리 ‘수아킷’(SuaKIT)은 제조업 분야에 특화된 솔루션으로, 검사 장비에 탑재해 사용할 수 있다. 제품의 불량을 픽셀 단위로 정확한 영역 형태로 검출할 수 있으며, 5픽셀 이하의 아주 작은 크기 불량도 검출할 수 있다.

수아킷은 현재 전기, 전자 산업군에 가장 많이 적용돼 있고, 이밖에도 다양한 산업 영역에 모두 적용할 수 있다. 수아킷으로 검사 프로젝트를 진행한 바 있는 분야는 다음과 같다.

전기·전자: 반도체, PCB, 디스플레이, 태양광 셀, 배터리, 카메라 모듈 등
자동차: 자동차 부품(베어링, 실린더 등), 산업용 섬유, 도장 검사 등
식품; 식음료 이물 검사, 패키징 외관 검사, 식자재 불량 검사 등
화학: 2차 전지, 산업용 필름 등
기타: 철강, 비파괴 검사(X-ray), 건축물 외관 검사, 기차 부품 검사 등

양산 적용에 최적화돼 있는 수아킷은 ▲다양한 학습 방법론 ▲빠른 프로세싱 시간 ▲제품의 빠른 교체 주기와 다양성 극복 등의 장점을 가지고 있다

① 다양한 학습 방법론

‣단일 이미지 분석(Single Image Analysis)
각 이미지의 특징을 학습·검출한다.

‣이미지 비교(Image Comparison)
두 이미지 간의 차이점에 집중해 학습·검출한다. 단일 이미지만으로 불량 판단이 애매하거나 광학 조건·배경이 조금씩 달라지는 경우, 두 이미지 간 유의미한 차이점(불량 영역)에만 집중해 검출 성능을 극대화할 수 있다.

‣다중 이미지 분석(Multi Image Analysis)
여러 이미지 간의 상관관계를 분석, 학습하고 불량을 검출한다. 동일 제품을 여러 광학 조건으로 촬영해 검사하는 경우, 촬영된 다수 이미지 간의 상관관계를 분석해 검출 능력을 높
이고, 이미지를 묶어 한 번에 검사해 처리 시간이 짧아진다.