닫기

산업동향

라온피플, 비전 검사 소프트웨어 ‘NAVI AI'

  • 등록 2017.05.14 22:48:26
URL복사

[첨단 헬로티]

“뭐가 중헌디”

 

귀신에 씌인 소녀가 자신의 아버지에게 향해 소리지른다. 이 대사는‘곡성’이라는 영화의 명장면이기도 하지만, 여러 다른 분야에서도 정말 중요한 것을 찾아야 할 때 종종 패러디되곤 했다. 비전 분야의 기술을 선도하는 라온피플에게도 이 외침은 굉장히 중요했다. 비전 검사에서 정말로 중요한 것은 무엇일까? 고민하고 또 고민하였다. 그리고 그 중요한 부분을 NAVI라는 비전 검사 소프트웨어로 녹여내고자 했다. NAVI는 ‘New Architecture for Vision Inspection’으로 비전 검사를 위한 새로운 아키텍처이기 때문이다.


일단 비전 검사가 되야 한다!


비전 검사에서 무엇이 중요한 것일까에 대한 답변은 저마다 다를 수 있다. 어떤 사람은 가격이나, 브랜드 이름을 따질 수도 있고, AS 지원이나 신속한 구축 기간이 중요하다고 말 할 수도 있다. 하지만, 비전 검사가 되지 않는다고 할 때, 의미를 가질 수 있는 것이 있을까? 


일례로, 크랙/스크래치에 대한 비전 검사를 살펴보겠다.


종래의 컴퓨터 비전 기술로 크랙/스크래치 검사가 가능할까? 


그림 1과 같이 크랙이나 스크래치는 랜덤한 위치에서 비정형적인 형태로 발생된다는 측면에서 컴퓨터 비전 알고리즘으로 처리하기가 매우 까다롭다. 원본영상과 검사영상의 차영상을 구하면 크랙 이미지를 추출할 수 있으나, 차영상에 잔상이나 노이즈가 존재하며, 배경이 각기 다르거나(ex: 나무결), 복잡한 경우에는 해결이 매우 어려워진다. 설령 검출이 가능하다고 해도, 100% 커버리지는 기대하기 어려우며, 이 경우 자동화를 위한 산업용 솔루션으로 적용하기도, 적용하지 않기도 애매한 솔루션이 만들어질 수 있다. 


▲ 그림 1. 컴퓨터 비전을 이용한 크랙/스크래치 검사


Deep Learning을 적용한다면 크랙/스크래치 검사가 가능할까?


결론적으로 가능하다. Deep Learning 기반 비전 검사는 크랙 이미지를 컴퓨터가 학습한다. 때문에 크랙이 어디에 발생하던 무방하며, 100% 커버리지로 검출할 수 있다.


위 그림2에서 보여지는 크리스탈 다이오드의 크랙 검사에 대해 살펴보겠다. 라온피플은 이 사례를 컴퓨터 비전 기술로도 시도해 보았고, 딥러닝(머신러닝)으로도 시도해 보았다. 200장의 양품/불량 이미지로 검토해본 결과, 컴퓨터 비전 기술로는 구현에 1달 이상의 기간이 걸렸고 커버리지를 만족시키는 것도 까다로웠지만, 딥러닝 기술을 이용해서는 하루 만에 결과를 확인했고 커버리지 또한 100%가 나왔다. 라온피플도 이 파격적인 결과에 놀랐으며, 머신러닝에 대한 더 큰 확신을 갖게 됐다.


▲ 그림 2. 딥러닝을 이용한 크랙/스크래치 검사


기존의 컴퓨터 비전으로 해결되지 못했던 난제가 머신러닝을 통해 해결될 수 있다. 딥러닝은 금속의 외관이나 표면에 발생하는 이물/크랙/스크래치/얼룩을 검출하며, 직물의 실밥이나 끊어짐/붙음도 찾아낼 수 있고, 다양한 부품을 분류하거나 복잡한 배경에서 광학 문자를 판독하는 것도 가능하다. 사람이 육안으로 검사할 수 있는 모든 것들이 가능하다고 보면 된다.


비전 검사가 쉬워야 한다.


2016년 출시된 라온피플의 비전 검사 소프트웨어 ‘NAVI’의 주요 컨셉 중에 하나는 쉬운 비전 검사였다. 그래서 프로그래밍이 필요없는 비전 검사 Tool을 만들었다. 즉, 사용자가 프로그래밍 없이도 GUI(그래픽 유저 인터페이스)상에서 조작이나 설정만으로 비전 검사가 가능하도록 SW를 제작하였다(그림 3 참조). 


