[첨단 헬로티]
제조 기술 분야에 적용되어 지능적 예측 및 결정
딥 러닝은 인간이 원래 가지고 있는 능력인 '예시를 통해 학습하는 기능'을 로봇과 머신에게 학습시키는 방식이다. 현재 스마트폰과 웨어러블 장치에 사용되는 음성, 텍스트, 안면 인식 등에 필수적 기술로 부상하였으며, 각종 정밀 검사에 적용되면서 최첨단 제조 공정으로 그 적용범위가 확대되고 있다. 딥 러닝은 특히 제조 기술 분야에 적용되어 이미지를 인식하고, 트렌드를 구별하며, 지능적 예측 및 결정을 내린다.
딥 러닝 기반 이미지 분석의 장점
딥 러닝 기반 이미지 분석은 육안 검사의 정교함과 유연성에 컴퓨터 시스템의 신뢰성, 일관성, 속도를 결합시키기 때문에 기존 머신의 접근방식으로는 유지관리가 거의 불가능한 까다로운 비전 애플리케이션도 딥 러닝 모델로 해결할 수 있다. 또한 딥 러닝 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.
딥 러닝 기반 소프트웨어는 판단에 기반한 부품 위치 파악, 검사, 분류 및 문자 인식 과제를 육안 검사나 기존 머신 비전 솔루션보다 더욱 효과적으로 수행할 수 있다. 그래서 주요 제조업체 중 매우 복잡한 자동화 과제의 해결을 위해 딥 러닝 기반 솔루션 및 인공 지능으로 전환하는 사례가 계속 증가하고 있다.
▲ 기술자는 Cognex ViDi에서 소량의 샘플 이미지 세트만을 사용하여 딥 러닝 기반 모델을 빠르게 트레이닝 할 수 있다.
애플리케이션이 구성되면 ViDi는 빠르고 정확한 결과를 제공하고 공정제어를 위한 이미지를 저장한다.
기존 머신 비전 시스템의 한계, 변동성
기존 머신 비전 시스템은 일관적이며, 규칙적으로 제조된 부품에서 안정적으로 작동했다. 하지만 예외가 늘어나고 결함 라이브러리의 규모가 확장됨에 따라 알고리즘을 다루기가 힘들어졌다.
배율, 회전, 배치 왜곡 등으로 인해 부품 외형이 약간 변동되는 것까지는 머신 비전 시스템으로 검사가 가능하지만, 복잡한 표면 텍스처와 이미지 품질 문제는 보다 복잡하고 까다로운 검사를 필요로 한다. 머신 비전 시스템은 시각적으로 매우 유사한 부품 간의 변동성과 편차를 감정하는 데 적합하지 않을 때가 있다. 부품의 유틸리티에 영향을 미치는 부품의 '기능적' 이상 현상은 대부분의 경우 거부의 원인이 되지만, 성형 측면의 이상 현상은 제조업체의 요구 및 선택에 따라 거부 원인이 되지 않을 수도 있다. 가장 문제가 되는 점은 기존의 머신 비전 시스템으로는 이러한 결함을 구별하기가 어렵다는 것이다.
복잡한 검사를 위한 딥 러닝
딥 러닝 모델은 검사관의 자가 학습 능력과 컴퓨터 시스템의 속도 및 일관성을 결합하여 기존 머신 비전 시스템이 갖고있는 본질적인 한계를 극복할 수 있게 한다.
딥 러닝 기반 이미지 분석은 본질적으로 복잡한 성형 표면 검사에 특히 적합하다. 딥 러닝 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 딥 러닝 기반 이미지 분석은 문자를 구분하여 부품 외형을 개념화하고 일반화할 수 있다는 점에서 기존 머신과 차별화되며 이는 문자가 미묘하게 다르거나 왜곡된 경우에도 마찬가지이다.
기존 머신 비전 대 딥 러닝, 무엇을 선택할 것인가
기존 머신 비전과 딥 러닝 중 무엇을 선택해야 할지는 해결하려는 애플리케이션의 유형, 처리되는 데이터의 양, 처리 능력에 따라 결정된다.
기존의 규칙 기반 프로그래밍 기술은 계측과 측정 그리고 정밀한 정렬을 수행해야 하는 경우 더 효과적이다. 경우에 따라서는 기존 비전으로 관심 영역을 정밀하게 고정하고 딥 러닝으로 해당 영역을 검사하도록 하는 것이 최고의 선택일 수 있다. 그런 다음 딥 러닝 기반 검사 결과를 기존 비전에 다시 전달하여 결함의 크기와 모양을 정확하게 측정할 수 있다.
