비전시스템의 다양한 활용 사례 / 1) 농·축산업
농·축산업, 비전시스템을 업다
산업현장에서 머신비전은 없어서는 안 될 요소가 되었다. ‘인간의 눈을 대신할 기술’이라는 취지에 걸맞게 머신비전은 인간의 능력으로는 할 수 없는 많은 기술을 가능케 하고 있다. 최근에는 이러한 기술이 공장자동화 분야는 물론이고 비 산업적인(Non-industrial) 분야로까지 확대되는 추세이다. 반도체·전자·자동차·측정 및 계측 분야와 같은 공장자동화부터 국방·항공우주·연구·생체인식·의료·농업에 이르기까지 머신비전이 나아갈 수 있는 길은 아직도 무궁무진하다.
기획 시리즈 목차
1) 농·축산업용 머신비전
2) 항공·우주용 머신비전
3) 보안용 머신비전
4) 연구개발용 머신비전
5) 자동차 분야 머신비전
6) 포장 분야의 머신비전
7) 현미경
8) 네트워크기반 머신비전
9) 측정·계측용 머신비전
10) 의료용 머신비전
11) 로봇용 머신비전
12) 생체·의학용 머신비전
머신비전은 주로 공장이나 생산현장에서 빛을 발한다. 물체를 검사하고, 양품과 불량품을 판별하며, 조금 더 복잡하게는 결과에 따라 생산품을 이동하거나 출하하는 공정까지 통합적으로 관리한다. 이러한 머신비전은 공장 안쪽만이 아닌 다른 현장에서도 활약한다.
대표적인 곳이 농업과 축산업이다. 논메고 밭가는 곳에서 무슨 머신비전을 쓸 일이 있겠느냐는 이들도 있을지 모르겠다. 하지만 머신비전은 농업 종사자들에게 꼭 필요한 기술이다.
머신비전, 농업에 완벽 적응
머신비전과 농업 혹은 축산업은 얼핏 보기에 어울리지 않는 조합이다. 컨베이어벨트 위에서 물건들을 검사하는 카메라나 작업자의 안전을 지키는 레이저 기술 그리고 바코드 등은 짐승을 키우고 경작하는 일과 무관해보이기까지 한다. 다른 기술도 아닌 머신비전 시스템을 과연 이들 산업에 어떻게 적용할 수 있을까?
사실 머신비전은 이미 농업 및 축산업 분야에 진출해있다. 논과 밭에서도 제 역할을 다하며 공장자동화 분야가 아닌 곳에서도 자리 잡았다. 지금부터 몇 가지 사례를 통해 머신비전이 농업과 축산업에서 어떤 역할을 하고 있는지 살펴보도록 한다.
대표적 활용 사례 모음
달걀 등급 결정
말레이시아 쿠알라 룸푸르(Kuala Lumpur) 대학 연구팀은 상업용 계란 등급을 분류할 수 있는 이미지 처리 시스템을 개발했다. 연구팀 설명에 따르면 이 달걀 등급 결정 프로세스는 몇 가지 단계로 나눌 수 있다. 우선 최대 120개의 계란을 촬영한다. 이후 AA등급부터 E 등급까지 각각 20개씩 분류한다. 이 작업은 달걀의 흰 픽셀 개수에 따라 등급을 나누도록 설정된 프로그램이 수행한다. 이 프로그램은 매스웍스의 MATLAB으로 만들어졌다.
시스템은 데이터베이스에 저장된 계란 이미지와 촬영한 계란 이미지의 흰 픽셀 개수를 비교하여 어떤 분류상자로 보낼지 결정한다. 이후 적절한 등급을 매겨 컨베이어벨트에 계란을 싣는다. 컨베이어벨트 위에서 등급에 따라 달걀을 나눠 싣는다.
이후 영상 처리 소프트웨어와 카메라는 계란 등급을 분류하는 과정과 동시에 계란이 얼마나 깨끗한지, 즉 청결도를 측정한다.
연구팀의 실험 결과 비전시스템은 약 80에서 90퍼센트의 정확도로 계란을 등급별로 분류할 수 있었다. 이는 사람이 굳이 수고하지 않아도 머신비전만을 이용해 정확하고 빠르게 계란을 선별할 수 있음을 나타낸다.
