정밀한 제조 작업에 유용한 머신비전 스마트 카메라
Teledyne DALSA
머신비전은 카메라, 프로세서 및 소프트웨어를 사용하여 신속하고 반복적이며 정밀한 제조 작업에 대한 사람의 시각을 대체한다. 머신비전 시스템은 1970년대에 처음 개발되었지만 크기, 복잡성 및 비용으로 인해 제한적으로 채택되었다. 머신비전은 1990년대에 디지털 카메라를 도입하고 프로세서와 소프트웨어를 개선하여 저렴하고 견고하며 사용하기 쉬워졌다. 개인용 컴퓨터, 휴대 전화 및 ‘스마트’ 장치와 같은 개인용 전자 장치의 요구에 따라 카메라 및 프로세서 모두 계속 개선되고 있다.
스마트 카메라’는 하나의 작은 저전력 패키지에 카메라, 프로세서, 소프트웨어 및 통신을 결합한 최신 머신비전의 발전이다. 스마트 카메라는 1990년대에 개발되었지만, 가전 제품의 개선과 사용하기 쉬운 소프트웨어의 개발로 인해 지난 10년간 실용화되었다. 이 기술을 머신비전 작업에 어떻게 적용할 수 있는지 알 수 있도록, 아래에 보틀링 라인(bottling line)에서의 검사를 한 예로 들고자 한다.
통과 또는 실패
보틀링 라인에서 병은 사람의 시야를 훨씬 능가하는 속도로 라벨을 붙이고 채우고 닫는다(덮개가 달린 병). 난이도 순서에 따른 머신비전 태스크는 다음과 같다.
- 바코드를 읽고 제품을 확인
- 라벨의 유무 및 품질 확인
- 날짜 및 로트 코드 확인
- 병 뚜껑 확인
- 병 ‘입구’의 손상 여부 확인
- 각 뚜껑의 밀봉 확인 또는 인쇄 확인
- 병에 이물질의 여부 확인
재정적 및 실제적 고려 사항은 병에 적용된 머신비전 검사의 양을 좌우한다. 흐린 인쇄는 소비자가 다른 병을 고를 수 있으며, 의약품의 이물질이라면 인명피해를 주거나 큰 소송이 발생할 수 있다.
스마트 카메라
기능과 가격을 기준으로 두 가지 수준의 스마트 카메라를 구별한다.
비전 센서는 하나의 전문화된 스마트 카메라로서 단일 보기(single view, image)에서 제한된 기능(작동)을 제공한다. 이 제한된 기능은 병의 바코드를 읽거나, 날짜 및 로트 코드를 읽거나, 라벨의 위치를 찾거나, 또는 닫힌 병뚜껑의 수직 위치를 측정하여 고정되어 있는지 확인하는 것 등일 수 있다. 단일 보기는 검사 주기마다 하나의 이미지만 사용되는 것을 의미한다.
스마트 카메라의 요소 외에도 비전 센서에는 내장 조명 및 저렴한 렌즈 옵션이 있을 수 있다. 머신비전 작업을 수행했다면 조명이 어떤 비전 시스템의 중요한 부분인지 알 수 있다. 이러한 요소들을 통합하고 하나의 기능으로 단일 보기만 있으면 시스템 비용이 낮아지고 설치가 간단해진다.
SCVS(스마트 카메라 비전 시스템, smart camera vision system)는 단일 보기를 갖고 있지만 그 view에서 많은 기능을 제공한다. 보틀링 예제에서 단일 SCVS(smart camera vision system)는 라벨의 존재와 위치를 확인하고 바코드를 읽고 날짜와 로트 코드를 확인할 수 있다. 바코드와 같은 항목이 SCVS의 시야(SCVS가 볼 수 있는 영역)에 없으면 두 번째 SCVS를 사용하여 바코드를 보고 읽을 수 있다.
고속 인쇄 검사 또는 여러 보기(multiple views) 통합이 필요한 기능과 같은 까다로운 작업의 경우 표준 비전 시스템을 사용할 수 있다. 비전 시스템은 하나 이상의 표준 카메라에 연결된 더 큰 고성능 프로세서로 구성되어 있기 때문에 스마트 카메라가 아니다. 그것은 많은 기능이나 각 보기(each view)로 여러 보기(카메라 이미지)를 처리할 수 있다. 예를 들어, 비전 시스템에 4대의 카메라가 있는 경우, 병에 대한 4가지 보기를 결합하여 손상된 병의 ‘병 입구(lip)’를 검사할 수 있다.
소프트웨어 정보
스마트 카메라와 스마트 전화가 유사한 하드웨어를 가지고 있지만, 소프트웨어는 제품으로 인식되도록 형성해준다. 초기 머신비전 시스템에는 일반적으로 서브 루틴 라이브러리가 제공되었으며 프로그래밍 및 머신비전 알고리즘에 대한 광범위한 전문 지식이 필요했다. 이는 몇 명의 엔지니어에게 편함을 제공했지만 머신비전 시스템을 위한 비용, 개발 시간, 품질 및 응용 범위를 증가시켰다. 이로 인해 제품에 대한 인식이 부족해졌다.
