최근 머신비전 시장에서 실시간 고속 애플리케이션을 위한 수요가 계속 증가하고 있다. ‘VisualApplets’은 이런 요구에 대응할 수 있는 솔루션으로서의 활용이 가능한 제품이다. 이에 대해 김상래 다트비전 기술연구소 부장이 발표한 내용을 요약·정리한다. FPGA(Field Programmable Gate Array)는 비메모리 반도체의 일종이며, 회로변경이 가능해 사용자가 직접 프로그램을 썼다, 지웠다를 반복할 수 있다. 현재 머신비전에서 다양하게 활용 중이고 카메라에도 기본 탑재돼 있다. 실시간 고속 애플리케이션을 위해서는 FPGA가 필수다. 이미지 프로세싱에서 FPGA를 사용하는 목적은 CPU의 Charging(충전) 없이 연속적인 연산을 수행할 수 있으며, 실시간 처리 구현이 가능하기 때문이다. 손쉬운 FPGA 프로그래밍 및 결과 확인 VisualApplets은 기존 VHDL(디지털 회로 및 혼합 신호를 표현하는 하드웨어 기술 언어) 또는 베릴로그(전자 회로 및 시스템에 사용되는 하드웨어 기술 언어)를 기반으로 하는 프로그래밍 방식이 아닌, 차세대 FPGA 프로그래밍 소프트웨어라 할 수 있는 고급 이미지 프로세싱 라이브러리와 하이레벨 디자인 엔트리,
머신비전은 과거의 단순한 생산품 불량 유무 판별에서 이미지 DB를 정보화하며 생산량까지 결정하는 단계로 발전했다. 반도체 후공정에서의 머신비전 트렌드와 요구 기술은 무엇인지, 삼성전자 송근호 수석연구원이 머신비전 세미나에서 발표한 내용을 정리했다. 머신비전 시스템은 반도체 제조에서 품질과 신뢰성 향상을 위한 필수 요소이다. 과거에는 반도체 생산품 불량 유무를 사람이 판별했다. 그러나 최근 공장자동화와 미세화로 인해 사람의 육안으로 검사하는 것에 한계가 생겼다. 검사의 신뢰성 문제, 사람 간 오차 문제, 실시간 검사·전수검사 불가능 등 여러 가지 복합적인 한계 때문에 머신비전이 아니면 반도체를 제조할 수 없게 됐다. 반도체에서의 머신비전 머신비전은 반도체 기술과 함께 계속 발전하고 있다. 현재는 비전 시스템의 고속 식별, 완벽한 검사, 정보화, 네트워크화, 지능화가 요구되고 있으며, 특히 이미지 DB를 어떻게 판단하고 전략적인 관점에서 활용할 수 있을 것인지에 대한 연구가 활발히 진행되고 있다. 반도체 제조를 위한 머신비전은 하드웨어와 소프트웨어 측면에서 초정밀, 초고속으로 진화를 거듭하고 있다. 과거에는 성능이 200μm와 100ms였던 것이 현재는 10μm
딥러닝은 컴퓨터 인공지능 학습법 중의 하나이다. 최근 딥러닝과 관련, 컴퓨터가 알아들을 수 있는 형태로 표현하고 이를 학습에 적용하기 위해 많은 연구가 진행되고 있다. 딥러닝 기술이 어디까지 왔는지, KAIST 김준모 교수가 발표한 내용을 정리했다. 딥러닝이란 무엇인가? 딥러닝이란 딥 네트워크(딥 뉴럴 네트워크)를 트레이닝해서 어떤 일을 하는 절차를 뜻한다. 여기서 딥 네트워크(Deep Network)란 인풋과 아웃풋 사이에 숨어 있는 히든 레이어가 2개인 것을 말하며, 히든 레이어가 없거나 1개면 쉘로우 네트워크(Shallow Network)라고 한다. 뉴럴 네트워크의 역사를 보면, 1세대(1958년~)는 퍼셉트론(Perceptron) 방식이었고, 2세대(1986년~)는 멀티레이어 퍼셉트론 방식이었다. 이때는 정답이 틀린 에러를 역전파함으로써 뉴럴 네트워크를 훈련시키는 기술이었다. 즉, 쉘로우 네트워크를 사용하고 있었다. 20년이 지나서야 3세대(2006년~) 딥러닝이 나왔다. 힐튼 교수에 의해 소개된 딥 빌리프네츠(Deep Belief Nets)였다. 그 후 1989년에 얀 리쿤과 그의 동료들은 오류역전파 알고리즘에 기반해, 우편물에 손으로 쓰인 우편번호
