머신비전과 AI가 접목된 딥러닝 비전 시장은 확장되고 있지만, 실제로 보편화됐다고 말하기는 힘들다. 실제 생산 현장에 적용하기 어려운 부분이 존재하기 때문이다. 학습시키기 위한 과정, 복잡한 레이블링 과정 등은 사용자가 딥러닝 도입을 주저하게 만드는 요소 중 하나다. 생산성 향상을 위해서 딥러닝 도입은 필수적인데, 코그넥스 박상준 전무는 인더스트리솔루션 인사이트 웨비나 AI 비전 활용 가이드에서 고객의 고민을 해결하기 위해 코그넥스의 딥러닝과 엣지 러닝 솔루션을 소개한다. 현장에서 생산성 향상을 위해 딥러닝 기술 적용 사례가 많이 늘어났다. 하지만 박 전무는 실제 딥러닝이 보편화됐다고 말하기엔 문제점이 있다고 지적한다. 실제 생산 현장에 적용하기 어려운 부분들이 존재한다는 것이다. 딥러닝은 학습 베이스가 토대가 되는데, 학습 과정에서 오는 여러 가지 어려움들이 존재해 실제 양산 현장에서 사용하기 어려운 부분이 있다는 것이다. 딥러닝은 이미지를 모으고, 레이블링을 거쳐 학습을 최적화하는 과정을 거쳐야 한다. 이런 과정들에 많은 시간이 소요된다. 일반 유저가 최적화 시키기엔 어려움이 존재하는 것이다. 또한 양산 단계로 넘어가면, 라인 바이 라인 변화
헬로티 함수미 기자 | 코그넥스는 자사 핵심 제품인 비전프로와 비전프로 딥러닝의 펌웨어를 업데이트한 신제품을 선보인다고 3일 밝혔다. 이번에 출시한 제품은 ‘비전프로10.1’과 ‘비전프로 딥러닝 2.1’으로 사용자 입장에서의 편의성 개선 및 제품 간 호환 용이성에 초점을 두고 펌웨어를 업데이트했다. 비전프로 10.1은 기존 10.0버전에 비해 스마트라인 기능이 대폭 강화되어, 제품의 검사 및 계측이 더욱 정교해졌다. 또한, 기존 VisionPro 9.x 버전에 있던 2D툴을 이용할 수 있게 됐으며, 툴 편집 컨트롤 기술 향상 및 USB3 Vision 지원 등을 통해 사용자 편의성을 극대화했다. 비전프로 딥러닝 2.1의 가장 큰 특징은 하이 디테일 퀵 모드가 추가되어 유사한 툴 정확도를 지닌 HDM보다 평균 2~5배 이상 트레이닝 시간을 단축한다. HDM와 거의 동등한 수준의 정확도를 구현해 비교적 간단한 어플리케이션에 빠르게 적용할 수 있다. 더불어 추가된 매개변수 검색 기능은 매개변수를 검색 및 대입해 최상의 매개변수를 찾아가는 트레이닝 과정을 최적화하고, 학습된 모델을 기존 업무 환경에 보다 쉽고 빠르게 딥러닝 소프트웨어를 적용할 수 있게 됐다. 특히,
헬로티 함수미 기자 | 코그넥스는 수아랩 인수 이후 딥러닝 기반 머신 비전 소프트웨어인 ‘코그넥스 비디(ViDi)’와 수아랩의 딥러닝 소프트웨어 ‘수아킷(SuaKit)’을 통합한 ‘비전프로 딥러닝’ 출시했다고 밝혔다. 코그넥스의 최초 딥러닝 제품인 코그넥스 비디는 Blue-Locate, Red-Analyze, Green-Classify, Blue-Read 등 OCR을 위한 총 4가지 툴로 출발했다. 최소 개수의 이미지 세트만으로도 트레이닝이 가능하여 속도가 빠르고, OCR에 특히 강하며 라벨링, 툴 체이닝 등의 GUI로 사용자가 더욱 쉽게 딥러닝 데이터를 구축할 수 있는 제품이었다. 이후, 코그넥스의 룰베이스 기반 소프트웨어 ‘비전프로’와 ‘비디’가 통합돼 여러 검사 및 개발 툴들을 함께 사용할 수 있게 됨으로써 보다 많은 검사 환경에 폭넓게 적용할 수 있게 됐다. 수아랩의 수아킷을 통합한 머신 비전 소프트웨어 ‘비전프로 딥러닝’은 Green-Classify 툴이 강화됐다. 분류 정확도를 크게 높인 Green–High Detail 모드와 빠른 학습과 인퍼런스를 제공하는 Green–Focused 모드를 추가 레이블링 없이 손쉽게 전환할 수 있게 됐다. Red-