World Congress on Engineering(공학 2010년 세계 대회)의 눈문집에 발표된 바 있는 이 시스템은 대량생산체제에 돌입한 농업에 머신비전이 얼마나 효과적으로 적응했는지를 시사한다.
가축 자동 건강진단 시스템
아그리캄은 FLIR와 함께 젖소의 건강을 진단할 수 있는 자동 건강진단 시스템을 개발하였다. 젖소는 크고 작은 질병에 걸리기 쉬우며 특히 유방염은 흔한 병이다. 이 병은 초기에 발견하면 젖을 자주 짜주어 박테리아가 번식할 여유를 주지 않도록 해 쉽게 낫게 할 수 있다. 하지만 병을 방치해두면 젖소는 크게 고통스러워한다. 치료비 부담이 늘어나는 것은 물론, 병이 완치되기 전까지는 짜내는 젖들을 모두 버려야만 한다. 이는 낙농업자들에게 큰 피해이다.
열화상 카메라를 이용하면 이런 문제를 쉽게 해결할 수 있다. 유방염에 걸린 젖소는 평소보다 체온이 높기 때문에, 열화상 카메라로 젖소의 체온을 측정해보면 질병 유무를 판별할 수 있다. 이 점에 착안해 아그리캄이 개발한 CaDDi 자동진단 시스템에 FLIR는 자사 열화상카메라를 설치했다.
두 대의 열화상카메라로 젖소의 체온을 측정해 진단에 필요한 세부적 이미지 및 열적 정보를 제공한다. 이 정보를 젖소의 목걸이에 달린 RFID(무선인식장치)별로 작성해 자료로 가공한다. 자동진단 소프트웨어는 이 자료를 통해 각 젖소마다 정상적인 체온을 파악한 뒤 매번 측정하는 열화상을 이전 열화상과 비교한다. 결과적으로 이 CaDDi 자동진단 시스템은 체온 변화를 보고 유방염 여부를 판별하게 된다.
이 시스템은 유방염뿐 아니라 염증·신경 손상·골격 문제·부상 등 가축이 가진 각종 질병을 증세가 나타나기 전에 측정할 수 있다는 것이 관계자의 설명이다.
토마토 모종 확인 시스템
토마토는 세계에서 매년 150억 톤 이상 생산된다. 한국도 토마토 주요 소비국 중 한 곳으로 생산량 또한 상당하다. 통계청에 따르면 2011년 한해 국내 토마토 생산량은 368,224톤에 달한다.
토마토를 키우는 데에 가장 중요한 건 토마토가 예상대로 발아하는 것이다. 적합한 시기와 날짜에 발아하지 않으면 면적당 생산량이 높은 토마토는 큰 피해를 입는다. 이는 세계 공통적인 관심사이다.
세계의 여러 씨앗 공급 업체는 토마토 씨앗을 일괄적으로 샘플링해 발아 비율을 제공하고 있다. 하지만 농부 입장에서는 토양과 기후 등 변화하는 여건 속에서도 씨앗이 제때 발아해야 한다. 연간 수백만 그루의 식물을 취급하는 업체는 단 며칠의 지연에도 큰 손해를 입을 수밖에 없다.
과거에는 모양·색상·크기 등에 따라 토마토 모종의 품질을 분류하기 위해 수많은 노동자를 고용해야 했다. 하지만 Wageningen UR-Food and Biobased Research(FBR)사의 Rick van de Zedde 개발 매니저는 머신비전을 이용하는 시스템을 개발하자고 제안했다. 이에 MARVIN 프로젝트에서 해당 시스템을 만들었다.
20여 년 이상 프로젝트가 진행되었다. 농부들이 토마토 모종을 평가하는 방법을 공부했다. 그리고 마침내 모양과 색 등 다양한 조건에 따라 묘목을 정렬할 수 있는 프로그램을 개발하였다. 각 묘목의 질량을 측정하여 자동화할 수 있게 된 것.
이 시스템을 간단하게 설명하면 이렇다. 우선 씨앗을 트레이 위쪽에 있는 각 화분에 심는다. 그러다 발아 기간이 되면 트레이는 픽 앤 플레이스 방식으로 씨앗을 옮긴다. 화분과 화분 사이에는 10cm정도 간격을 두어 그곳에 머신비전 시스템을 설치한다.
