현장의 자동화 기술자, 운영자, 엔지니어 및 관리자는 일반적으로 최신 “트렌드”에 의존할 여력이 없자만, 유망한 신기술을 따라잡고 평가하는 것은 매우 중요하다. 최신 위젯이나 앱이 마케팅 자료와 단계별 데모에서 약속된 광범위하게 적용 가능한 만능 솔루션인 것으로 드러나는 경우는 거의 없다. 대신, 현장에서 가장 중요한 것은 프로세스 또는 생산 환경의 요구 사항을 성공적이고 안정적으로 해결하는 기술의 실제 구현 및 사용할 수 있냐는 것이다.

 

비전 및 이미징 기술의 혜택을 받는 검사, 안내 및 측정 작업의 범위가 계속 확대되는 것을 고려하면서 몇 가지 주요 주제와 방향이 드러난다. 이를 염두에 두고 올해 결론을 내리면서 검토해 볼 가치가 있는 사항에 대해 몇 가지 생각을 해보도록 하자.

 

사용 편의성과 노코드 솔루션

 

비전 및 이미징 시장에서의 계속되는 추세는 “사용 편의성” 제품 및 구성 가능한 또는 “노코드” 솔루션이다. 그러나 사용 편의성에서 ‘쉬움’을 결정하는 지표는 주관적이다. 이는 이런 기술이 어떤 선행 기술도 필요하지 않은 채 사용되거나 사용 가능할 것이라는 함의를 내포하고 있다.

 

그러나 사실은 이미지 및 비전 응용 프로그램에 대한 이미지 및 분석을 구현하는 것은 방법에 대한 합리적인 이해가 있다면 오래 전부터 매우 쉽게 이루어져 왔다. 그럼에도 불구하고 사용 편의성은 가장 필요한 요소 중 하나다.

 

비전 응용 프로그램에서는 극복해야 할 몇 가지 기본적인 장애물이 있다. 가장 중요한 것은 이미징 및 이미지 획득 설계다. 검사해야 할 제품, 감지해야 할 특징 및 이러한 제품을 생산하는 자동화 환경은 모두 검사 작업에 대한 거의 계산할 수 없는 범위의 변화를 기여한다. 엔진 블록(또는 향후 고려 사항으로 전기 모터 스테이터)에 발생한 스크래치는 휴대 전화나 의료기기 디스플레이에 발생한 스크래치와는 매우 다르게 나타난다. 올바른 이미지 구성 요소 아키텍처가 없으면 이런 특징들은 결과 이미지에서 심지어 보이지 않을 것이다. 이는 사용 편의성을 위한 복잡성으로, 일반적인 이미징 솔루션은 모든 잠재적인 사용 사례에 적용하기 어렵거나 불가능하다.

 

 

분석 측면에서 각 응용 프로그램의 요구 사항은 크게 르다. 예를 들어, 간단한 결함 감지조차도 단순히 존재/부재를 판단하는 것뿐만 아니라 결함의 크기, 색상, 기하학 등을 확인하는 것이 필요할 수 있다. 이런 종류의 프로젝트 요구 사항은 응용 프로그램의 일반적으로 높은 수준의 구성 및 사용자 정의가 필요하며, 심지어 신뢰할 수 있는 결과를 얻기 위해 특수 코드를 사용할 정도까지 요구한다.

 

그러므로 사용 편의성을 위해 구성 및 능력이 어느 정도 제한되어야만 하는 것이라는 원칙에 따라, 사용 편의성을 위한 분석 장애물은 어느 정도로 구성 가능성 및 능력이 제한되어야 하는지에 대한 것으로 요약될 수 있다.

 

잠재적인 장애물들이 있더라도, 높은 사용 편의성을 갖춘 성공적인 비전 제품 및 시스템들이 나타나고 있으며, 이들은 계속해서 성장할 것으로 예상된다. 대부분의 경우 핵심은 이미징 및 분석 양쪽에 적절하게 일반화할 수 있는 특정 사용 사례로 작업을 제한하는 것이며, 시장에서는 이런 유형의 시스템에서 일부 성장이 나타나고 있다. 특정 응용 분야는 다양하게 나타나며, 그 중 하나는 로봇 가이드를 위한 특히 3D 이미징이 두드러지는 분야 중 하나다.