사물인터넷으로 인해 거리에 상관없이 누구나 실시간으로 커뮤니케이션이 가능한 초연결시대가 도래하고 있다. 이와 관련, 12월 10일 비즈오션이 개최한 웨어러블&사물인터넷의 주요 이슈 분석 및 전망 세미나에서 KT디바이스 본부의 조영빈 박사가 발표한 내용을 정리했다. 1926년, 과학자 니콜라 테슬라(Nikola Tesla)는 “무선 시스템은 물리적 거리를 거의 없애 줄 수 있는 기술로, 인류가 발명한 어떤 과학 발명보다 큰 효용을 가져다 줄 것”이라고 예측했다. 또한 “무선통신 기술이 전 지구적으로 적용되면 지구는 하나로 연결된 하나의 거대 브레인을 갖게 될 것”이라고 말했다. 이는 현재 사물인터넷을 통해 현실로 나타나고 있다. 사물인터넷 기술은 삶의 전 분야에 걸쳐 네트워크화 작업이 진행 중이다. RFID에서 시작한 네트워크 기술은 USN, M2M을 거쳐 사물인터넷까지 진화했다. 사물인터넷 서비스는 ID 인식·센싱·모니터링·트랙킹 등의 기능을 바탕으로 적용할 수 있는 사업 영역이 세분화되고 있다. 또한 개인·기업·정부 영역과 그 중복 영역을 통해 활용할 수 있는 사업을 도출할 수 있다. 개인 영역에는 가계부, 교재 및 완구, 놀이기구 티켓, 오락 등이
사물인터넷을 통한 초연결사회로 나아가기 위해서는 IT 융합, IT 내장, 컴퓨터 내장으로 이어지는 사물의 지능화가 선결돼야 한다. 여기서는 사물인터넷 서비스와 사업화에 대해 정보통신산업진흥원 이명규 팀장이 발표한 내용을 살펴본다. 사물과 사물을 연결하는 지능화 방식은 크게 세 가지로 나뉜다. 우선, 사물과 마이크로칩을 융합하는 것으로, RFID와 스마트태그 등이 이 방식에 속하며 주로 물류 및 유통 분야에 활용된다. 장거리 인식, 100여 개의 동시 인식이 가능하며, 종이나 플라스틱을 투과할 수 있다. 다음은 사물과 특수 태그를 융합하는 것이다. 센서 태그 혹은 혈액의 저장 상태 등을 파악하는 리더기가 이 유형에 속한다. 마지막은 사물과 스마트센서를 융합하는 것으로 스마트카, 웨어러블 컴퓨터, 스마트 가전 등에 적용된다. 사물인터넷 Value Chain은 다음과 같이 구성된다. 스마트폰을 중심으로 하는 스마트 기기가 근거리 통신을 통해 네트워크를 형성하면, 게이트웨이, 무선AP, CDMA 등의 네트워크는 광대역 네트워크를 형성한다. 이는 SNS, 지리정보 검색, 콘텐츠 등 서비스 플랫폼의 형태를 지니게 되고, 축적된 데이터를 통해 데이터 인프라를 형성한다.
그래핀의 대면적 성장에 대한 연구 개발은 소재뿐 아니라 소자로서의 응용까지 염두에 두고 진행됐다. CVD 성장 방식은 원하는 기판 위에서 이루어지는 것이 아니기 때문에, 성장시킨 후 다른 기판으로의 전사 과정이 반드시 필요하다. CVD 성장법의 기본 원리는 Ni, Cu, Pt와 같이 탄소를 잘 흡착하는 전이금속을 촉매 층으로 활용해 1,000℃ 정도의 고온에서 C4, H2, Ar의 혼합가스를 흘려주는 것이다. 혼합가스에 포함된 탄소 원자가 촉매 층과 반응하면 급속히 냉각된 후, 촉매로부터 탄소가 빠져 나와 표면에 그래핀이 성장된다. 이후 산 또는 염기의 식각용액을 활용해 촉매 층을 제거하면 그래핀만 추출할 수 있다. 액상의 표면에 남게 되는 그래핀을 원하는 기판에 붙이는 과정을 그래핀 전사라고 한다. CVD 그래핀 성장 방법 및 조건 1. 1,000℃의 퍼니스에서 Cu foils(두께 0.025mm, 순도 99.8%)를 촉매로 해 그래핀이 성장한다. 2. 알곤과 수소의 혼합가스를 250/100SCCM의 유량으로 흘려준다. 3. 탄소 공급원으로 메탄(CH4) 가스 50SCCM을 흘려준다. 4. 그래핀이 성장하는 데 3
