계장기술(PROCON)

특별기고 인공지능과 머신비전의 결합으로 공장자동화를 위한 딥러닝 완성

페이지 정보

작성자 최고관리자 댓글 0건 조회 45회 작성일 19-11-18 18:48

본문

딥러닝이란?
딥러닝은 인간의 능력인 ‘예시를 통해 학습하는 기능’을 로봇과 머신에게 학습시키는 방식으로, 각종 정밀검사에 적용되면서 최첨단 제조 공정으로 그 적용 범위가 확대되고 있다. 특히 제조기술 분야에 적용되어 이미지를 인식하고, 트렌드를 구별하며, 지능적 예측 및 결정을 내린다.
딥러닝 기반 이미지 분석의 장점
딥러닝 기반 이미지 분석은 육안 검사의 정교함과 유연성에 컴퓨터 시스템의 신뢰성, 일관성, 속도를 결합시키기 때문에, 기존 머신의 접근 방식으로는 유지관리가 거의 불가능한 까다로운 비전 애플리케이션을 해결할 수 있다. 또한 딥러닝 모델은 허용 범위를 초과하는 실제 결함을 검출하는 동시에 변형이 많은 복잡한 패턴도 학습을 통해 찾아낼 수 있으며, 코어 알고리즘을 다시 프로그래밍하지 않고도 새로운 예시에 맞게 바로 조정할 수 있다.
20bfc641a2d5332956c4e2589a766a6a_1574069844_9774.png
20bfc641a2d5332956c4e2589a766a6a_1574069862_5052.png
변동성, 기존 머신비전 시스템의 과제
배율, 회전, 배치 왜곡 등으로 인해 부품 외형이 약간 변동되는 것까지는 머신비전 시스템으로 검사가 가능하지만, 복잡한 표면 텍스처와 이미지 품질 문제는 보다 복잡하고 까다로운 검사를 필요로 한다. 머신비전 시스템은 시각적으로 매우 유사한 부품간의 변동성과 편차를 감정하는데 적합하지 않을 때가 있다. 부품의 유틸리티에 영향을 미치는 ‘기능적’ 이상 현상은 대부분의 경우 거부의 원인이 되지만, 성형 측면의 이상 현상은 제조업 체의 요구 및 선택에 따라 거부 원인이 되지 않을 수도 있다. 가장 문제가 되는 점은 기존의 머신비전 시스템으로는 이러한 결함을 구별하기가 어렵다는 것이다.
복잡한 검사를 위한 딥러닝
딥러닝 모델은 검사관의 자가 학습 능력과 컴퓨터 시스템의 속도 및 일관성을 결합하여 기존 머신비전 시스템이 갖고 있는 본질적인 한계를 극복할 수 있게 한다. 딥러닝 기반 이미지 분석은 본질적으로 복잡한 성형 표면 검사에 특히 적합하며, 뒤집혔거나 액체가 덧발라졌거나 반짝이는 부품의 흠집과 같이 복잡한 표면 및 성형 결함을 처리하는데 탁월한 성능을 발휘한다. 특징점의 위치 파악, 판독, 검사 또는 분류 중 어떤 용도로 사용되든 딥러닝 기반 이미지 분석은 문자를 구분하여 부품 외형을 개념화하고 일반화할 수 있다는 점에서 차별화되며, 이는 문자가 미묘하게 다르거나 왜곡된 경우에도 마찬가지이다.
 20bfc641a2d5332956c4e2589a766a6a_1574070167_1583.png

코그넥스의 딥러닝  - 빠르고 강력한 Cognex ViDi
산업 이미지 분석 전용으로 고안된 Cognex ViDi는 즉시 활용 가능한 딥러닝 기반 기술로 검사관의 학습 방식처럼 부품의 알려진 특징, 이상현상, 등급을 나타내는 라벨 이미지를 학습한다.
Cognex ViDi는 여타 수천 개의 일반적인 딥러닝 소프트웨어와 달리 소규모의 트레이닝 이미지 세트를 활용한다. ViDi는 컴퓨팅 성능이 낮은 경우에도 동작하며 머신에 1개의 GPU 카드만 있으면 되어 PC에 기반한 공정 과정을 가지고, 이미지 세트가 제한되어 있는 공장과 제조 환경에도 적합하다. 그리고 현장에서 유지관리가 가능하며 머신 빌더나 시스템 통합 업체 없이도 작업 현장에서 다시 트레이닝할 수 있다. 또한 판독이 어렵고 변형된 문자에 대해 복잡한 카운팅 및 판독을 수행하며, 색상 및 열화상 등을 포함한 고해상도 이미지를 지원해 이상현상을 인식한다. 그리고 위치파악, 구별, 분류 및 O CR을 위한 툴을 독립적으로 사용하거나 다른 코그넥스 비전 툴과 함께 사용해 복잡한 비전 과제를 해결할 수도 있다

20bfc641a2d5332956c4e2589a766a6a_1574070275_9355.png 

ViDi 블루-위치식별 : 하나의 이미지에서 하나 또는 여러 개의 특징을 찾아 위치를 파악하는데 사용된다. 노이즈가 많은 배경에 있는 심각하게 변형된 문자, 여러 개의 복잡한 물체 등 특징이 복잡한 개체도 주석이 있는 이미지를 인식하는 방식을 통해 위치를 찾아 식별할 수 있 다. 블루 툴을 학습시키기 위해서는 대상 특징이 표시된 이미지를 제공하면 된다.

20bfc641a2d5332956c4e2589a766a6a_1574070316_1637.png
ViDi 레드-분석 : 뚜렷하지만 허용 가능한 변형을 포함해 물체의 정상적 외관을 학습하여 장식이 있는 표면의 긁힘, 불완전하거나 부적합한 조립품, 직물의 짜임새 등을 비롯한 수많은 문제를 식별할 수 있다.

20bfc641a2d5332956c4e2589a766a6a_1574070355_2877.png
ViDi 그린-분류 : 포장을 바탕으로 한 제품 식별, 용접 이음매의 분류, 허용 가능하거나, 허용 불가능한 결함의 분리 등 라벨 표시된 이미지 컬렉션을 바탕으로 서로 다른 등급을 구분한다.

20bfc641a2d5332956c4e2589a766a6a_1574070366_8013.png
ViDi 블루-판독 : 향상된 광학적 문자 판독 기능을 제 공하는 툴로 영어, 숫자는 물론이고 한글과 한자도 인식 할 수 있다. 글자 사이의 폭이 좁은 가변 폭 글자체, 금속, 플라스틱, 고무 등에 새겨진 문자, 도트 매트릭스로 인쇄 된 날짜 및 코드 등 기존의 머신비전으로는 인식하기 힘 들었던 문자를 쉽고 빠르게 판독한다. Cognex ViDi는 구축하기 쉬운 하나의 인터페이스에 육 안 검사의 정교함과 유연성, 그리고 컴퓨터 시스템의 기 능과 반복성, 신뢰성을 모두 결합했다. Cognex ViDi는 머신 비전의 한계를 뛰어넘고, 산업 자동화의 미래를 가 져올 수 있는 획기적인 검사 시스템을 구축할 수 있게 해 준다. ViDi를 VisionPro 및 Cognex Designer 머신 비 전 소프트웨어와 함께 사용하면, 애플리케이션 내에서 툴 을 적절히 조합할 수 있는 뛰어난 장점을 갖게 된다.

20bfc641a2d5332956c4e2589a766a6a_1574070442_8601.png
코그넥스코리아 www.cognex.com