딥 러닝은 규칙 기반 방식을 보완하며, 비전 전문성이 요구되었던 기존의 애플리케이션을 비전 전문가 없이도 해결 가능하게 해 준다. 또한 검사관을 배제하고는 시도된 적이 없는 애플리케이션을 해결하기 위한 새로운 가능성을 열어준다. 이렇게 딥 러닝은 머신 비전을 더 쉽게 사용할 수 있게 해주며 컴퓨터와 카메라로 정확히 검사할 수 있는 범위를 넓혀준다.
▲ Cognex ViDi의 딥 러닝 기반 알고리즘은 실제 산업 이미지 분석에 최적화되어 있으며, 극소량의 이미지 세트만 필요하고
트레이닝 및 검증 기간이 짧다. 레드 분석, 그린 분류, 블루 위치 파악, 블루 판독 툴은 표면 검사, 분류, 위치 파악,
OCR 애플리케이션을 해결해준다.
코그넥스의 딥 러닝 - Cognex ViDi
머신비전 분야의 선도기업인 코그넥스는 산업 이미지 분석 전용으로 고안되었으며, 즉시 활용 가능한 딥 러닝 기반 기술인 Cognex ViDi™를 선보였다.
Cognex ViDi는 검사관의 학습 방식처럼 부품의 알려진 특징, 이상현상, 등급을 나타내는 라벨 이미지를 학습한다. 지도 학습 모드의 트레이닝 기간 동안 시스템은 명시적인 결함을 인식하는 법을 학습한다. 여러 형태로 나타나는 결함의 경우 시스템은 변동적이지만 용인되는 경우를 포함한 물체의 정상적인 외형을 학습하기 위해 비지도 학습 모드에서 스스로 트레이닝한다.
이러한 대표적인 이미지를 토대로 소프트웨어는 참조 모델을 생성한다. 이 반복적인 단계를 통해 끊임없이 개선이 이루어지며 모델이 원하는 대로 작동할 때까지 매개변수를 조정하고 결과를 검증할 수 있다. 런타임 중에 ViDi는 새로운 이미지 세트에서 데이터를 추출하며, 뉴럴 네트워크는 부품 위치를 파악하고 이상 요소를 추출하여 분류한다.
Cognex ViDi는 여타 수천 개의 일반적인 딥 러닝 소프트웨어와 달리 소규모의 트레이닝 이미지 세트를 활용한다. ViDi는 컴퓨팅 성능이 낮은 경우에도 동작하며 머신에 1개의 GPU 카드만 있으면 된다. 이런 특성을 가지고 있기 때문에 ViDi는 PC에 기반한 공정 과정을 가지고, 이미지 세트가 제한되어 있는 공장과 제조 환경에 적합하다. ViDi는 현장에서 유지관리가 가능하며 머신 빌더나 시스템 통합 업체 없이도 작업 현장에서 다시 트레이닝 할 수 있다. ViDi는 색상 및 열화상 등을 포함한 고해상도 이미지를 지원하며, 이상현상을 인식한다. 또한 판독이 어렵고 변형된 문자에 대해 복잡한 카운팅 및 판독을 수행한다. 위치 파악, 구별, 분류 및 OCR을 위한 툴을 독립적으로 또는 다른 코그넥스 비전 툴과 함께 사용하여 복잡한 비전 과제를 해결할 수 있다.
Cognex ViDi는 구축하기 쉬운 하나의 인터페이스에 육안 검사의 정교함과 유연성 그리고 컴퓨터 시스템의 기능과 반복성, 신뢰성을 모두 결합하였다. Cognex ViDi는 머신 비전의 한계를 뛰어넘고 산업 자동화의 미래를 가져올 수 있는 획기적인 검사 시스템을 구축할 수 있게 해준다. ViDi를 VisionPro 및 Cognex Designer 머신 비전 소프트웨어와 함께 사용하면 애플리케이션 내에서 툴을 적절히 조합할 수 있는 뛰어난 장점을 갖게 된다.
피할 수 없는 대세가 된 딥 러닝, 적극적으로 활용해야
기존 알고리즘으로 프로그래밍하기에 너무 복잡하거나, 시간과 비용이 많이 소모되는 제조 검사의 해결방안으로 딥 러닝 기술을 도입하는 기업들이 늘어나고 있다. 딥 러닝 기술은 프로그래밍이 불가능했던 애플리케이션의 자동화를 가능하게 하고, 검사 시간을 단축시켜준다. 이를 통해 제조업체는 기존 머신 비전 애플리케이션으로는 해결하기 어려웠던 문제들을 더욱 강력하고 안정적인 방식으로 해결할 수 있는 가능성을 얻게 되는 것이다. 그러므로 대세가 된 딥 러닝 도입을 망설일 이유는 없다.
코그넥스코리아
