비전 시스템은 관찰한 것으로 어떻게 의사 결정을 내리나요?
규칙 기반 머신 비전은 여전히 널리 사용되는 기술이지만, 다양한 유형의 AI 기반 머신 러닝은 많은 분야에서 사용할 수 있을 만큼 충분한 능력과 유연성을 갖추었습니다.
규칙 기반 머신 러닝과 AI 기반 머신 러닝의 조합이 가장 효율적인 솔루션을 제공할 수 있는 경우가 많습니다.
규칙 기반 시스템
기존의 규칙 기반 머신 비전은 특정한 “if-then” 규칙을 사용하여 이미지에 대한 결정을 내립니다. “병이 적어도 이 수준으로 채워지면 통과시킵니다.” 이 규칙들은 원하는 결과물을 얻기 위해 최상의 기술을 조합하는 것에 대한 심층적인 지식을 갖춘 비전 엔지니어에 의해 프로그래밍됩니다.
이 규칙들은 밝은 영역과 어두운 영역 사이의 가장자리를 감지하거나 두 지점 사이의 거리를 측정하는 등 특정 작업을 처리하는 프로그램을 만드는 데 사용됩니다.
그런 다음에는 이러한 규칙들을 “도구 연결”이라고 하는 것으로 이미지에서 차례로 사용하여 다양하고 정교한 작업을 수행할 수 있습니다. 또한, 예측 가능하고 일관성 있는 제품 또는 부품에 대한 고속, 고정밀 검사에 매우 효과적입니다.
딥러닝
딥러닝은 AI를 사용하여 스스로 구별할 수 있을 때까지 예제를 사용하여 레이블이 지정된 이미지로 소프트웨어를 훈련함으로써 머신 비전 시스템을 강화합니다.
이 훈련은 인간이 학습하는 방식을 모방하여 시스템이 관련성이 없는 변형으로 인해 버려지는 일 없이 정확한 결정을 내리는 방법을 학습하도록 돕습니다.
작업자는 제조된 부품의 다양한 결함 가능성 또는 분류가 필요한 여러 가지 다른 어셈블리와 같이 수백 개의 라벨이 지정된 이미지로 딥러닝 시스템을 훈련합니다.
규칙 기반 시스템에 비해 크게 향상된 한 가지 개선점은 딥러닝 시스템은 가능한 모든 결과(규칙 기반 프로그래밍을 사용하는 시간이 많이 걸리거나 심지어는 달성할 수 없는 무언가)를 보여주지 않고도 광범위한 실제 결함과 단순한 외관적 변형을 구별하는 방법을 학습한다는 것입니다.
딥러닝 시스템은 규칙 기반 시스템과는 달리 숙련된 머신 비전 프로그래머나 전문 지식을 준비하지 않아도 됩니다. 이 시스템은 결함이 있는 부품과 양호한 부품 모두에 대해 수백 개의 이미지를 제공할 수 있도록 검사 대상 제품에 대해 잘 알고 있는 사람이 필요합니다.
딥러닝은 예측할 수 없을 정도로 다양한 복잡한 부품의 어셈블리 검증, 결함 감지 및 분류에 탁월합니다. 또한, 부품이 반사되거나 이미지가 왜곡된 경우에도 정확한 결과를 훌륭하게 제공합니다.
Edge Learning
Edge Learning은 산업 자동화의 요구 사항을 충족하도록 최적화된 또 다른 유형의 AI입니다. 산업 자동화가 일반적으로 직면하는 문제 유형을 해결하도록 사전 훈련된 상태로 제공됩니다.
사전 훈련의 결과로, Edge Learning 시스템은 5개의 이미지만으로 특정 산업 검사 문제에 대해 훈련될 수 있으므로 딥러닝 시스템보다 훨씬 쉽고 빠르게 배포할 수 있습니다.
Edge Learning을 통해 라인 엔지니어는 전문 훈련을 받지 않아도 라인에서 최적화된 분류 또는 결함 감지 기능을 신속하게 구현할 수 있습니다. 정교한 프로세서가 필요하지 않기 때문에 필요한 곳에 신속하게 배포할 수 있습니다.
Edge Learning의 장점은 속도, 컴퓨팅 리소스에 대한 낮은 의존도, 유연성 그리고 사용자 편의성에 있습니다.