▲ 그림 3. 비전 검사에 최적화된 UI


하지만 사용자로부터 들었던 대답은 여전히 어렵다는 것이었다. 비전에 대한 기본 지식이 없다면, 툴 버전이건 라이브러리 버전이건 사용하기 어렵다고 한다.


그렇다면, 머신러닝은 쉬울까? 어려울까?


딥러닝에 적용하는 알고리즘은 복잡하고 어려울 수 있지만, 사용자 입장에서는 너무 쉽다. 왜냐하면 사용자는 양품/불량 이미지만 넣어주면 되기 때문이다(그림 4 참조). 


▲ 그림 4. 머신러닝을 이용하면?


사용자가 크랙 이미지를 넣으면, 그 다음은 딥러닝이 크랙을 찾는다. 얼룩 이미지를 넣어주면 얼룩을 찾는다. 5가지 부품 종류를 분류해야 한다면, 사용자는 각 종류별 이미지만 준비하면 된다. LCD 감성 검사도 딥 러닝을 이용하면 가능하다. 각 감성 검사에 해당하는 종류별 이미지만 학습시켜주면 된다.


NAVI AI - Deep Learning을 이용한 비전 감사  - 비전 검사를 더 쉽고 더 강력하게 !!!


앞서 살펴본 것처럼 Deep Learning은 비전 검사를 더 쉽고 강력하게 만든다. 라온피플에서는 2016년 NAVI(v1.0)에 딥러닝 비전 검사 기능을 추가하여 2017년 NAVI AI(v2.0)를 출시하였다(그림 5 참조).


▲ 그림 5. NAVI AI 강점


· Deep Learning 알고리즘으로 비전 검사의 한계를 넘다.

· 머신러닝 기반의 학습으로 비전 검사를 더 편리하게 하다.


NAVI AI에는 표 1과 같이 Deep Learning이 적용된 4가지 툴이 추가되었다.


▲ 표 1. Deep Learning이 추가된 4가지 툴


NAVI AI Mercury: Mercury는 분류 기능에 특화된 딥러닝 툴이다. 양품과 불량에 대한 2가지 분류 이미지를 학습시켜주면 양불 판정이 가능하며, 다양한 분류 이미지를 학습시켜주면 다양한 분류가 가능하다. 특히, Mercury는 물체 위치 추적 알고리즘 생략되어 고속 동작이 가능하다.


NAVI AI Venus: Venus는 객체 검출을 위한 딥러닝 툴로 원형 또는 사각형 형태의 ROI(Region of Interest)로 검출된 객체의 위치를 표시할 수 있다. 컴퓨터 비전 분야의 패턴 매칭 기술은 일정한 형태만 매칭할 수 있는데 반해, 머신러닝으로는 앞면, 뒷면은 물론 여러 변형된 형태도 학습시켜 다양하게 발생될 수 있는 객체의 형태를 검출하는 것이 가능하다. 패턴 매칭이 적용될 수 있는 모든 비전 분야에서 이용 가능하며, 매칭된 개수를 카운팅하거나, 매칭된 좌표 값을 추출하여 로봇 가이드로 사용할 수도 있다. 


NAVI AI Mars: Mars는 결함(크랙, 스크래치, 얼룩, 훼손)을 검출하는 딥러닝 툴이다. 특히 랜덤한 위치에서 발생한 비정형적 형태의 결함을 정확하게 표시한다. 웨이퍼, 태양광 패널, 금속, 반도체, 직물, LCD 등 결함이 발생하는 모든 분야에 적용될 수 있다. 


이러한 결함을 기존의 컴퓨터 비전으로 검사하려면, 고도한 지식이 요구되며, 그럼에도 결함 검출이 정확하지 않을 수 있다. 딥러닝을 적용하면 매우 간단하고 강력한 검사가 가능해진다. 사용자 입장에서는 결함에 대한 이미지만 준비하면 되고, 그 이후의 과정은 딥러닝에게 맡기면 된다.


NAVI AI OCR: 광학문자 판독은 바코드와 더불어 부품 식별을 위한 중요한 수단이다. 컴퓨터 비전으로는 양각/음각 문자의 판독이 매우 어려웠고, DOT 문자의 경우 별도 필터를 사용하는 등 번거로움이 많았으며, 복잡한 배경에서는 판독되지 않는 문제가 있었다. 


또한 각 판독 케이스마다 각기 다른 설정이 필요한 부분도 있었다. Deep Learning의 OCR 판독 능력은 필기체 인식에 있어서도 이미지 인간의 판독 능력을 넘어선 상태로, 과거 경험하지 못했던 강력한 판독 능력과 편리함을 제공한다. 


라온피플 최태욱 팀장






주요파트너/추천기업