COGNEX(코그넥스) 신경망이 생산 검사를 지원하는 방법

인공 신경망이란 무엇일까요?

인공 신경망 내 각 프로그램은 기본적인 연산만 수행할 수 있습니다. 하지만 수많은 노드들을 서로 연결함으로써 전체적인 연산 능력은 각 부분들의 단순 합보다 더 증가합니다. 인공 신경망이 시스템 내 한 프로그램에서 다른 프로그램으로 입력 데이터를 전달할 때 인공 신경망은 스스로를 학습시키고 마치

인간이 정보를 학습하는 것처럼 해당 데이터를 이용해서 점점 더 똑똑 해집니다.

 

인공 신경망은 컴퓨터가 특정 작업, 예를 들면 다양한 사진 속에서 특정 얼굴을 인지하거나 참고 강아지 사진들을 통해

어떤 것이 강아지인지, 아닌지를 판단하는 작업을 수행하는 방법을 배우는 방법이 있습니다.

 

인공 신경망 내 각 프로그램은 뉴런이라고 부르며 이 뉴런들은 무작위 개수로 지정된 다른 뉴런들과 연결됩니다.

뉴런들 사이에서 보다 강력하고 보다 효율적인 연결이 형성될 수록 인공 신경망은 보다 잘 작동합니다. 인공 신경망

내에서 뉴런들 사이의 연결을 형성하는 과정은 학습이라고 합니다.

 

시스템의 3가지 방법

- 지도 학습 : 이 학습 전략은 컴퓨터가 학습할 레이블을 지정한 데이터 집합이 존재하며 알고리즘이 데이터 집합과

                 일치하는 결과를 얻을 때까지 수정되기 때문에 가장 간단합니다.

- 비지도 학습 : 이 전략은 학습할 레이블 적용 데이터가 존재하지 않는 경우 사용됩니다. 인공 신경망이 데이터 집합을

                    분석하면 비용 함수가 해당 인공 신경망이 목표에서 얼마나 멀리 떨어져있는지 알려줍니다. 그 후

                    인공 신경망은 알고리즘의 정확성을 개선하기 위해 조정을 수행합니다.

- 강화 학습 : 이 알고리즘에서 인공 신경망은 긍정적인 결과에 대해서는 강화되며 부정적인 결과에 대해서는 벌칙이

                 적용되어 시간의 경과에 따라 인공 신경망이 이에 따라 학습됩니다.

 

생산 검사에 대한 인공 신경망의 영향

자동차 부품 회사가 자사에서 생산하는 범퍼에서 긁힘을 확인하려고 한다고 가정해 보면, 긁힘을 찾아서 식별하는

작업은 긁힘이 깊을 수도 있고 얖을 수도 있고 길수도 짧을 수도 있으며 표면 위의 어느곳이라도 발생할 수 있기 때문에

머신비전 애플리케이션으로는 효울적으로 프로그래밍 할 수 없습니다.

 

다만 인공 신경망의 유용성은 강력한 패턴 인식에 능력에 기인하고, 모델을 성공적으로 학습시키기 위해서는 고품질의

레이블 적용 학습 데이터가 필요합니다. 그리고 이 기술이 아주 많은 레퍼런스 이미지 데이터를 필요로 한다는 사실입니다.

 

출처 : 코그넥스

COGNEX 제품 적용 솔루션 참조 : www.xvision.co.kr
머신비전 관련 문의처 ☞ (주)아이디맥스 02-838-1170

공장 자동화를 위한 인공지능 딥러닝 : www.newbrain.co.kr 기술영업문의 : sales@idmax.co.kr

자동인식전문기업 IDMAX : www.idmax.co.kr 기술영업문의 : sales@idmax.co.kr