[인더스트리뉴스 조창현 기자] 최근 제조업계에서는 고도화된 품질검사를 위해 AI 기술을 활용한 ‘비전검사’가 활발하게 이뤄지고 있다. 제조업 중 디스플레이 분야는 고도화된 검사 시스템을 통해 ‘불량 원인’을 신속히 파악하고, 수율을 올리는 것을 ‘경쟁력’으로 여기고 있는 상황이다.
특히 디스플레이 구성품 중 ‘강화 글라스 기판 유리’에는 정밀한 결함 검사가 필수적인데, 강화글라스 기판 유리는 성형공정을 거쳐 완제품으로 탄생하는 과정에서 다양한 요인에 의해 스크래치나 크랙, 흑점 등 결함이 발생하게 된다. 결함이 생긴 기판은 디스플레이 전체 성능을 저하시키며, 불량품으로 처리해야 되는 경우도 있어 디스플레이 산업 분야는 기타 산업 대비 ‘까다로운 검사 과정’이 요구된다.
정밀한 검사에 대한 니즈가 있는 디스플레이 업계에서는 ‘딥러닝 기술’ 기반 비전검사에 주목하고 있는 것으로 알려졌으며, 딥러닝 비전검사는 복잡한 환경에서 비정형적인 결함 검출과 함께 복잡한 패턴을 정확하게 인식하는 영역에서 강점을 갖고 있다. 또, AI를 접목한 ‘AI 딥러닝 비전검사는’ 복잡한 규칙의 프로그래밍을 필요로 하는 룰베이스 알고리즘 기반 머신비전 검사나 시간과 비용이 많이 소모되는 육안 검사가 갖는 획기적인 대안으로 제시되고 있다.
디스플레이 제조사 ‘S기업’, AI 기반 솔루션 도입
디스플레이용 유리를 제조하는 ‘S업체’는 기존에 AOI 검사와 육안 검사를 순차 진행하고 있었으나, 해당 방식에 대한 한계를 느끼고 있었다. 특히 룰베이스 알고리즘을 탑재한 AOI 검사기는 작업환경이나 검사 기준 수치들이 바뀔 때마다 모든 장비를 새롭게 세팅해야 하는 번거로움이 존재했다. 또, 비정형 불량 혹은 정밀한 결함 검출에 있어 ‘검사 정확도’가 낮았다. 아울러 육안 검사는 작업자의 ‘컨디션’에 따라 결과가 달라지기에 일관된 검사를 진행할 수 없고, 검사를 오랜 기간 진행하면 작업자의 ‘집중력 저하’로 검사 정확도가 떨어지게 된다.
글로벌 초일류 기업을 주 고객으로 두고 있는 S업체는 미검과 과검이 잦아져 불량 검출 관련 신뢰성 및 생산성 확보에 어려움을 느껴 고도화된 비전검사 도입을 고려하게 됐다. 이에 S업체는 뉴로클이 제공하는 AI 기반 ‘딥러닝 비전 검사 솔루션’을 공정에 도입해 ‘FPD용 기판 유리 품질 검사’ 과정에서 생산 효율을 높였으며, 품질 검사 관련 안정성과 생산성을 모두 향상시킨 것으로 전해진다.
한편, S업체는 뉴로클의 솔루션을 도입한 이유에 대해 국내 대표 AI 전문기업으로 △SK △LG △현대자동차 등 유수 대기업으로부터 압도적인 검사 정확도를 인정받았을 뿐만 아니라, 원활하고 적극적인 기술지원으로 머신비전 업계 내에서 선호도가 높다는 점을 꼽았다.
오토 딥러닝 알고리즘 적용한 ‘뉴로티’ 사용
S업체가 진행하는 프로젝트는 기존 두 차례에 걸친 검사 프로세스를 한 가지로 ‘간소화’해 생산 효율성 및 제품 안정성을 극대화하는 것으로 뉴로클은 ‘오토 딥러닝 알고리즘(Auto Deep Learning Algorithm)’ 기반 솔루션을 제시했다.
오토 딥러닝 알고리즘은 ‘고성능 AI 모델 생성’을 위해 파라미터와 아키텍처를 ‘자동 최적화’하는 기술로 뉴로클에서 자체 개발한 독자적인 기술이며, 코딩이나 딥러닝 관련 지식이 없는 사용자도 ‘클릭 몇 번’만으로 손쉽게 AI 딥러닝 모델을 생성할 수 있도록 지원한다.
뉴로클은 S사와 상담을 통해 검출을 희망하는 다양한 종류의 결함을 정의 및 분류해 △스크래치 △얼룩 △찍힘 △이물질 △크랙 △흑점 등으로 구분했다. 이후 검사자는 결함 종류별 이미지를 딥러닝 모델 생성용 소프트웨어 ‘뉴로티(Neuro-T)’에 업로드해 각 이미지 내에 결함 부위를 표시했으며, 결함 종류에 대한 이름을 붙이는 ‘이미지 레이블링’ 과정을 거쳐 AI 딥러닝이 스스로 학습하도록 했다.
이미지 레이블링 과정은 딥러닝 프로젝트 전 과정 중 인력과 시간이 가장 많이 소요되는 영역인데, 뉴로클은 이미지 내에서 자동으로 추천 영역을 제공하는 ‘오토 레이블링(Auto-Labeling)’ 기능을 통해 사용자가 느끼는 리소스 부담을 줄여준다.
아울러 레이블링을 완료한 데이터를 바탕으로 ‘세그멘테이션(Segmentation)’ 모델을 생성해 결함을 자동으로 검출하는 ‘AI 딥러닝 모델 생성’ 단계를 거치게 된다. 세그멘테이션 모델은 AI 딥러닝으로 만들 수 있는 다양한 모델 타입 중 하나이며, 이미지에서 ‘픽셀단위’로 불량 영역을 검출해낸다.
뉴로티와 연계한 ‘뉴로알’ 활용으로 효율 극대화
딥러닝 모델 생성용 소프트웨어 ‘뉴로티(Neuro-T)’를 통한 결함 이미지 △취득 △업로드 △레이블링 △모델 생성 등을 끝마친 후에는 생성된 모델을 ‘고해상도 카메라’에 실시간으로 적용하는 작업을 진행하게 되는데, 작업자는 뉴로클에서 제공하는 실시간 이미지 판독용 소프트웨어 ‘뉴로알(Neuro-R)’을 활용해 디스플레이 표면에 발생하는 ‘비정형적인 결함’을 검출할 수 있다.
S사는 뉴로클이 제공하는 딥러닝 기술을 도입한 이후 기존 검사 인원을 ‘70% 이상’ 절감하면서도 검사 속도는 ‘300% 이상’ 상승시켰으며, 과검 및 미검율을 ‘3% 미만’을 달성하면서 생산 효율성과 제품 안정성을 극대화했다.
뉴로클 이홍석 대표는 “디스플레이용 글라스는 제조 기계 오작동 및 먼지나 분진에 의한 미세한 결점, 제조자 실수 같이 다양한 이유에 의해 결함이 생기는 경우가 잦다”며, “최근 기존 육안 검사 혹은 룰베이스 기반 검사 방식에 큰 한계를 느낀 제조사들의 문의가 빗발치고 있다”고 덧붙였다.
S업체에 AI 기반 솔루션을 공급한 뉴로클은 어떠한 인라인 공정에도 수준 높은 정확도를 보장하는 딥러닝 비전검사 솔루션을 통해 제조사들의 생산성 및 제품 안정성 향상에 지속적으로 기여하겠다고 전했다.
