AI·노코드 기반으로 진화하는 머신비전 품질검사 시스템
제조업의 품질검사는 점점 더 높은 유연성과 정밀성, 그리고 경제성을 요구받고 있다. 자동차, 기계, 전자 제조 산업에서는 다양한 부품을 빠르게 검사해야 하는 동시에, 생산 환경 변화에도 안정적으로 대응할 수 있는 시스템이 필요하다. 그러나 기존 머신비전 시스템은 복잡한 통합 과정과 높은 운영 난이도로 인해 전문 인력 의존도가 높다는 한계가 있었다.
최근에는 AI 기반 비전 검사 기술과 엣지 컴퓨팅이 결합되면서, 전문적인 이미지 처리 지식 없이도 현장에서 검사 모델을 직접 생성·운영할 수 있는 방향으로 기술이 발전하고 있다.
이번 사례에서는 독일 라르에 본사를 둔 AI 기반 시각 품질검사 솔루션 업체 preML이 IDS Imaging Development Systems의 산업용 카메라 ‘uEye XC’ 를 기반으로 구축한 AI 검사 시스템 적용 사례를 소개한다. 이 시스템은 플러그 앤플레이 구조를 통해 설치 부담을 줄이면서도, 다품종 생산 환경에 대응 가능한 유연한 품질검사 환경을 구현했다.
▲ IDS uEye XC 기반 AI 비전 검사 시스템은 카메라와 조명, 엣지 컴퓨팅을 통합한 형태로 다양한 산업 품질검사 공정에 적용될 수 있다.
Challenge
다양한 생산 환경에서 높아지는 품질검사 과제
최근 제조업의 품질검사 공정은 제품 다양화와 짧아지는 생산 주기로 인해 더욱 높은 유연성과 정밀성을 요구받고 있다. 특히 전자 부품, 플라스틱 부품, 기계 부품 생산 현장에서는 제품 형상과 표면 상태, 조명 환경이 지속적으로 변화하기 때문에 기존 고정형 머신비전 시스템만으 로는 대응에 한계가 있었다.
또한 기존 비전 검사 시스템은 전문적인 이미지 처리 지식과 복잡한 시스템 통합 과정을 필요로 하는 경우가 많았다. 새로운 검사 모델을 적용하거나 제품 변경이 발생할 때마다 외부 통합업체나 비전 전문 인력 의존도가 높아지는 문제가 발생했으며, 이 과정에서 구축 시간과 운영 비용 부담 역시 커지고 있었다.
생산 현장에서는 보다 직관적으로 사용할 수 있으면서도, 다양한 제품 변화에 빠르게 대응 가능한 검사 시스템이 요구됐다. 동시에 검사 정확도를 유지하면서 설치 복잡도와 통합 비용을 줄이고, 현장 작업자가 직접 검사 모델을 수정·운영할 수 있는 유연한 시스템 구조 역시 중요한 과제로 떠오르고 있었다.
▲ 다양한 부품 형상과 표면 상태를 안정적으로 검사하기 위해서는 균일한 조명 환경과 정밀한 비전 검사 구조가 중요하다.
Solution
코드 기반 AI 검사 시스템 구축
preML은 카메라, 조명, 엣지 컴퓨팅 장치, 사전 설치된 소프트웨 어를 포함한 모듈형 검사 시스템을 구축했다. 시스템은 별도의 복잡한 설치 과정 없이 즉시 사용할 수 있는 플러그 앤 플레이 구조로 설계됐다.
시스템 핵심에는 IDS의 산업용 카메라 ‘uEye XC’가 적용됐다. 해당 카메라는 1300만 화소(onsemi AR1335) 센서를 기반으로 고해상도 이미지를 제공하며, 오토포커스 기능을 통해 다양한 작업 거리와 부품 높이 변화 상황에서도 안정적인 초점을 유지할 수 있도록 설계됐다.
IDS 측은 “uEye XC는 복잡한 통합 작업 없이 안정적인 이미지 품질을 제공하도록 설계됐으며, 자동 초점 기능을 통해 최적의 거리 설정을 유지할 수 있다”고 설명했다. 또한 카메라는 최대 20fps 속도의 풀 해상도 이미지를 지원하며, BSI 기술을 통해 조명 변화 환경에서도 안정적인 영상 품질을 제공한다.
추가적으로 퀵 체인지 방식의 매크로 렌즈를 활용하면 근거리에서 미세 패턴이나 재료 결함, 기하학적 편차까지 정밀하게 검출할수 있다. 디지털 줌, 자동 화이트밸런스, 컬러 보정 기능 역시 세부 검사의 신뢰성을 높이는 요소로 적용됐다.
검사 시스템은 최대 4대의 uEye XC 카메라를 동시에 사용할 수있도록 구성됐다. 이를 통해 다면 검사나 복합 형상 검사, 표면 검사와 세부 검사를 결합한 공정에도 대응 가능하도록 했다.
▲ preML Vision Lab은 노코드 기반 인터페이스를 통해 검사 모델 생성과 결과 분석을 직관적으로 수행할 수 있도록 지원한다.
소프트웨어 측면에서는 preML Vision Lab이 적용됐다. 해당 소프트웨어는 웹 애플리케이션 형태의 노코드(no-code) 기반 구조로 설계돼, 별도의 프로그래밍 지식 없이도 검사 모델 학습과 실행이 가능하다. 또한 시스템은 인터넷 연결 없이 독립적으로 동작하는 엣지 컴퓨팅 구조를 적용해 폐쇄형 생산 환경에서도 안정 적으로 사용할 수 있도록 구성됐다.
preML의 창립자 데이비드 페렌바흐(David Fehrenbach)는 “이미지 처리나 AI 지식이 없는 작업자도 검사 모델을 직접 학습시키고 관리할 수 있도록 했다”며 “턴키 검사 시스템의 성능과 스마트 카메라 수준의 운영 편의성 및 비용 효율성을 동시에 구현하는 것이 목표였다”고 설명했다.
▲ uEye XC 오토포커스 카메라와 엣지 컴퓨팅 구성 요소는 별도의 서버 연결 없이 독립적인 AI 품질검사를 지원한다.
Result
검사 유연성과 운영 효율성 확보
이번 시스템 적용을 통해 생산 현장은 복잡한 머신비전 통합 과정을 최소화하면서도, 다양한 제품군에 대응 가능한 유연한 품질검사 환경을 구축할 수 있었다. 특히 검사 모델을 수분 내로 수정·적용할 수 있어 다품종 생산 환경에서의 대응 속도를 높일 수 있었으며, 현장 작업자가 직접 검사 모델을 관리할 수 있도록 해 외부 전문가 의존도를 줄이는 데도 기여했다.
또한 카메라, 조명, 엣지 컴퓨팅, 소프트웨어를 통합한 모듈형 구조를 통해 구축 시간과 시스템 통합 부담을 줄일 수 있었으며, 폐쇄형 생산 환경에서도 독립적으로 운영 가능한 검사 환경을 구현했다. 최대 4대의 카메라를 활용한 다면 검사 구성이 가능해지면서 복합 형상 검사와 세부 표면 검사 등 보다 다양한 품질검사 공정에도 적용 범위를 확대할 수 있게 됐다.
자료제공: IDS(en.ids-imaging.com)