이번 글에서는 디바이스의 다양화와 빅데이터 분석 기반, 인지 컴퓨팅 발달로 급부상하는 사물인터넷 개념을 정의하고, 시장 잠재력이 높은 헬스 분야의 사물인터넷 비즈니스 가능성에 대해 알아본다. 2013년 11월 10일, 가트너(Gartner)가 스마트 디바이스의 미래(Future of Smart Devices)에 관한 심포지엄에서 포천 500대 기업들 중 절반 이상이 인지 컴퓨팅(Cognizant computing : 인지 컴퓨팅은 인공지능(Artificial Intelligence : AI) 내지 기계 학습(Machine learning : AL)을 통해 상황을 감지하고 앞 일을 예측하고 생각하는 능력을 가지도록 설계되어 인간 두뇌가 처리하지 못하는 빅데이터(Big Data)를 분석해 통찰력을 이끌어냄으로써 이해력을 높여주는 컴퓨팅을 말한다)을 도입할 것이라고 발표했다. 그림1. 2013년 IoT 비즈니스 환경 가트너는 디바이스 수와 유형이 증대되면서 인지 컴퓨팅도 함께 진화 과정을 밟고 있다고 말했다. 즉, 인지 컴퓨팅은 동기화(Sync Me) 및 데이터화(See Me)단계에서 다음 단계로 진화하고 있으며, 데이터화(See Me)단계에서 맞춤화(Know m
인체감지 센서 모듈은 초음파 센서를 비롯한 다양한 센싱 기술이 적용되면서 점차 지능화돼 가고 있다. 때문에 보다 정확한 인식이 가능해져서 신원확인이 요구되는 주요 공공건물 등의 이용자 출입통제를 효율적으로 관리할 수 있고, 관리비용도 감소시킬 수 있다. 이번 글에서는 인체감지 센서 기술에 대해 알아본다. 생활주변 곳곳이나 공공건물 등에 다양한 종류의 인체감지 센서가 설치돼 있다. 자동감지 센서가 사용자의 이용 상태를 정확하게 확인하기 위해서는 센서 종류뿐만 아니라 설치 위치도 중요하며, 센서로부터 전송되는 적절한 신호처리 기술이 필요하다. 공공건물의 비인가자 출입구나 지하철의 개폐구 등에서 이용자의 적절성(사용자 인증 등)을 확인해 출입허용 여부를 실시간으로 결정해야하기 때문에 무엇보다 고속 신호처리 기술을 이용한 센싱 기능이 가장 중요한 요소다. 그림1은 탐지 센서와 접촉 센서로 설계된 인체감지 센서 모듈의 구조이고, 구성 요소를 요약하면 다음과 같다. 그림1. 인체감지 센서 모듈의 구조 •탐지센서는 RFID(Radio Frequency identification)태그 및 적외선 센서 등을 이용해 출입구를 통과하는 사람을 인식하고 여
지난 2014년은 새로운 변화의 물결 속에서 불안과 혼란이 거듭된 한 해였다. 국내에서는 계속되는 경기침체와 내수부진이 이어졌고, 수출 시장에서는 선진국의 견제와 신흥개도국과의 경쟁, 엔화 가치 하락 그리고 한-중 FTA 타결 등 시장 개방 압력이 피할 수 없는 현실로 다가왔다. 특히 초미의 관심사였던 한-중 FTA는 전기산업에 대한 정부의 관심과 노력으로 대다수 품목의 양허 시기가 장기간으로 설정됐으나 이에 안주해서는 안 된다. 오히려 중국과의 제품 품질, 기술 수준의 차별화를 위해 미리 대비해 나가는 산업계의 현명한 노력이 더욱 필요할 때다. 우리 전기산업인들은 이러한 어려움과 전반적인 수출 둔화에도 불구하고, 전기부품이 상대적으로 부진했지만 송배전 및 산업용 전기기기는 연평균 7.1% 수출 증가를 이루어내며, 내수 위주의 전통 산업에서 친환경, 성장동력산업으로 도약을 거듭하고 있다. 국내 경영연구소의 2015년 경제 전망에 따르면 세계 경제는 유럽, 아시아 등의 부진 속에 미국이 홀로 견인하는 미약한 회복을 예측하면서도 글로벌 교역 부진으로 본격적인 회복이 어려울 것이라는 전망이며, 국내 경제는 여전한 내수 부진이 성장률 저하 요인이지만, 수출 증가 등
