효율적인 머신비전 구축을 위한 11가지 핵심 체크포인트
효율적인 머신비전 시스템을 설계하기 위해서는 성능에 영향을 미치는 다양한 요소들을 종합적으로 고려해야 한다. 카메라 선택이 중요한 것은 사실이지만, 최종 영상 품질에 영향을 주는 변수는 그 외에도 많다. 이 기사는 전체 머신비전 시스템을 구축할 때 반드시 검토해야 할 11가지 주요 사양과 유의해야 할 변수들을 소개한다.
1. 환경적 과제(Environmental Challenges)
<그림1> 실외 환경에서는 날씨 변화에 따라 이미지 품질이 급격히 달라질 수 있다.
머신비전 시스템은 전 세계 다양한 환경에서 이미지를 캡처하도록 설계된다. 예를 들어, 건물 보안 시스템, 고속도로 톨게이트의 임베디드 시스템, 항공 촬영용드론에 탑재된 보드레벨 모듈 등다양한 사례가 존재하며, 이는 각기 다른 조건에서도 안정적인 이미지 솔루션이 필요함을 보여준다.
시스템 성능에 영향을 미치는 온도, 습도, 진동과 같은 환경적 요소를 고려하는 것은 머신비전 구축의 성공을 좌우하는 핵심 요인이 다. 정확한 측정과 일관된 결과를 확보하기 위해 교정(calibration) 절차를 도입하면, 엔지니어링 팀은 다양한 작동 조건에 유연하게 대응할 수 있다. 머신비전 시스템이 작동하는 환경은 원하는 이미지 품질을 얻기 위한 기술 사양을 결정짓는데 중요한 역할을 한다. 특히 야외 환경에서는 직사광선, 비, 눈, 고온 등 예측 불가능한 외부 요인들이 이미지 품질에 직접적인 영향을 미친다.
2. 이미지 센서(Imaging Sensors)
<그림2> 동일한 폼팩터 내에서 다양한 센서 크기를 보여주는 Teledyne Lumenera 보드레벨 카메라 세트
머신비전 시스템에서 적합한 카메라를 선택할 때 가장 핵심적인 요소는 이미지 센서의 사양이다. 카메라의 성능을 이해하기 위해 서는 어떤 종류의 센서를 사용하는지부터 파악해야 한다. 그러나 동일한 센서를 탑재한 두 카메라라도 실제로는 서로 다른 이미지를 생성할 수 있으며, 그 차이는 분명하게 드러날 수 있다. 따라서 센서 외의 다양한 요소들도 함께 고려해야 한다.
센서 포맷은 결합 가능한 광학계와 최종 이미지의 외관에 큰 영향을 미친다. APS-C, 1.1인치, 1인치, 2/3인치와 같은 일반적인 센서 포맷은 각각 고유한 특성을 가지며, 일반적으로 센서 크기가 클수록 더 많은 픽셀을 수용할 수 있어 고해상도 이미지를 얻을 수 있다. 그러나 고해상도만으로는 충분하지 않다. 이외에도 여러 중요한 사양들이 있다. 풀웰 용량, 양자 효율, 셔터 방식등은 모두 센서가 다양한 대상물과 특수 환경에서 얼마나 잘 작동할 수 있는지를 결정짓는 핵심 요소들이다.
3. 광학계(Optics)
<그림3> 다양한 초점거리를 가진 렌즈 세트
카메라 내부 구성 요소가 결정되면, 머신비전 시스템에서 또 하나 중요한 요소는 렌즈를 통해 목표물에 정확히 초점을 맞추는 것이다. 머신비전 분야에서는 용도에 따라 카메라 크기가 달라질 수있으며, 시스템의 규모에 따라 다양한 렌즈 선택이 필요하다.
렌즈 선택 시 가장 먼저 고려해야 할 것은 센서 사양과의 호환성이다. 렌즈마다 제조사 및 결합되는 센서에 맞춘 고유의 마운트 방식을 갖고 있으며, 머신비전에서 일반적으로 사용되는 렌즈 마운트는 C-마운트, CS-마운트, M42 마운트 등이 있다.
렌즈 사양 중 가장 기본적인 요소는 초점거리다. 초점거리가 짧아 질수록 시야각(FoV)은 넓어지며, 이는 곧 더 넓은 영역을 포착할수 있다는 의미지만, 그만큼 개별 요소의 확대율은 낮아진다.
4. 조명(Lighting)
<그림4> 금속 와셔를 검사하기 위해 링 조명이 사용되고 있는 모습
머신비전 시스템에서 가장 중요한 요소로 손꼽히는 것이 바로 조명이다. 최근 카메라 센서들이 저조도 환경에서도 민감하게 반응할 수 있도록 발전하고 있지만, 잘 조명된 대상을 통해 얻는 선명도는 그 어떤 기술로도 대체할 수 없다.