 

비전 가이드 로봇을 위한 3D 이미징 솔루션의 성장

 

이비징 기술 속 3D는 계속해서 성장하고 정교해지는 자동화 이미징의 성숙한 제품 옵션으로 변하고 있다. 장면에서 고품질의 포인트 클라우드 또는 깊이 이미지를 획득하고 처리하는 것은 이제 기대되는 기술이며, 시장에는 다양한 컴포넌트 선택지가 있다.

 

최근 산업 동향 중 하나는 3D 능력의 확장을 활용해 3D비전 가이드 로봇 (VGR)을 쉽게 사용할 수 있는 애플리케이션별 솔루션 형태로 나타나고 있다. 한때 머신비전의 획기적인 기술로 불리웠던 빈 피킹은 이제 독립적인 솔루션으로 사용 가능하다. 다른 응용 분야로는 무작위 제품의 팔레타이징 및 디팔레타이징과 같은 일반적이지만 때로는 복잡한 작업들이 패키지로 제공되고 있다. 이런 3D VGR 접근 방식은 적용 범위가 더욱 확대될 것으로 보인다.

 

그러나 명확히 말하자면, 여전히 능력은 프로젝트 요구사항과 유능하게 일치해야 하며, 언제나 일반적인 해결책은 없다. 그럼에도 불구하고, 3D 이미징은 여전히 다양한 일반 사용 사례에 대해 점점 더 접근 가능해지고 있다.

 

 

자동 검사 도구로 사용하는 AI 및 딥러닝 기술

 

자동화를 위한 일반적인 비전에서 딥러닝은 이미지 또는 이미지 내 기능의 세분화 및 분류에 대한 가치 있는 도구로 등장했다다. 주된 이점은 감지해야 하는 원하는 이미지 또는 기능이 알고리즘적으로 외관 및 이미지 내 기하학적으로 명시적으로 정의되는 대신 소프트웨어에 의해 학습된다는 것이다.

 

딥러닝은 인간처럼 주관적인 것들을 식별하는 데 우수한 성과를 보인다. 몇 년 동안 기술은 광고에서의 과대 마케팅과 과장된 기대로부터 고통을 겪어왔지만, 딥러닝은 조용한 역할로 안착하고 있으며 추세는 이를 자동 검사의 더 넓은 능력 중 하나로 유용하게 사용하는 것이다.

 

딥러닝에 관한 교훈

 

딥러닝은 모든 머신비전 응용 프로그램의 해결책만은 아니다. 독립적인 기술로 사용할 때 구현하기 위한 높은 수준의 기술과 경험이 필요하다.

 

딥러닝을 활용한 가장 성공적인 제품 솔루션은 분석 및 딥러닝 도구를 모두 활용하는 혼합 접근 방식을 채택한 경우로 보인다. 사용의 편의성 측면에서는, 광범위한 교육과 학습이 필요하지 않은 특정 응용 프로그램을 위해 사전 구성된 모델을 사용하는 솔루션이 트렌드로 나타나고 있다. 이들은 종종 표준 머신비전 및 딥러닝 도구 모두 활용한다.

 

비전 및 이미징 전망

 

트렌드는 일반적인 관행이 되기도 하고 아닐 수도 있다. 실제로 장기적인 성과를 제공할 수 있는 것들만이 혹평의 곡선을 넘어서 살아남을 것이다. 산업 자동화에서의 머신비전 및 이미징은 탁월하고 계속 발전하는 기술들에 힘입어 번창하고 있다. 이들은 최신 트렌드로서 숭배되지 않는 우수한 기술 구성 요소, 시스템 및 소프트웨어를 포함하고 있다.

 

사용의 편의성, 3D, 딥러닝 및 다른 모든 트렌드는 고려해야 할 중요한 사항이지만, 현장에서 현명한 기술자는 대부분의 응용 프로그램에 대해 검증된 신뢰성 있는 도구를 계속해서 적용할 것이다.

 

* 이 콘텐츠는 VISION SYSTEMS DESIGN에 게재된 글을 토대로 재구성했다.

 

오토메이션월드 함수미 기자 |