올해 대한민국 12대 주력산업 수출은 지난 해 보다 소폭 상승할 전망이다. 조선과 반도체가 7% 내외의 수출시장을 주도하면서 12대 주력산업 전반의 수출확대에 기여할 것으로 예상된다. 산업연구원 관계자는 “중전기계, 플라스틱 제품, 이차전지 등 규모가 작은 일부 후발업종이 최근 수출이 지속적으로 증가하면서 기존 12대 주력산업의 수출 비중 하락세를 보완할 것”이라고 내다봤다. 산업연구원이 최근 발표한 2015년 산업 전망 자료를 정리했다. 산업연구원에 따르면, 올해 12대 주력산업은 전반적으로 소재산업군의 생산 및 수출 성장이 기계산업군, IT산업군에 비해 상대적 부진이 예상되는 가운데 산업별로는 조선, 반도체가 제조업 성장을 주도하며 가장 호조를 띨 전망이다. 산업군별 수출은 지난 해 이어 IT제조업(4.5%)이 비(非)IT제조업(2.3%)보다 높게 증가하는 추세가 지속되고 생산은 호재성 요인이 미약해 전년대비 다소 부진할 것으로 보인다. 이런 가운데 엔저 및 원화강세 여부, 주요업종에서의 한·중간 경쟁 확대, 해외생산 확대 지속, 한·중 자유무역협정(FTA)발효 등이 변수로 작용될 것이라는 게 산업연구원의 설명이다. 수출=모든 업종 증가 그
KT경영경제연구소에 따르면, 스마트 시대가 시작한지 만 5년이 지난 2014년말 현재 국내 ICT시장이 새로운 전환기를 맞이하고 있다. 기존 스마트 시장에서 구글과 애플 등 전통적인 강자들에 대한 도전이 이어지며, 새로운 경쟁구도가 형성되고 있다는 얘기다. 이와 함께 ICT기업들이 새로운 동력 발굴의 일환으로 융합서비스에서 기회를 선점하려는 경쟁이 본격화되고 있다. 고미영 팀장(KT경영경제연구소) 미래창조과학부에 따르면, 스마트폰 가입자가 4천만 명을 돌파했다(2014년 9월말 기준). 스마트폰 소유자라면 언제 어디서나 스마트 서비스를 향유하게 됐다. 이런 상황 속에서 ICT기업들은 스마트 시장에서의 생존 경쟁을 넘어 ICT 융합 서비스를 통해 새로운 가치 창출 및 신성장 기회를 모색하고 있다. KT경영경제연구소가 제시한 2015년 ICT 주요 이슈를 정리했다. ■중저가폰=IT 시장조사기관인 스트래티직 애널리틱스(Strategy Analytics)에 따르면 스마트폰 시장에서 2011년 20.4%의 점유율을 차지했던 중저가폰이 올해 55%까지 성장이 예상된다. 중저가폰 고객 니즈 연구 조사 결과(2014년 8월), 중저가폰 구매의사 비율은 평균 51.6%를 차
반도체 후공정 비전트렌드와 향후 요구 기술 반도체 검사는 사람의 육안으로 검사하던 것이 이제는 머신비전을 통해 고속·고정밀로 미세한 불량과 오염 상태의 검출이 가능해졌다. 머신비전은 과거의 단순한 생산품 불량 유무 판별에서 이미지 DB를 정보화하며 생산량까지 결정하는 단계로 발전했다. 반도체 후공정에서의 머신비전 트렌드와 요구 기술은 무엇인지, 삼성전자 송근호 수석연구원이 머신비전 세미나에서 발표한 내용을 정리했다. ▲ 송근호 수석연구원 머신비전, 반도체 기술과 함께 진화 거듭 머신비전은 반도체 기술과 함께 계속 발전하고 있다. 현재는 비전 시스템의 고속 식별, 완벽한 검사, 정보화, 네트워크화, 지능화가 요구되고 있으며, 특히 이미지 DB를 어떻게 판단하고 전략적인 관점에서 활용할 수 있을 것인지에 대한 연구가 활발히 진행되고 있다. 반도체 제조를 위한 머신비전은 하드웨어와 소프트웨어 측면에서 초정밀, 초고속으로 진화를 거듭하고 있다. 과거에는 성능이 200μm와 100ms였던 것이 현재는 10μm와 100μs까지 왔으며, 앞으로는 1μm와 1μs 수준까지 도달해야만 데이터를 처리할 수 있다. 지금의 머신비전이 보는 데이터는 엄밀한 의미에서 정보화된 DB라