면광(Area light)은 다양한 상황에서 활용할 수 있는 범용 솔루션으로, 대상과 조명 간 거리를 적절히 유지하면 균일한 조도를 제공하며 핫스팟(hot spot)을 방지할 수 있다. 반면, 링 조명(Ring light)은 반사율이 높은 표면을 촬영할 때 유용하게 사용되며, 불필요한 반사를 효과적으로 줄여준다.
이 외에도 용도에 맞춘 특수 조명들이 존재한다. 가공된 금속 표면 촬영에는 돔 조명(Dome light)이 적합하며, 3D 대상의 형상을 인식할 때는 구조광(Structured light)이 효과적이다. 또한, 색조 명을 활용하면 미세한 디테일을 강조하거나 이미지의 대비를 강화할 수도 있다.
5. 필터(Filters)
<그림5> 두 개의 블루 필터를 통해 반사광과 투과광의 차이를 시각적으로 비교한 장면
렌즈를 통과하는 빛이 과도할 경우, 이미지에서 중요한 디테일이 손실될 수 있다. 이러한 문제를 해결하기위해 다양한 필터를 활용하여 특정 유형의 빛을 줄이거나 제거할 수 있다. 대표적인 색상 필터에는 다이크로익(dichroic) 필터와 흡수형(absorptive) 필터가 있다. 다이크로익 필터는 원치 않는 파장을 반사시키고, 흡수형 필터는 불필요한 파장을 흡수함으로써 필요한 파장만을 투과시킨다.
이러한 방식은 머신비전 시스템이 필요에 따라 수용 가능한 색상 스펙트럼을 조정할 수 있도록 해준다. 하지만 필터의 역할은 단순한 색상 보정에 그치지 않는다. 예를 들어, 중성밀도(ND) 필터는 전체적인 광량을 효과적으로 감소시키며, 편광 필터(polarizer) 는 편광된 빛을 제거해 반사광을 줄이는 데 유용하다.
6. 프레임 속도(Frame Rate)
<그림6> 교통 영상 촬영 시, 긴 노출 시간은 더 많은 빛을 수집할 수 있지만 차량의 움직 임이 흐려질 수 있어 빠른 프레임 속도와 보조 조명이 요구된다.
카메라의 속도는 일반적으로 초당 프레임 수(fps)로 측정된다. 프레임 속도가 높을수록 같은 시간 동안 더 많은 이미지를 캡처할수 있으며, 이는 각 이미지의 품질에도 직접적인 영향을 미친다.
프레임 속도가 증가하면 한 장의 이미지에 할당되는 노출 시간은 짧아지므로, 컨베이어 벨트 위를 빠르게 이동하는 물체처럼 고속 이동 대상을 촬영할 때 흔들림이나 블러 현상이 줄어들고 보다 선명하고 정밀한 이미지를 얻을 수 있다.
하지만 노출 시간이 짧아진다는 것은 그만큼 센서가 빛을 수집할수 있는 시간이 줄어든다는 뜻이기도 하다. 이로 인한 이미지 밝기 저하를 보완하기 위해, 더 큰 픽셀 크기를 가진 센서를 사용하는 것이 효과적일 수 있다. 픽셀 크기가 클수록 단위 시간당 더 많은 빛을 수용할 수 있어 전체 이미지의 밝기를 향상시키는 데 도움이 된다.
7. 하드웨어 및 처리 성능(Hardware and Processing Power)
머신비전 시스템에 필요한 하드웨어 구성은 이미지 분석의 복잡 성에 따라 달라진다. 대상의 변동성이 클 경우, 인공지능(AI)을 도입하는 것이 효과적일 수 있다. 특히 딥러닝 기반의 고성능 AI 시스템은 그래픽 처리 장치(GPU)나 FPGA와 같은 고성능 하드웨어를 필요로 하며, 대규모 데이터셋을 처리하기 위해 충분한 메모리 용량도 요구된다. 이는 다양한 조건에서 촬영된 이미지를 AI가 효과적으로 분석할 수 있도록 하는 데 필수적이다.
반면, 대상이 예측 가능한 경우에는 전통적인 머신비전 시스템이 보다 전력 효율적인 솔루션으로 충분히 대응 가능하다. 이러한 방식은 시스템 자원 소모를 줄이는 동시에 비용 효율성까지 확보할수 있어, 특히 온도 관리가 중요한 애플리케이션에서 유리하다.
8. 노이즈와 게인(Noise and Gain)
<그림7> 동일한 프레임 속도로 촬영된 생수병 이미지로, 오른쪽은 높은 게인 값을 적용한 모습
고속 프레임 속도가 필수적이고 긴 노출 시간을 확보하기 어려운 환경에서는 카메라의 게인(gain)을 조절해 밝기 부족을 보완할수 있다. 게인을 높이면 센서의 감도가 증가하면서, 적은 빛으로도 더 밝은 이미지를 촬영할 수 있다. 그러나 조명 문제를 해결하기 위해 게인에만 의존하는 것은 바람직하지 않을 수 있다. 그 이유는 게인 증가와 함께 이미지 노이즈도 함께 증가하기 때문이다.