이후 열 대의 바슬러 카메라가 각기 다른 각도에서 화분들을 촬영한다. 내쇼날인스트루먼트의 디지털 I/O보드가 영상을 받아들인다. 소프트웨어는 묘목 당 25밀리초 이내에 바이오매스를 계산해 3차원 모델을 생성한다.
이 과정은 묘목들의 복잡하고 다양한 발아조건들을 3차원적으로 리모델링하는 데에 도움을 주었다. 결과적으로 시스템은 모종들을 다양한 고속 촬영과 계산 그리고 모델링 과정을 거쳐 네 가지 등급으로 분류할 수 있다.
씨앗 카운트 시스템
이 시스템은 미국에 있는 콜맨 기술 주식회사(Coleman Technologies)가 개발했다. 종자 종류는 물론 모양과 크기를 초당 1000개까지 감별할 수 있는데, 0.5mm에서 최대 20mm 범위까지 촬영할 수 있다.
위 설명에서 볼 수 있듯 이는 머신비전의 라인스캔 기술을 활용한 검사이다. 즉 바슬러의 라인스캔 카메라를 사용해 촬영지역을 빠른 속도로 촬영할 수 있게 만든 것. 여기에 백라이트와 45。 거울을 설치해 카메라가 동시에 90도 각도를 촬영할 수 있게 했다.
콜맨 기술 주식회사 사장인 마이클 콜맨 박사는 “두 대의 카메라가 아닌 한 대의 카매라와 거울을 쓴 것은 시스템 크기와 비용을 줄일 수 있기 때문이다”고 말했다.
이 시스템 또한 내쇼날인스트루먼트의 LabView 프로그램을 활용했다. 이 프로그램을 통해 이미지 필터링 기술로 씨앗의 중복 계산을 방지하는 것은 물론, 종자 실루엣을 만들어 쉽게 비교할 수 있다. GUI 인터페이스로 데이터와 현재 이미지를 분석하는 데에 도움을 주기도 한다.
버섯 품질 검사 시스템
더블린 대학 연구팀은 하이퍼스펙트럴을 이용해 버섯 품질을 평가하는 시스템을 개발했다.
Brown blotch disease라고 알려진 질병은 양송이 등 주름버섯에 가장 흔하다. 이 질병은 외관적으로 티가 나기 때문에 소비자들이 버섯을 꺼리는 요인이 되고 이에 판매자들은 재정적 손실을 입는다.
이에 연구팀은 세균학으로 부패하거나 기계적 요인으로 흠집이 생긴 버섯들의 데이터를 모은 뒤, 이 자료들을 하이퍼스펙트럴 이미지로 만들었다. 이 이미지는 실제 버섯들과 비교해 버섯 상태에 따라 재배치 및 분류하는 데에 사용할 수 있다.
농가들은 이러한 시스템을 통해 흠집이 있거나 질병에 감염되는 등 품질이 떨어지는 농산물을 감지 및 분류할 수 있게 되었다. 이 시스템은 아직 도입기일 뿐이지만, 더욱 발전하면 농산물을 식별하는 품질 관리 기준을 확립하고 확대시켜 업계에 도움이 될 것으로 예상하고 있다.
만다린 오렌지 검사 시스템
Valencian Institute of Agrarian Research(이하 IVIA)의 과학자들은 썩거나 부패한 오렌지를 분류하고, 만다린 오렌지를 품질에 따라 분류한 뒤, 이들을 감지하고 분리할 수 있는 광학 장치를 개발했다. 이 검사는 머신비전 및 이미지 프로세싱을 통해 자동으로 진행된다.
지금까지는 자외선 조명을 비추어 형광색으로 빛나는 오렌지를 썩은 것으로 간주해 버려왔다. 하지만 자외선 조명은 방사능 문제를 야기할 수 있다. IVIA는 이를 머신비전으로 해결할 수 있도록 개발에 착수해 성공했다.
IVIA의 Jose、 Blasco는 “이번 개발을 통해 더욱 자세하고 정교한 선별이 가능해졌다”며, “소프트웨어와 하드웨어를 통해 썩은 과일을 팔지 않고 버릴 수 있다”고 밝혔다.
이 시스템의 두 번째 공정에서는 과일 빛깔 그리고 껍질 손상 등을 품질별로 분류할 수 있다. 이는 품질이 떨어지는 과일이 높은 등급의 과일 사이에 섞여 들어가는 것을 방지한다. 이 작업은 초당 15~20개 속도로 진행된다.
