식품 산업을 위한 AI
인공지능이 포함된 IDS NXT는 유기물이고 변형이 많은 오브젝트의 감지를 포함하는 작업을 수행할 수 있습니다. 원예나 농업 분야를 예로 들자면, 카메라는 수확 로봇이나 장미 커터의 눈이 되어, 묘목을 관리하고 해충을 식별할 수 있습니다. 식품 산업에서, 그들은 품질 관리 및 완전성 검사를 엄청나게 촉진합니다. 식품 분야에서 AI를 사용한 이미지 처리의 다양한 응용 가능성을 FOOD-Lab의 상세한 인터뷰에서 읽을 수 있습니다.
인공 지능을 포함하는 산업용 카메라로, 고객은 사전 AI 지식 없이도 신경망을 개별적으로 훈련시킬 수 있습니다.
FOOD-Lab: Mr. Hartmann 씨, Mr. Schick 씨, 안녕하세요, 친절하게 환영해 주셔서 감사드립니다. 회사 설립자 Jürgen Hartmann의 아들 Mr. Hartmann은 3월에 관리팀으로 임명되었습니다. 회사일을 어떻게 시작하게 되었나요?
Hartmann: 아버지는 학업을 마치고, 미국 회사에서 경력을 쌓기 시작했습니다. 그곳에서 그는 회사가 해결할 수 없는 고객 문제에 직면했습니다. 그 후 1997년 파트너와 함께 IDS를 설립했으며, 처음에는 이미지 처리 부품(BV)의 딜러였습니다. 1997년에는, 아날로그 카메라 이미지를 디지털화하는 최초의 독점 제품이 시장에 출시되었습니다. 이 목적을 위하여, 플러그인 카드가 컴퓨터에 연결되어, 이미지를 디지털적으로 처리할 수 있었습니다. 2000년경에, 디지털 카메라가 시장에 출시되었으며, 산업용으로도 점점 더 많이 사용되었습니다. 우리 시장은 붕괴의 위협을 받았습니다. 그래서, 우리는 디지털 산업용 카메라를 개발하기 시작했습니다. 추가로, 우리는 USB 인터페이스를 제작한 최초의 카메라 제조업체였습니다. 초창기에 USB 인터페이스는 산업에 적합한 소비자 부문에만 알려졌습니다. 이 용기 있는 결정으로, 우리는 오늘날까지 이 부문에서 선도적인 제조업체들 중 하나가 되었습니다.
FOOD-Lab: 다양한 용도로, 특히 식품 산업에도, 카메라를 제공하나요?
Hartmann: 실질적으로는, 제한이 없습니다. 산업용 어플리케이션은 정말 매우 광범위합니다. 때때로 우리는 고객이 제안하는 어플리케이션 아이디어에 놀랍니다. 예를 들어, 기계 및 플랜트 엔지니어링, 생산 시설의 품질 관리는 물론 스포츠 부문의 모션 분석도 대표적입니다.
FOOD-Lab: 여러분의 고유한 강점들은 무엇인가요?
Hartmann: 품질 측면에서 우리의 장점은 우리가 독일에 위치하고 있다는 것입니다. 왜냐하면 우리는 여기서만 개발하고 제조하기 때문입니다. 모든 기계 부품들은 독일의 지역들로부터 제공됩니다. 전자 부품들은 아시아로부터만 입수할 수 있습니다; 우리는 시장의 리더인 Sony로부터 센서를 구입합니다. 중요한 것은 우리 스스로가 개발한 소프트웨어입니다. 하드웨어 개발보다 두 배나 많은 직원들이 소프트웨어 개발을 위하여 일합니다. 기능, 드라이버, 인터페이스 ...이 모든 것들이 우리가 현장에서 집중하는 부분입니다. 외국에서 유일한 개발 장소는 최근까지 세르비아였습니다. 거기에서, 전문가 팀이 AI 소프트웨어 개발 분야에서 우리를 지원합니다.
Schick: 최근에 b39 기술 센터에 의해 확장된 Obersulm의 회사 내에서는 개발 부서와 생산 간의 거리가 매우 가깝습니다. 이를 통해 고객의 요구에 매우 빠르게 대응하고, 고객의 요구에 따라 구현할 수 있습니다.
