COGNEX( 코그넥스) 딥러닝 결함 감지 툴의 작동 방식

1. 자동차 산업을 위한 결함 감지

자동차 부품은 처리하기 힘든 표면으로 되어 있는 경우가 많다. 자동화 감지 시스템에 있어 가장

까다로운 요소는 짜임이 조밀하고, 거칠고, 다공성을 가진 금속 표면과 차실내 좌석과 에어백에

사용되는 직물이 해당됩니다. 에어백 검사에서는 바느질과 솔기에 존재하는 모든결함을 포착하는

것이 필수적이며, 그렇지 못할 경우 엄청난 영향을 미칠 수 있습니다. 각각을 분명하게 조사하는

일은 고된 작업이고 규칙 기반 알고리즘에서 포착하기란 거의 불가능합니다. 따라서 비지도 학습 모드에서 에어백

직물의 정상적인 모양을 트레이닝하여 검사 시스템이 잠재적인 결함을 식별하는 것이 바람직합니다.

 

딥러닝 기반 툴은 신경망을 활용해 변화할 수 있는 직물의 특성을 개념화하고 일반화하여 모든 변칙을 식별하는 한편,

직조 패턴, 방적사 특성, 컬러에서 자연 발생적인 변화와 그 밖에 허용 가능한 결점은 걸러낼 수 있습니다. 이러한

방식으로 사전 정의된 결함 라이브러리 없이 직물을 검사할 수 있습니다. 이 처획기적인 딥러닝 기반 접근 방식은

자동차 직물의 자동차 품질 관리에 인간 검사자와 동등한 시각적 검사 성능을 가져다 줍니다.

 

2. 전자 부품 산업을 위한 결함 감지

OLED 디스플레이 제조뿐 아니라, 전자 부품 산업의 모든 부분은 반도체처럼 엄격한 품질 관리와 결함 감지가

필수적입니다. 긁히고, 비틀리고, 휘거나 누락된 핀은 자동적으로 거부의 사유가 되며, 지극히 사소한 결점조차도 칩의

매우 좁은 허용 오차에 걸리게 됩니다.

 

본질적으로 모든 결저을 기능적 이상으로 산정할 때, 정상과 다른 모든 칩 또는 리드를 결함으로 플래그를 지정하는

것보다는 완벽한 반도체 칩 또는 집적회로(IC) 리드의 모양이 어떠한지를 검사 시스템에 트레이닝하는 것이 보다 수월할 수 있습니다. 이는 비지도 학습 모드에서 작동하는 딥러닝 기반 검사 툴에 있어 완벽한 작업입니다. 이 모드에서

소프트웨어의 신경망이 반사되는 금속 배경으로 인해 인지도 변화를 포함하여 칩의 정상적인 모양을 개념화하고

일반화하여 누락되고, 파손되거나, 연마된 구성품이 있는 칩을 결함으로 플래그를 지정합니다.

 

3. 포장 산업을 위한 결함 감지

식음료 및 소비재에서 포장재는 금속 판재처럼 빛나는 플라스틱이나 광택 있는 세라믹 재질로 만들어지는 경우가

많습니다. 하지만 이들 표면은 똑같은 굴절 및 반사성 글레어 문제가 존재합니다. 이러한 조건에서는 기존의 머신비전

시스템이 이미지 사이에서 약간의 차이를 인지하기 어려울 수 있습니다.

 

코그넥스 딥러닝은 비용 효율적이고 배포하기 쉬운 방식으로 머신비전검사와 인간 검사자 능력의 장점을 모두

결합하였습니다. 이를 위해 애플리케이션 또는 품질 엔지니어가 양호 및 블량 한 세라믹 용기 이미지의 대표 세트를

기준으로 딥러닝 기반 소프트웨어를 트레이닝합니다. 불량 한 용기는 예를 들어 홈이 깊이 패이거나 길게 긁힘이 있는

용기가 될 수 있습니다. 이러한 이미지를 토대로 소프트웨어가 세라믹 캐스트 표면의 자연스러운 형태와 표면 질감을

학습하고, 조명으로 인해 발생할 수 있는 자연 발생적인 변화는 용인하면서 허용 범위를 벗어나는 이미지에 플래그를

지정합니다.

 

4. 생명 과학 산업을 위한 결함 감지

인간은 X-선 또는 MRI 결과를 리뷰하고 이러한 시나리오를 포착하는 데 최적화된 개체입니다. 그 이유는 본질적으로

서로 다른 표현이 존재할 수 있고 정상 또는 비정상 간의 차이를 구분할 수 있는 모델이 되기 때문입니다. 하지만 방사선

전문의는 생산성 면에서 상한이 정해져 있습니다. 또한 뛰어난 방사선 전문의라고 하더라도 익숙하지 않고 경험하지

못한 특성을 포함한 이미지를 마주할 수 있습니다.

 

이 경우, 빅데이터에 힘을 기울일 수 있습니다. 딥러닝 기반 소프트웨어 툴은 배경이 혼란스럽거나 대비가 낮은경우라도

특정 기관 또는 특정 척추골과 같이 관심 영역의 위치를 식별할 수 있습니다. 라벨링된 트레이닝 이미지 센트를 이용해 AI 알고리즘이 변형 수를 포함해 기관의 정상적인 모양에 대한 참조 모델을 개발할 수 있습니다. 이러한 식으로 참조

모델이 건강한 정상 생리와 차이가 나는 생물학적 이상이 있는 영역에 플래그를 지정해 향후 필요할 때 방사선 전문의가

이를 고려할 수 있습니다.

 

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