딥러닝 공장 자동화 검사를 위한 4가지 툴

자동차 제조에서 일관된 품질을 유지하는 것은 특히 예측할 수 없는 결함으로 인해 어려울 수 있습니다. 딥러닝 검사시스템은 디지털 카메라와 이미지 인식 알고리즘을 사용해 녹, 변색, 손상과 같은 방대한 문제를 식별합니다. 제대로 개발된 경우, 딥러닝 애플리케이션은 오류를 줄이고 제품 품질을 개선하도록 도울 수 있습니다.

검사 분야에서 머신 비전과 딥러닝을 결합하면 다음과 같은 효과를 거둘 수 있습니다.

• 개발자들은 "올바른" 제품 외관을 확립하기 위해 정상 제품 이미지로 구성된 훈련 데이터 세트를 구축합니다.
• 또한, 가장 흔한 이상 현상과 결함을 찾아내기 위해 결함 이미지도 추가합니다.
• 머신 비전 카메라가 생산 라인에서 품목의 사진을 촬영합니다. 머신 러닝 애플리케이션이 새로운 이미지를 트레이닝 이미지와 비교해 결함을 포착합니다.
• 이 애플리케이션은 합격한 품목을 찾고 실패한 품목을 피하도록 최적화되므로 시간에 따라 스스로 훈련하여 더 정확한 결과를 제공합니다.

딥러닝 애플리케이션 구축용 소프트웨어는 다음 4가지 핵심 기능을 갖추어야 합니다.
 

1. 특징 위치 파악 및 어셈블리 검증

결함 찾기만이 머신 비전과 딥러닝 소프트웨어의 유일한 역할이 아닙니다. 훈련 이미지와 학습 알고리즘을 이용해 특정 구성 부품을 찾아, 로봇 암이 구성 부품을 정렬하도록 지시하는 등의 작업을 도울 수 있습니다. 이는 반도체, 스마트폰, 제약과 같은 고정밀 제품에서 필수적입니다.

이러한 애플리케이션은 특정 위치에 있는 제품의 수량을 스캔할 수도 있습니다. 그런 다음 로봇에게 선반이나 상자가 가득 찰 때까지 동일한 제품을 계속 추가하도록 지시할 수 있습니다. 또한 패키지에 포함된 모든 구성품의 수를 세어 누락된 것이 없는지 확인할 수 있습니다.

최상의 위치 및 검증 툴은 규칙 기반 비전 시스템 및 품질 관리 담당자에게는 문제가 되는 광범위한 조명 및 표면에서 효과적으로 작동합니다.

더 읽어보기: 딥러닝 어셈블리 검증 툴로 다양한 구성품 또는 부품 구성을 확인
 

2. 결함 감지 및 분할

결함 식별은 생산 환경에서 딥러닝 소프트웨어에 대해 가장 수요가 높은 기능일 것입니다. 머신 비전 시스템은 한 종류의 결함을 포착하도록 프로그래밍될 수 있지만, 여러 결함을 식별하는 일에는 많은 시간이 소요됩니다.

결함 감지 툴은 양호한 이미지를 시작해서 녹, 흠집, 긁힘, 오정렬과 같은 일반적인 결함이 포함된 "양호한" 이미지 세트로 시작합니다. 최고 품질의 결함 감지 툴은 ‘정상’ 이미지에서 벗어난 모든 결점을 식별하는 옵션도 제공합니다. 이처럼 드물지만 생산 과정에서 나타나는 이미지는 툴이 자체적인 훈련으로 정확성을 개선하는 데 도움을 줄 수 있습니다.

세분화는 한 이미지 내에서 하나의 섹션을 식별하여 소프트웨어에 해당 영역에 결점이 있는지 스캔하도록 지시합니다. 이는 세그먼트 스캔과 관련이 없는 영역을 필터링하여 딥러닝 애플리케이션을 간소화하는 데 도움이 됩니다.

더 알아보기:딥러닝 결함 감지를 통해 자동차 및 기타 산업의 검사를 자동화하는 방법

3. 물체 및 장면 분류

물체와 장면을 분류하면 딥러닝 애플리케이션이 결함을 여러 등급으로 나눠 사람의 중재 없이 자체 개선을 위한 애플리케이션의 기능을 최적화하는 데 도움이 됩니다. 일반적으로 이미지는 특정 특성에 따라 라벨이 지정되며, 매개변수에 따라 분류됩니다. 이런 식으로, 예를 들어 긁힘이 발생한 제품은 자동으로 페인트 라인으로 다시 이동되고, 흠집이 생긴 부품은 금속 가공 라인으로 보내질 수 있습니다.

또한 분류는 제품과 구성품을 색상, 텍스처, 재질, 포장, 결함 유형과 같은 일반적인 특성에 따라 나눕니다. 최상의 분류 툴은 음영, 형태 또는 치수에서 자연 발생적인 변화에 대한 허용 오차를 정립하고, 각 등급의 필요에 따라 서로 다른 허용 오차가 나타납니다.

더 읽어보기: 딥러닝 분류 툴의 작동 방식
 

4. 텍스트 및 문자 판독

엔진 블록, 구리 튜브와 같은 표면에 있는 단어, 숫자, 텍스트를 일관되게 판독하는 것은 사람이나 일반적인 머신 비전 알고리즘으로는 거의 불가능할 수 있습니다. 생산 라인에 따라 조명이 달라질 수 있어 일부 장소에는 그림자가 생기고 다른 곳에서는 글레어가 발생해 공장 내의 실내 조명이 변화함에 따라 일일 처리량이 달라지게 됩니다.

딥러닝 애플리케이션은 글꼴과 서체를 생산 중인 부품에 표기된 글자와 연결시킵니다. 이로써 플라스틱 커버와 의류 또는 정원 관리 툴과 같이 고르지 않은 표면에 있는 텍스트를 훨씬 쉽게 판독할 수 있습니다. 첨단 문자 판독 툴은 공장 현장을 넘어 유통, 물류 및 상거래 시스템에서도 중요한 역할을 합니다.

더 알아보세요: 딥러닝 기반 OCR을 사용하여 어떤 조건에서든 복잡하고 까다로운 코드를 판독
 

딥러닝 소프트웨어에서 살펴볼 또 다른 기능

위에서 설명한 4가지 기능 외에, 강력한 딥러닝 소프트웨어 패키지는 다음의 기능을 갖추어야 합니다.

• 고급 기술적 지식이 필요하지 않은 직관적인 GUI를 사용해 쉽게 익힐 수 있어야 합니다.
• 훈련이 더 적게 필요한 소량의 이미지 세트로 시각 검사 생산 환경에 맞게 최적화합니다.
• GPU(그래픽 처리 장치)를 갖춘 Windows PC용으로 설계.

Cognex 딥러닝은 다른 오픈 소스 딥러닝 프레임워크와 달리 공장과 생산 환경에 최적화된 강력한 기능들을 다수 갖추고 있습니다. 또한 머신 비전 툴 라이브러리와 첨단 딥러닝 툴을 공통적인 개발 및 배포 프레임워크 내에서 결합합니다.