컴퓨터 비전을 위한 딥러닝 딥러닝은 컴퓨터 인공지능 학습법 중의 하나이다. 딥러닝은 컴퓨터가 알아들을 수 있는 형태로 표현하고 이를 학습에 적용하기 위해 많은 연구가 진행되고 있으며, 이러한 노력의 결과로 딥 뉴럴 네트워크, 딥 빌리프 네트워크, 콘벌루션 뉴럴 네트워크와 같은 다양한 딥러닝 기법들이 컴퓨터비전 분야에 적용되어 최첨단의 결과들을 보여주고 있다. 딥러닝은 구글이 앞서가고 있으며, 최근 페이스북이 연구팀을 인수하거나 자체 개발팀을 운영하면서 바짝 추격하고 있다. 딥러닝 기술이 어디까지 왔는지, KAIST 김준모 교수가 머신비전 세미나에서 발표한 내용을 정리했다. ▲ 김준모 교수 물체인식(Object Recognition)이란 영상 내의 객체가 무엇인지 인식하는 것을 말한다. 그러나 물체인식은 아직 사람 얼굴을 잘 구별 못 한다. 같은 물체라도 보는 각도와 조명에 따라 다른 결과물이 나온다. 또한, 크기, 변형, 배경 잡음에 따라 다르게 보여 진다. 이러한 문제를 해결하기 위해 지금도 연구 진행 중이다. 딥러닝 이전 시대 물체 인식… 구글리스가 대표적 물체인식 애플리케이션 중 가장 중요한 분야가 이미지 서치(Image Search)이다. 인터넷에서
「SMT」지에 따르면 재작업은 IPC-7721 기판 수리 지침에 따라 ‘장착된 기판을 조작하는 것’을 의미하는 것으로 정의되어 있다. 하지만 장착되어 있지 않은 베어 기판에는 여러 유형의 PCB ECO가 존재하기 때문에 PCB의 물리적 측면을 변경해야 한다. 변경이 이루어 지지 않으면 기판 배치 오류, PCB 제조 오류, 설계 실수 등의 문제가 발생할 수 있다. 가장 보편적인 물리적 기판 재작업 유형으로는 트레이스 및 패드 추가, 절단, 솔더 마스크 선별적 제거 및 기판 크기 수정 등이다. 이 글에서는 베어 PCB 및 장착된 PCB에서 가장 보편적으로 사용되는 물리적 재작업 유형, 기판 재작업을 위한 보편적인 옵션 및 이러한 유형의 기판을 재작업하는 데 사용되는 방법에 대해 검토한다. 또한 다양한 방법을 평가하기 위해 수행했던 기판 변경사항에 대해 사진을 첨부해 사례를 살펴보려 한다. 배치 및 설계 오류를 수정하거나 다른 부품을 사용함에 따라 발생하는 라우팅을 변경하기 위한 방법 중 하나는 장착/비장착 PCB에 물리적인 수정을 가하는 것이다. 이는 스텐실 인쇄, 리플로우, 세척 주기 및 웨이브 솔더링 등의 기판 처리가 PCB에서 수행되기
내장 수동 부품의 동향과 앞으로의 전망 최근 급속히 수요가 늘고 있는 스마트폰이나 태블릿 PC 등의 휴대기기의 경우 사용량이 늘어남에 따라 장기간 가동을 목적으로 내장 리튬이온 배터리를 크게 해달라는 요구가 있다. 이를 위해 회로 기판 박형화 및 소형화가 필요한데, 소형화에 따라 실현 가능한 특성 범위가 한정되면서 부품의 전기적 내량이나 성능도 저하돼 차세대 실장기술의 개발이 필요하다. 「일본실장학회지」 최신호의 Masashi AOKI에 따르면 향후 내장 수동 부품은 다음과 같은 추세로 나아갈 것으로 보인다. 고밀도 실장을 목적으로 개발이 진행 중인 부품내장 기판 기술에서 3차원 실장에 따른 고밀도 실장화 외에 부품 성능 면에서 ‘최단 배선에 의한 고주파 특성의 개선’, ‘내장 동박 패턴의 최적화에 따른 고방열화’, ‘수지기판으로 내장에 의한 내환경성 및 신뢰성 향상’ 등의 이점을 생각할 수 있는데, 표면실장 기술을 대체할 기술로서 우위성 확보해 나갈 필요가 있다. 일찍이 표면실장기술 및 고밀도 실장 기술의 발전에 있어서 원동력이 된 비디오카메라·디지털카메라·휴대전화 등을 양산하는 시장은 아시아권으로 움직이고 있는데, 고밀도 실장 기술의 연장으로서 부품내장