인공 지능으로 자동화 이미지 기반 검사

인공 지능으로 자동화 이미지 기반 검사

제품에 대한 높은 수요와 시간 및 비용에 대한 높은 압력은 모든 산업 및 섹터에서 매우 중요한 경쟁 요소들입니다. 식품 산업이거나 자동차 산업이거나, 품질, 안전 및 속도는, 그 어느 때보다 오늘날 회사의 성공을 결정하는 중요한 요소들입니다. 목표는 무결점 생산입니다. 그러나, 생산 라인에서 결함이 없는 제품들만 생산된다는 것을 어떻게 보장할 수 있을까요? 높은 비용으로 이어지는 품질에 대한 잘못된 결정을 어떻게 피할 수 있을까요? 이를 믿음직하게 테스트하기 위하여, 다양한 방법들이 품질 보증에 사용됩니다.

육안으로 시각적인 검사(visual inspection)가 가능하지만, 오류가 발생하기 쉽고 비용이 많이 듭니다: 눈은 피로하고, 작업 시간은 낭비입니다. 반면에 기계적인 테스트에는 일반적으로 복잡한 보정이 수반됩니다. 즉, 모든 오류를 감지하기 위해 소프트웨어와 하드웨어 모두의 모든 파라미터들을 설정하고 조정합니다. 게다가, 제품이나 재료의 변경은 재보정을 필요로 합니다. 더욱이, 고전적인 규칙 기반 접근법에서, 프로그래머 또는 이미지 프로세서는, 시스템에게 어떻게 오류를 감지하는 지를 설명하기 위하여 시스템에 대하여 특별히 규칙을 프로그래밍해야 합니다. 이것은 복잡하고 오류의 매우 큰 분산으로 해결이 매우 어려운 작업입니다. 이 모든 작업들이 지나치게 많은 시간과 비용을 소모할 수 있습니다. 품질 검사를 가능한 한 효율적이고 간단하며 신뢰할 수 있고 비용 효율적으로 만들기 위하여, 독일 회사 sentin GmbH는 IDS 산업용 카메라와 딥 러닝을 사용하여 빠르고 강력한 오류 감지를 가능하게 하는 솔루션을 개발합니다. 이는 종래 이미지 처리와 달리, 신경망이 이미지 자체의 기반에서 특징을 인식하도록 학습하기 때문입니다. 이것이 바로 지능형 sentin VISION 시스템의 접근 방식입니다.   AI 기반 인식 소프트웨어를 사용하며 몇 가지 샘플 이미지들을 기반으로 훈련될 수 있습니다. IDS의 GigE Vision CMOS 산업용 카메라 및 평가 유닛과 함께, 기존 프로세스들에 쉽게 임베디드 될 수 있습니다.

어플리케이션

이 시스템은, 오브젝트, 패턴 및 결함으로도 나눌 수 있습니다. 감지하기 어려운 표면조차도 시스템을 멈출 수 없습니다. 예를 들어, 자동차 산업 (금속 표면들의 결함 감지) 또는 세라믹 산업 (반사적인 거울 표면에 찌그러짐을 표시하여 결함 감지)에서 고전적인 어플리케이션을 찾을 수 있지만, 식품 산업 (오브젝트 및 패턴 인식)에서도 찾을 수 있습니다.

어플리케이션에 따라, AI는 오류 또는 변이(anomalies)를 감지하도록 훈련됩니다. 오류를 감지하는 훈련으로, 시스템은 양호한 부품과 불량한 부품을 구별하도록 학습합니다. 예를 들어, 표면 구조가 검사되고, 자동차 산업의 금속 부품이나 세라믹 부품을 보면, 인공 지능이 기준 이미지(reference image)와의 비교하여 벗어난 정도에 따라 오류를 감지합니다. 오류 감지 및 사전 학습된 모델을 사용하여, 시스템은 양호한 부품의 몇 가지 샘플 이미지들에 기반하여 결함을 감지할 수 있습니다.

훈련 및 평가를 위하여 요구되는 하드웨어 설정은, IDS 산업용 카메라와 적절한 조명으로 구성됩니다. 사용된 인식 모델은 기준 이미지를 사용하여 훈련됩니다. 예를 들어 섬유 산업에서, 시스템과 AI 모델은 직물 웹(web)의 오류가 발생하기 쉬운 검사를 위해 설정되었습니다. 실수는 매우 주관적이고 매우 작기 때문에, 어려운 작업입니다. 섬유 및 웹 재료의 최적 이미지 재료를 위한 시스템 카메라는, 구체적인 고객 요구 사항의 기반하여 IDS와 함께 선택되었습니다. GigE Vision CMOS 카메라 (GV-5880CP)가 선택되었고, 이는 정확한 이미지 평가를 위해 정확한 타이밍으로 트리거되는 고해상도 데이터를 제공합니다.

이 시스템은, 무엇이 "양호한" 섬유 구조를 구성하는 지를 학습하고, 몇 번의 섬유 샷을 통해 무엇이 깨끗하고 흠이 없는 제품의 모양인지를 이미 알고 있습니다. 품질 검사의 경우, IDS Vision CP 카메라로 캡처된 이미지는 GigE 인터페이스를 통해 평가 컴퓨터로 전달되고 인식 모델로 처리됩니다. 그러면 이 컴퓨터는 양호/불량 부품을 믿음직하게 구분하고 편차를 강조 표시할 수 있습니다. 오류가 발견될 때 출력 신호를 제공합니다. 이 방식으로, 슬리피지(slippage) 및 슈도 리젝(pseudo rejects)를 빠르고 쉽게 줄일 수 있습니다. 슬리피지는 표준을 충족하지 못하지만 간과되어 골라내지 못한 제품의 비율로, 종종 고객 불만으로 이어집니다. 반면에 슈도 리젝은 품질 표준을 충족하는 제품을 충족하지 못하는 것으로 잘못 골라낸 제품입니다.

