헬로티 서재창 기자 |
산업지식인은 실무자의 질문을 전문가가 자세하게 답변해주는 코너입니다. 산업지식인에는 MTV 웨비나에서 발표자와 질문자가 주고받았던 질의응답을 한 데 모아봤습니다.
기업은 제조 프로세스를 개선하기 위해 신속하게 자동화를 선택하며, 특히 머신비전은 필수적인 도입 기술로 손꼽습니다. 국내외 머신비전 산업의 주요 키워드로는 5G, 임베디드 비전과 딥러닝, 3D, 하이퍼스펙트럴, 로봇 융합 등으로 정리해볼 수 있습니다.
이에 사단법인 한국머신비전산업협회는 제4회 KMVIA 머신비전 컨퍼런스를 온라인으로 개최한 바 있습니다. 컨퍼런스에 참가한 넥스버와 라온피플은 각각 '머신비전·FA에 사용 가능한 산업용 임베디드 IPC 및 HW 소개', '제조 산업에 특화된 AI 자동화 설비 구조와 알고리즘 기술'을 주제로 발표를 진행했습니다.
Q & A
Q : 사용자가 잘못된 학습 내용을 삭제할 수 있는가?
A : 학습 후에는 검증과정을 통해 잘못된 학습 데이터를 확인 가능하며, 학습 데이터 셋에서 사용자에 의해 추가, 삭제가 가능하다.
Q : 산업에 머신비전을 활용할 때 오류를 줄이기 위한 중요 요소는 무엇인가?
A : 머신비전은 품질 관리 기준을 정확히 확정한 뒤에 검토해야 한다. 기준을 명확하게 하면 이미지 해상도, 알고리즘 결정으로 검사를 정확히 할 수 있다.
Q : IPC CPU FAN과 히트싱크 방식에서 발열량 차이가 얼마나 나는가?
A : 발열량은 전적으로 CPU의 구동으로 좌우된다. 문제는 이를 어떻게 방열을 시키는지의 여부다. IPC는 팬을 통해 방열을 시키는데, 불량의 원인이 될 수 있다.
Q : 임베디드 IPC 에서 사용하는 OS의 종류와 라이선스 기준은?
A : OS 와 라이센스는 일반 IPC에서 사용하는 것과 동일하다.
Q : 임베디드 IPC와 엣지 pc의 차이점은 무엇인가?
A : 엣지 PC는 사이즈가 소형이기에 성능이 엔트리급이다. 임베디드 IPC는 다양한 성능의 모델이 있다.
Q : 단차가 작은 경우에 머신비전으로 구분할 수 있나?
A : 단차의 판단은 2D 이미지로도 가능한 부분이 있지만 정확성을 위해 3D 검사로 판단하는 것이 좋을 듯 하다. 기존 2D 이미지에서 수 마이크로 단위까지 검사 가능한 것으로 보아 단차 역시 비슷한 성능이 나올 수 있다고 본다.
Q : 딥러닝 학습 데이터를 클라우드 서버에서 관리해 고객에게 전달할 수 있나?
A : 관련 데이터의 관리는 On-Premises(사내 서버) & Off-Premises(클라우드) 모두 가능하다. 다만, 데이터의 수량 및 규모를 파악해봐야 할 듯하다.
Q : 딥러닝에 대한 지식이 없는 관리자도 수월하게 적용할 수 있는가?
A : 기존 룰베이스의 머신비전은 검사에 필요한 다양한 파라미터 값으로 관리에 어려움을 겪고 있다. 딥러닝의 경우 파라미터의 설정보다 정확한 결함분류 및 정의가 가능한 관리자의 도메인 지식만 있다면 기존 방식보다 수월하게 적용 가능할 수 있다.
Q : 머신비전을 활용할수 있는 범위에 의류산업도 포함되는가?
A : 의류산업 분야에서도 많은 검사 분야가 있다. 기본적으로 의류, 원단 등의 외관검사(이물, 뜯김, 얼룩 등등)나 완성된 의류의 치수 측정 등 응용에 따라 의류산업에서도 다양하게 적용될 수 있다.
Q : 산업현장에서 반사가 심한 검사 제품의 경우, 어떤 방식으로 적용할 수 있는가?
A : 검출해야 할 포인트가 반사로 인해 훼손된 경우를 제외하면 인공지능으로 가능하다. 위와 같은 문제점을 해결하기 위해 광학구성이 우선적으로 선행돼야 한다.
Q : 현재의 AI 검사는 대부분 컬러로 영상을 확보하고 있는데, 흑백으로도 가능한가?
A : 컬러 이미지뿐 아니라 흑백 이미지로도 가능하다.
위와 같이 '제4회 KMVIA 머신비전 컨퍼런스'에서 다양한 질의응답이 오고갔습니다. 머신비전을 이해하는데 조금이나마 도움이 되셨나요?
해당 주제와 관련해 궁금한 사항은 하단에 있는 댓글창에 댓글로 입력해주세요. 전문가가 직접 답변해드립니다. 이와 더불어 위 내용을 다룬 발표 자료를 공유 받고 싶다면, 댓글창에 메일 주소를 남겨주시길 바랍니다.
