COGNEX(코그넥스) 딥러닝이 기존 머신 비전과 다른 점

내용

머신 비전 시스템은 기본적으로, 이미지 획득을 수행하는 특수 광학 장치가 적용되는 산업용 카메라

내부에 보호되는 디지털 센서에 의존합니다. 그 후에 해당 이미지들은 PC로 전송되어 특화된 소프트웨어가 의사 결정을 위해 다양한 특성을 처리, 분석, 측정할 수 있습니다. 딥러닝은 특정 공장 자동화에

난제 해결을 위해 규칙 기반 접근 장식 대신 사례 기반 접근 방식을 사용합니다. 딥러닝은 미리 분류한 예제 합에 기초해서 컴퓨터에게 어떤 것이 좋은 이미지인지 학습시키기 위해 인공신경망을 활용함으로써 결함 분석, 물체 검색 및 분류, 인쇄된 표식 판독 등과 같은 작업을 수행할 수 있습니다.

 

딥러닝은 최종 어셈블리 검사 등과 같이 일반적으로 검사를 수작업으로 수행하는 애플리케이션에서 이미 사용되고 있습니다. 한 때 이러한 작업은 자동화가 너무 힘든 분야로 인식되기도 했었습니다. 이제 이러한 작업들은 딥러닝 같은 툴을

이용해서 생산라인에서 바로 보다일관적이고 보다 신뢰성이 높으며 보다 빠르게 처리가 가능합니다. 인간은 서로 다르지만 비슷한 물체의 범주화 작업을 잘 수행합니다. 우리는 특정한 물체들 사이에서 서로 다른 부분을 몇 초 내에 이해할

수 있습니다. 이러한 측면에서 딥러닝 툴은 인간이 진화를 통해 발전시켜온 지능의 장점과 일관적이고 반복 가능하며

확장성이 뛰어난 기존의 규칙 기반 머신 비전의 장점을 결합합니다.

 

복잡한 표면 질감과 부품 외형의 변동으로 인해서 심각한 검사 난제가 초래됩니다. 규칙 기반 머신 비전 시스템은

시각적으로 유사한 부품들 사이의 가변성과 편차를 평가하기가 어렵습니다. 부품의 사용성에 영향을 주는 기능적인

결함은 거의 대부분 불합격으로 처리되지만 미관상의 결함은 생산업체의 필요와 선호도에 따라 불합격 처리되지 않을

수도 있습니다.

 

공장 자동화를 위한 여정을 시작한 모든 회사들은 이러한 차이점을 이해하는 것이 중요합니다. 공장 자동화

애플리케이션에 이러한 툴들 중 어느 하나를 활용하는 것이 좋을지 결정해야 할 때 이러한 차이점에 대한 이해가 필요할

것입니다.

 

규칙 기반 접근 방식에 따라서 머신 비전에 적합한 직업

- 유도 : 적절한 어셈블리 공정을 위해 부품의 위치와 방향을 찾고 지정된 허용 오차와 비교한 후 올바른 각도를

보장합니다. 부품에서 다른 머신 비전 툴에 적용할 핵심적인 특징을 찾기 위해 사용할 수 도 있습니다.

- 식별 : 바코드(1D), 데이터 매트릭스 코드(2D), 직접 부품 마크(DPM), 부품에 인쇄된 문자, 레이블, 패키지를 판독합니다

또한 색상, 형태, 크기에 따라 물체를 식별합니다.

- 측정 : 물체에서 두 개 이상으 점 또는 기하학적 위치 간의 거리를 계산하고 잉러한 측정이 사양을 충족하는지 여부를

결정합니다.

- 검사 : 레이블이 올바로 부착되었는지의 여부, 안전 밀봉, 뚜껑의 존재 유무 등과 같이 제품에서 결함이나 기타 불량을

찾습니다.

 

딥러닝으로 적합한 상황

- 룰 기반 알고리즘으로 프로그래밍하기에는 너무 어려운 시각적 애플리케이션 문제 해결

- 혼란을 초래하는 배경 및 형태가 가변적인 부품 처리

- 애플리케이션 유지관리 및 작업 현장에서 재학습

- 핵심 신경망에 대한 재프로그래밍 없이 새로운 사례에 적응

 

 

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