Hartmann: 경쟁사에 비해 또 다른 중요한 특징이 있습니다. 인공 지능을 포함하는 산업용 카메라로, 고객은 사전 AI 지식 없이도 신경망을 개별적으로 훈련시킬 수 있습니다.
FOOD-Lab: 카메라에서 인공 지능은 무엇을 의미하나요?
Hartmann: 처음에는 여전히 컴퓨팅 파워가 부족했기 때문에 이것은 비교적 최근에 떠오른 주제입니다. 지금까지, 우리는 문제 해결을 위한 구체적인 명령어들로서 개발된 알고리즘만 언급해 왔습니다. AI 덕분에, 우리 카메라는 이전에는 규칙 기반 이미지 처리 (IP)로 해결할 수 없었거나 매우 힘들게 해결하였던 작업을 이제는 어렵지 않게 대처할 수 있습니다. 인공 지능은 카메라 기술 및 이미지 처리에 대한 완전히 새로운 어플리케이션의 분야를 엽니다. 매우 다양한 오브젝트에 대한 이미지 처리가 가능합니다. 예를 들어, 서로 다른 유형들의 과일을 분류하거나 결함이 있는 부품을 식별하는 경우입니다. 고전적인 이미지 처리에서 발생하는 모든 편차들을 묘사하는 것은 시간과 비용이 많이 듭니다. 그러나, 그런 문제들을 인공지능으로 즉시 극복할 수 있습니다. 인공지능이 포함된 IDS NXT는 유기물이고 다양한 오브젝트들의 캡처를 포함하는 작업을 수행할 수 있습니다. 원예나 농업 분야를 예로 들자면, 카메라는 수확 로봇이나 장미 커터의 눈이 되어, 묘목을 관리하고 해충을 식별할 수 있습니다.
Hartmann: IDS NXT로, 우리는 산업용 어플리케이션을 위한 차세대 비전 시스템을 위한 플랫폼을 만들었습니다. 그 이면의 철학은, 패러다임의 변화를 의미한다: 우리의 목표는 더 이상 개별 컴포넌트들만을 개발하는 것이 아니라 사용하기 쉽고 유연한 완전한 시스템을 제공하는 것입니다. 이러한 시스템으로, 이미지 획득에서부터 이미지 분석 및 처리, 산업용 생산 기계의 제어에 이르기까지, 비전 솔루션의 모든 단계들을 구현할 수 있습니다.
Schick: IDS NXT 카메라 및 관련 클라우드 기반의 IDS lighthouse 훈련 소프트웨어를 사용하면, 어떠한 프로그래밍의 노력 없이도 작동합니다. 신경망을 생성하기 위해, 사용자는 이미지와 평가에 대한 지식만을 필요로 합니다. 예를 들어, 사과를 생각해보세요. 똑같은 두 개의 사과들은 없으며, 사과들은 모양과 색상이 다르고 썩은 반점을 가지고 있을 수 있습니다. 예를 들어, 모든 나사가 거의 동일한 금속 생산 분야와 달리, 이러한 편차는 선별 및 모니터링 시스템을 어렵게 만듭니다.
FOOD-Lab: 하지만, 그러면 모든 이미지 데이터가 먼저 기록되어야 하고, 시스템이 언제 편차가 발생하는지 인식할 수 있나요?
Hartmann: 우리는 단지 데이터를 가지고 있지 않기 때문에, 고객으로부터 이 작업을 완전히 덜어줄 수 없습니다. 그러나, 고객은 자신의 이미지 데이터를 소프트웨어로 전송할 수 있습니다; 소프트웨어는 신경망을 훈련시킵니다. 이러한 방식으로, 고객은 사전에 AI 전문가 지식을 습득할 필요 없이, 필요에 따라 네트워크를 직접 훈련시킵니다. 예를 들어, 사진을 개선할 필요가 있으면 우리가 지원합니다 AI는 카메라에 직접적으로 통합됩니다.
