[헬로티]
라온피플이 딥러닝 알고리즘을 활용하여 공정의 효율성과 정확성을 높여주는 검사 솔루션인 NAVI AI Toolkit 4.0버전을 출시하고 31일 웨비나를 개최한다고 밝혔다.
이번에 출시된 4.0 버전에서는 최신Ampere계열의 Nvidia GPU지원 등을 통해 빠르면서도 심플한 학습, 최적화를 통한 비용 최소화를 통한 결과 분석이 가능해졌다.
특히 기존에 배포된 3.0 버전에 Jupiter 모듈이 추가 지원되고, 라벨링의 편의성이 강화되면서 NAVI AI Toolkit 4.0은 더욱 강력해졌다.
제조업에 특화된 신속, 심플한 학습 방법 제공
1. Jupiter 모듈을 통한 불량 검출
이번 NAVI AI 4.0 버전에서는 기존 세가지 Mercury, Venus, Mars에 Jupiter 툴이 추가 되었다. Jupiter는 비지도 학습(unsupervised learning)의 일종으로 양품만 학습시켜 불량 이미지를 검출하게 되는데, 대부분이 양품인 제조업의 특성상 불특정 다수의 불량에 대한 학습을 할 필요가 없다는 것이 강점이다. 이를 통해 예측 불가능한 불량이 유출되는 것을 막을 수 있다.
그림 1. NAVI AI Trainer 초기 화면
그림 2. 양품 이미지 학습 그림 3. 불량 데이터 테스팅 시 검출 이미지
그림 4. NAVI AI Jupiter 화면
2. 액티브 러닝을 통한 효과적 라벨링
기존 Mercury, Venus, Mars의 라벨링이 액티브 러닝(Active Learning) 기법을 통해 효과적으로 업데이트 되었다. 사전 학습 된 데이터를 이용하여 자동으로 라벨링 되기 때문에, 사용자가 직접 확인하는 시간이 단축되고 잘못된 데이터를 수정하는 것만으로 효율적인 사용이 가능해졌다.
그림 5. NAVI AI 라벨링 화면
그림 6. NAVI AI Trainer Venus: 라벨링 및 상품 시료 검증 화면
신속한 최신 사양 지원
1. 최신 nVidia GPU지원
최근 출시된 nVidia GPU (Ampere, RTX 30xx계열) 에 최적화 시켜, 기존 GPU 업데이트 시 최적의 학습 및 검사가 가능해졌다.
※Tensor RT 지원을 통해 GPU 메모리 사용량이 2배 증가할 경우 9배 이상의 성능 향상 가능
비용 최소화
1. 최신 TensorRT / OpenVINO 지원
최신 TensorRT 지원을 통해 메모리 사용량이 약 2-3배 가량 감소된 반면, 검사 속도는 최대 11배 이상 향상되고, Pre-optimize 툴을 통한 로딩 속도도 향상 되었다.
또한 OpenVINO지원으로 Intel CPU/GPU/Movidius에 최적화 되어 nVidia GPU 없이 딥러닝 검사가 가능하다.
표 1. OpenVino 500x500 Mercury Interference Time 비교표
그림 7. fp 32mode(왼쪽)와 int 8mode
현장 사례를 통한 더 자세한 NAVI AI 4.0의 기능은 웨비나를 통해 확인할 수 있다.
라온피플 관계자는 “웨비나 참석자 중 신청자 10명을 선정해 NAVI AI 풀 버전을 한 달간 무료로 제공할 예정이므로, 딥러닝 검사 도입을 검토하고 있는 기업들은 먼저 테스트 해 볼 수 있는 좋은 기회가 될 것”이라고 말했다.