게인이 높아질수록 이미지 내 노이즈가 증가해 선명도가 저하 된다. 이러한 노이즈는 판독 노이즈(read noise), 암전류 노이즈 (dark current noise) 등 다양한 원인에서 발생한다. 게인을 통해 저조도 환경에서도 촬영이 가능하지만, 그만큼 불필요한 이미지 왜곡이나 잡음이 생겨 이미지 품질이 떨어질 수 있다.
9. 비트 깊이와 다이내믹 레인지(Bit Depth and Dynamic Range)
<그림8> 픽셀당 표현 가능한 명암 단계 수를 보여주는 다양한 비트 깊이 예시
특정 대상을 정밀하게 측정하려면, 머신비전 시스템은 충분히 높은 비트 깊이(bit depth)를 필요로 한다. 비트 깊이가 높을수록 픽셀 간의 밝기 차이를 더 세밀하게 구분할 수 있어 측정 정밀도가 향상된다. 반면, 다이내믹 레인지(dynamic range)는 이미지 내에서 가장 밝은 부분부터 가장 어두운 부분까지 얼마나 넓은 밝기 범위를 카메라가 정확히 표현할 수 있는지를 나타낸다.
실외 환경에서는, 측정 정확도가 중요한 포토그래메트리 (Photogrammetry)와 같은 특수한 경우를 제외하면 일반적으로 8비트를 초과하는 비트 깊이가 꼭 필요한 것은 아니다. 그러나 실외 촬영에서는 다이내믹 레인지가 매우 중요한 역할을 한다. 예를 들어, 직사광선으로 인해 이미지 일부가 과노출되면서 동시에 그림자 속 디테일은 사라지는 상황에서도, 높은 다이내믹 레인지를 갖춘 카메라는 밝은 영역과 어두운 영역 모두에서 정보를 효과적 으로 포착할 수 있다.
10. 소프트웨어(Software)
<그림9> 비전 시스템 내에서 합격/불합격 판단을 위해 필요한 소프트웨어 구성 요소 들: 드라이버, 이미지 획득 및 제어, 그리고 영상 처리 소프트웨어 등이 포함된다.
시스템에서 소프트웨어는 크게 두 가지 핵심 기능으로 나뉜다. 그것은 이미지 획득 및 제어 소프트웨어와 이미지 처리 소프트웨어다.
이미지 획득 및 제어 소프트웨어는 카메라로부터 원시 데이터를 수집해 사용자에게 이해 가능한 형태로 변환해 제공하는 역할을 한다. 예를 들어 컬러 카메라의 경우, 픽셀 데이터는 물리적 베이 어(Bayer) 필터를 거치게 되며, 이 데이터를 소프트웨어가 처리해 실제 컬러 이미지로 재구성한다.
그 다음 단계에서는 이미지 처리 소프트웨어가 이미지를 기반으로 다양한 작업을 수행한다. 품질 검사, 분석, 편집과 같은 기능이 여기에 해당되며, 이러한 기능은 주로 자동화된 검사 시스템에서 핵심 역할을 한다. 예를 들어, 카메라 앞을 통과하는 대상이 검사 대상이라면, 소프트웨어는 그 이미지 데이터를 분석해 대상이 설정된 기준에 부합하는지를 자동으로 판단할 수 있다.
11. 데이터 획득 및 전송(Data Acquisition and Transfer)
<그림10> 일반적인 카메라 및 프레임그래버 장비에 적용된 GigE, CLHS, CXP, USB3 인터페이스 예시
카메라 기술이 발전함에 따라 생성되는 이미지 데이터의 양도 기하급수적으로 증가하고 있다. 이에 따라, 이러한 방대한 데이터를 효율적으로 전송할 수 있는 인터페이스 기술의 중요성이 커지고 있다. 현재 머신비전 분야에서는 다양한 애플리케이션 요구에 맞춰 여러 가지 카메라 인터페이스가 활용되고 있으며, 그 중 대표 적인 네 가지는 USB3, GigE, CoaXPress(CXP), 그리고 Camera Link High Speed(CLHS)다.
인터페이스를 선택할 때는 단순히 연결 방식만 고려해서는 안 된다. 각 시스템의 요구 대역폭, 동기화 기능, 설치의 용이성, 케이블 길이 등 다양한 요소를 종합적으로 따져야 한다. 예를 들어, 대용량의 고속 이미지를 다뤄야 하는 시스템이라면 높은 전송 속도를 제공하는 인터페이스가 필수이며, 반면 공간 제약이나 설치 편의성이 중요한 환경에서는 케이블 길이와 유연성이 더 큰 영향을 미칠 수 있다.
자료제공:Teledyne DALSA(www.teledynedalsa.com)