Schick: 우리는 고객들이 클래스 당 약 50개의 이미지들로 구성된 작은 데이터 세트들로 시작할 것을 권장합니다. 이를 통해, 작업이 AI로 해결할 수 있는지 여부를 빠르게 평가할 수 있습니다.
Hartmann: 우리의 영업 부서는, AI 접근법이든 고전적인 이미지 처리이든 간에, 고객이 솔루션을 찾을 수 있도록 지원합니다.
FOOD-Lab: IDS는 고객에게 새로운 기술의 잠재력을 설명하기 위해 무엇을 하고 있나요?
Hartmann: 우리 개발 부서는 항상 실용적인 데모 프로젝트를 진행하고 있습니다. 예를 들어, 우리는 foam kisses 초콜릿에 대한 품질 테스트를 시뮬레이션했습니다. 우리의 지능형 IDS NXT 카메라 시스템은 모든 균열, 함몰 및 기타 품질 결함을 빠르고 신뢰할 수 있게 감지합니다. 또 다른 가능한 예시는, 견과류 초콜릿에서 견과류를 감지하는 것입니다. 손상되지 않았는지, 시트 당 균일하게 분배되었는지를 확인합니다. 이러한 데모로, 영업 부서는 시스템의 장점과 기능을 보여줄 수 있습니다. 절감 가능성이 일반적으로 상당하며, 시스템 비용을 신속하게 상환합니다. 여러분들은 비교적 적은 노력으로 높은 성공률을 달성할 수 있습니다.
FOOD-Lab: 여러분은 무엇을 추정하나요: 견과류의 정확한 분배를 확인하려면 몇 장의 사진이 필요한가요?
Schick: 50개의 이미지들로 100% 인식률을 달성하지는 못하지만, 비교적 100% 인식률에 가까운 결과를 확실히 얻을 것입니다.
Hartmann: 지금까지의 식품 산업에서 높은 비용 부담과 매우 낮은 자동화 비율을 고려할 때, 초기에 부분적으로 자동화된 솔루션이 실제의 개선을 의미할 수 있습니다. 예: 품질 테스트 또는 제품 분류에서, 생산 비용과 시간을 직접적으로 절약할 수 있습니다.
FOOD-Lab: 식품 산업의 어플리케이션은 어디에서 볼 수 있나요?
Schick: 어류 가공에 대해 생각해보세요. 물고기를 더 가공할 수 있도록, 카메라는 물고기가 벨트에 어떻게 누워 있는지, 등, 꼬리 지느러미 등이 어디에 있는지를 로봇에게 알려줍니다. 과일과 야채 및 과자의 품질을 테스트할 때, 그런 질문 및 유사한 질문은 육류 산업에서도 발생합니다. 또 다른 어플리케이션은 베이커리, 즉 빵이 탄 것을 바깥으로부터 감지하는 것과 관련됩니다. 이는, 예를 들어 포장의 정확한 분배가 중요한, 박스에 토스트를 포장하는 것에도 관련됩니다.
Hartmann: 우리는 농업, 특히 정밀 농업에서도 카메라 시스템을 사용합니다. 제초제의 사용은 작물과 잡초의 구별을 통해 감소되어야 합니다. 또 다른 이슈는 제품의 성숙(maturation)입니다.
FOOD-Lab: 다음으로, 우리는 파르마 햄(Parma ham)이나 파르미자노 치즈(Parmigiano cheese)와 같은 고전적인 것들에도 사용합니다. 지금까지, 이것은 고전적인 음향 방법으로 확인하였습니다. 예를 들어, 햄을 두드려서, 허용할 수 없는 경우로 고기가 근육에서 분리되었는지를 결정했습니다.
Hartmann: 대응하는 파라미터들을 광학적으로 정의할 수 있으면, 그런 문제들은 지능형 카메라 시스템으로도 확실히 해결될 수 있습니다. 오늘날 우리가 상상조차 할 수 없는 수많은 어플리케이션들이 있습니다. 우리는 식품 산업에서 미래에 어떤 도전들을 마스터할 수 있을지 기대됩니다. "정말 쉽습니다"라는 모토에 따라, 이 분야에서도 간단한 솔루션을 제공하기를 희망합니다.
정말 감사합니다!