시스템의 하드웨어와 소프트웨어는 모두 유연합니다: 다수의 또는 더 넓은 웹들의 경우, 추가 카메라가 설정에 쉽게 통합될 수 있습니다. 필요하면, 소프트웨어는 AI 모델의 사후 훈련도 허용합니다. "경험적으로, 작은 개별적인 상황 때문에 일정량의 야간 훈련이 항상 필요하다는 것을 쉽게 확인할 수 있습니다. 포트폴리오의 사전 훈련된 모델을 사용하면, 개별화 및 사후 훈련을 위한 기준 이미지가 더 적게 필요합니다,"라고 sentin의 CEO이자 공동 창립자인 Christian Els는 설명합니다. 이 경우에, 이미지는 섬유의 구조화된 표면과 그 위에 작은 오류를 나타내며, 이는 오른쪽 이미지에서 필터링되었습니다:

카메라

매우 정확한 이미지 획득 및 정밀한 이미지 평가는 사용되는 카메라에 대한 가장 중요한 요구 사항들 중 하나입니다. 완벽하게 적합: GigE Vision CMOS 카메라 GV-5880CP. 이 모델에는 1/1.8" 롤링 셔터 CMOS 센서 Sony IMX178를 갖고, IMX178은 6.4 MP (3088x2076 px, 종횡비 3:2)의 매우 높은 해상도를 가능하게 합니다. 전해상도에서 최대 18fps의 프레임 레이트를 제공하므로, 품질 관리에서 시각화 작업에 대하여 이상적입니다. Sony STARVIS 시리즈의 센서는 BSI 기술 ("후면 조명")을 특징으로 하고, SCMOS 범위 (Scientific CMOS)에 가까운 낮은 암전류를 갖는 가장 빛에 민감한 센서들 중 하나입니다. 매우 저조도 조건에서도 인상적인 결과를 보장합니다. 1/1.8"의 센서 크기 덕분에, GigE Vision 카메라 모델 GV-5880CP에 광범위한 C-Mount 렌즈들을 사용할 수 있습니다. sentin의 테크니컬 매니저 Arkadius Gombos는 "해상도 및 프레임 레이트에 추가적으로, 인터페이스 및 가격이 카메라 결정에 결정적인 요인이었습니다. sentin VISION 시스템으로의 통합은 GenTL 및 Python 인터페이스를 통해 이루어집니다.

IDS의 GigE Vision 카메라 GV-5880CP는, 섬유 웹을 검사할 때 정밀한 이미지 획득과 정확한 이미지 평가를 보장합니다 - sentin GmbH
IDS의 GigE Vision 카메라 GV-5880CP는, 섬유 웹을 검사할 때 정밀한 이미지 획득과 정확한 이미지 평가를 보장합니다 - sentin GmbH

IDS 개발 부서와 직접적인 교류는, 카메라 통합에 필요한 시간을 줄이는 데 도움이 되었습니다.

— Arkadius Gombos, sentin의 기술 매니저 —

결론

인공 지능을 포함하는 자동화된 이미지 기반의 품질 관리는, 육안 검사 또는 기존 머신 비전 어플리케이션보다 많은 이점들을 제공합니다. "AI 기반의 이미지 해석에서, 목표는 인간이 오류를 볼 수 있는 이미지를 생성하는 것입니다. 인간이 오류를 볼 수 있으면, AI 모델도 오류를 볼 수 있기 때문입니다."라고 Christian Els는 결론을 내립니다. 시스템은 인간과 유사한 제품의 요구 사항들을 인식하도록 학습합니다. 그러나 인공지능은 일관성과 신뢰성의 측면에서 언제나 인간의 두뇌를 이깁니다. 뇌가 놀라운 최고 성능을 발휘할 수 있을지라도, AI는 훨씬 더 복잡한 오류 패턴을 인식할 수 있습니다. 반면 인간의 눈은, 피로와 시력의 측면에서 어떤 카메라에도 대항할 수 없습니다. 따라서, 딥 러닝 인식 소프트웨어와 결합하여 이미지 처리 시스템을 사용하면 특히 빠르고 정확한 검사가 가능합니다. 어플리케이션에 따라, 이미지 획득 및 평가가 몇 밀리초만에 수행될 수 있습니다.

이 시스템은 표면 테스트와 같은 다른 영역에도 적용될 수 있습니다. 예를 들어, 무광택 금속/코팅 표면 (자동차 인테리어), 천연 재료 (석재, 목재) 또는 가죽과 같은 산업용 직물(technical textiles)의 테스트는, 비슷한 어플리케이션입니다. 따라서 소비재의 긁힘, 균열 및 기타 결함이 감지하므로, 제품들마다 골라낼 수 있습니다.

품질 결함품을 배제하고 "양품"만을 생산하기 - 품질 보증의 프레임워크 내에서 없어서는 안 될 프로세스입니다. sentin GmbH의 딥 러닝 지원 소프트웨어와 결합된 IDS 카메라는 품질 관리에서 결함 및 오브젝트 감지를 상당히 최적화합니다. 이를 통해, 광범위한 산업 및 영역에서 불만 및 재작업, 슈도 리젝에 대한 인력 및 시간 낭비를 크게 줄일 수 있습니다.

USB 3 uEye CP - 놀랍게 빠르고, 믿음이 가는 센서

sentin