최신 머신비전 소프트웨어는 3가지 기술을 사용하여 머신비전 애플리케이션을 쉽게 개발할 수 있다.
첫째, GUI(그래픽 사용자 인터페이스, graphical user interface)는 사용하기 쉽고, 메모리에서 쉽게 사용할 수 있는 방식으로 머신비전 시스템에 구성 요소 및 알고리즘을 시각적으로 표시한다. GUI를 사용하면 볼 수 있는 것을 얻고 모호한 명령 및 함수 호출을 기억할 필요가 없다.
둘째, 개별 알고리즘은 전문 지식을 통합한 도구로 모아졌다. 일반적인 예는 바코드의 모양, 1차원 및 2차원 바코드의 다양한 유형 및 패턴, 코드를 읽는 데 필요한 이미지 처리 작업에 대한 지식을 통합하는 바코드 도구다. 바코드를 둘러싼 이미지에 직사각형을 그리기만 하면 바코드의 유형과 찾을 바코드의 수를 지정할 수 있다. 처리 및 판독은 도구에 의해 수행되며 사용자가 별도의 지식을 필요로 하지 않다.
셋째, 일련의 작업을 위해 그래픽 프로그래밍이 제공된다. 그래픽 프로그래밍에서 GUI를 사용하여 함수를 삽입하고 프로그램에 작업을 제어한다. 즉, 처리 순서다. 병 검사 예제에서 SCVS는 먼저 바코드를 읽고 어떤 제품이 있는지 확인하다. 그런 다음 위치를 측정하여 폐쇄 장치가 장착되어 있고 레이블이 제 위치에 있는지 확인할 수 있다. 그래픽 프로그래밍은 GUI 및 도구와 결합하여 비전 작업을 쉽게 해결할 수 있는 유연성을 제공한다.
궁극의 성능을 위해서는, 여전히 서브 루틴 라이브러리로 개발할 수 있는 옵션이 있다. 비전 작업이 필요하거나 임베디드 되어 있고 많은 시스템에서 개발 비용을 상환할 수 있다면 이는 의미가 있다. 코딩 및 머신비전 기술이 뛰어난 엔지니어링에 대한 대가를 지불해야 한다.
IoT, ‘심층 학습’, ‘빅 데이터’ 그리고 ‘클라우드’는 어떤 것인가?
스마트 카메라와 ‘심층 학습(deep learning)’과 같은 현재의 유행어 사이에는, 재미 있고 중요한 연결성이 있다.
IoT(Internet of Things)는 가정용 자동 온도 조절기 및 보안 시스템과 같이 인터넷이 연결된 ‘지능적인 기능’의 대표 문구다. 스마트 카메라는 하나의 IoT 준비 장치로서 인터넷 프로토콜을 사용하여 생산 제어 시스템과 ‘대화’한다. 따라서 스마트 카메라는 ‘주문형’ 제조를 지원하기 위해 식별하고 구성될 수 있다. 그러나 머신비전 시스템을 넓은 인터넷에 노출하는 것은 일반적으로 필요하지 않으며 보안상 위험할 수도 있다.
머신비전에서는 검사 중인 부품의 조명 및 표현방식을 제어하여 부품의 변형들을 측정한다. 부품 편차가 크면 검사하는 데 필요한 노력과 자원이 많이 필요할 수 있다. 예를 들어, 가공된 부품을 치수 기입하는 것은 쉽지만, 당근을 검사하는 것은 쉽지 않다. 좋고 나쁜 당근의 예제 이미지에서 좋고 나쁜 부분을 인식하도록 비전 시스템을 가르칠 수 있다면 좋을 것이다.
심층 학습은 모든 레이어를 ‘가르칠 수 있는’ 쉬운 다층의 인공 신경 네트워크를 나타낸다. 네트워크가 이미지에서 추출할 중요한 요소(기능)와 학습을 기반으로 하여 좋고 나쁜 분류를 만드는 방법을 ‘배워야’ 하기 때문에, 빅 데이터(이 경우에는 많은 교육 이미지 세트)가 필요하다.
이 머신비전에 대한 접근에는 두 가지 문제점이 있다.
첫째, 일반적으로 많은 수의 학습 자료를 수집하는 것이 어렵다. 특히 제품 결함이 드문 경우 특히 그렇다.
둘째, 신경망을 훈련하는 데 클라우드의 분산 처리에서 많은 컴퓨팅 성능이 필요하므로 스마트 카메라에서는 실용적이지 않다. 그러나 일단 네트워크가 훈련되면 스마트 카메라로 전송 및 실행할 수 있다. 얼굴 인식과 같은 필수 빅 데이터가 있는 비전 작업은 현재 스마트 카메라와 유사한 하드웨어를 사용하여 스마트 폰에서 실행된다.
소비자 요구에 따라 하드웨어를 크게 개선하고 최신 소프트웨어 기술을 결합함으로써 스마트 카메라를 사용하기 쉬우면서도 저렴하게 만들었다. 우리는 더 스마트하고 더 사용하기 쉬운 스마트 카메라와 비전 시스템을 기대한다.
자료 제공: Teledyne DALSA(www.teledynedalsa.com