마지막으로 연구원은 ‘Ready-to-eat(바로 먹을 수 있는)’ 만다린 검사 자동화 장치를 개발했다. 진동 플랫폼에서 개별 분리된 과일 조각들은 초당 28개까지 검사할 수 있는 검사 영역으로 이송된다. 이 단계에서 흠집이 있거나 깨진 과일 등 품질이 떨어지거나 품종이 다른 종들은 벨트 밖으로 다시 이송된다.
비전 유도 로봇, 식물 분석 자동화
현대 농업에서는 식물과 잡초를 정확히 분류하는 작업이 필요하다. 특히 불균일한 조명과 예측할 수 없는 날씨 등 다양한 조건에서도 작업을 수행해야 한다. 최근 이 작업을 위해 비전 유도 로봇이 개발되고 있다.
Urbana-Champaign의 Illinois대학과 미국 농무성에서 Dr. Hongyoung Jeon팀은 영상 분할 기능을 이용해 식물 품종을 구분할 수 있는 시스템을 개발하였다. 이들은 스키드 조향 로봇에 스테레오 카메라를 장착하여 이미지를 수집했다. 야외 조명을 반사하기 위한 편광 필터와 6mm초점 거리의 C-Mount 렌즈도 장착했다.
지상에서 약 0.6미터 거리에 20。각도로 배치한 이 시스템은 768×572 해상도에서 약 2.44mm/픽셀의 사다리꼴 영역을 캡처한다. 이 이미지는 FireWire인터페이스를 이용해 PC로 전송된다.
사용자는 이 이미지들을 촬영하고자 하는 식물의 성장과 조명상태 등 각각 다른 단계에서 시스템으로 캡처해 MATLAB 알고리즘을 이용해 비교 및 분석한다. 이 때 ▲높이/폭 ▲높이/주위 ▲둘레/지역 ▲폭/지역 ▲높이/지역 등 다섯 가지 특성으로 도식화된 각 식물의 이미지와 그 영향을 분석하게 된다.
꾸준히 프로그램을 개발하고 연구한 결과 분석 프로그램은 이미지 내에서 옥수수를 약 72%가량 분류할 수 있게 되었다.
또한 분석 프로그램의 정확도를 높이기 위해 이미지 가장자리에서 식별한 결과값은 제외하고 잡초의 최대 감지 크기를 300픽셀로 제한하였다. 그러자 시스템 정확도는 약 94%까지 증가하였다.
옥수수 비파괴 검사
옥수수는 국제적으로 식량 문제를 해결하기 위해 중요한 경작물이다. 옥수수로 많은 음식을 할 수 있어 식량난을 극복할 수단으로 떠오르고 있다. 하지만 옥수수 알맹이의 단단함이 중요하다. 옥수수 요리가 워낙 다양하다보니 알갱이가 단단해야 하는 음식과 그렇지 않은 음식으로 나뉘는 것. 예를 들어 콘플레이크나 식사 등에는 비교적 딱딱한 알맹이가 필요하다. 너무 부드러운 알맹이는 식품 산업에서 커다란 손실을 야기한다.
남아프리카공화국의 Stellenbosch대학 Marena Manley교수는 “NIR을 이용한 검사는 샘플당 낮은 비용과 빠른 분석 속도 그리고 생산라인이나 농장 등 어느 곳에서든 검사할 수 있다는 장점이 있다”고 설명했다.
기존에 옥수수 알맹이를 검사하는 방법은 옥수수 샘플을 파괴하여 경도를 확인하는 방법뿐이었다. 하지만 Manley교수와 공동 저자인 Cushila McGoverin의 보고서에 따르면 NIR Hyperspectral Imaging(NIR-HSI)이라는 이름의 측정기를 통해 적외선 분광법으로 옥수수 알맹이를 파괴하지 않고 경도를 측정할 수 있게 되었다.
NIR-HSI는 단지 몇 초 내에 샘플을 스캔하여 커널의 경도를 측정 할 수 있다. 이 기능은 옥수수 밀링 산업에 커다란 장점을 가져다 줄 전망이다. 이들의 논문은 JNIRS(Journal of Near Infrared Spectroscopy dedicated to NIR imaging)에 게재되어있다.
정리 | 윤진근 기자(pen@automotivemnt.com)
