[인더스트리뉴스 조창현 기자] 제조업에서는 사용자마다 갖고 있는 검사 니즈와 환경에 차이가 있다. 또 요구되는 검사 속도나 검사 대상 물품도 모두 다른 상황이다. 이에 일관되면서도 높은 정확도를 갖춘 검사 성능을 달성하기는 까다롭다고 할 수 있다.
관련 문제 해결을 위해 딥러닝 비전 검사 전문 기업 뉴로클은 ‘뉴로티(Neuro-T)’, ‘뉴로알(Neuro-R)’ 4.1 버전을 출시했다. 뉴로클은 새롭게 선보이는 버전과 관련해 제조 공정에서 직면하는 문제와 어려움을 해결하는 데 중점을 뒀으며, 모든 사용자 환경에 최적화된 모델을 생성할 수 있는 다양한 기능을 탑재했다고 밝혔다.
현재 뉴로클은 독자 기술인 오토딥러닝알고리즘(Auto Deep Learning Algorithm)을 바탕으로 최적화된 딥러닝 모델 구조와 학습 파라미터를 자동으로 찾아내 클릭 한 번으로 고성능 비전 검사 모델을 생성할 수 있는 소프트웨어를 제공하고 있다.
그중 뉴로티는 AI 딥러닝 비전 트레이너다. 비전 검사를 위한 소프트웨어로 AI 모델을 생성한다. 또 뉴로알은 뉴로티에서 생성한 검사 모델을 실시간으로 제조 공정 설비에 적하는 런타임 API다.
뉴로클 관계자는 “4.1 버전에 새롭게 추가된 기능들은 사용자들이 각자 환경에 맞는 맞춤형 솔루션을 제공받는 느낌을 줄 뿐 아니라, 현장에서 직면한 비전 검사 문제를 해결한다”며, “다양한 비전 검사 환경에 최적화된 뉴로티·뉴로알 4.1 버전은 제조 공정에서 보다 효율적이고 정확한 품질 관리를 실현하는 데 기여할 것”이라고 말했다.
고해상도 이미지 검출 정확도 향상
뉴로클에 따르면 고해상도 이미지 데이터에서 미세한 결함을 검출하는 딥러닝 모델을 만들기 위해서는 기존 이미지 데이터에 대한 크기를 조정해야 한다. 관련된 과정에서는 크기가 줄어든 미세 결함이 제대로 학습되지 않아 검출 정확도가 떨어지는 문제가 발생하기도 한다.
이에 뉴로클은 고해상도 이미지를 수장의 패치로 분할해 학습하는 ‘Patch Classification 모델’을 도입했다. 사용자가 새로운 모델을 사용하면 고해상도 이미지에 대한 왜곡 없이 정상, 불량을 판단해 미세한 결함도 정확하게 검출할 수 있다.
가상 결함 생성해 데이터 부족 문제 해결
새로운 솔루션에는 데이터가 부족한 상황에서 사용할 수 있는 가상 결함 생성 모델 ‘GAN’ 관련 기능도 강화됐다. 솔루션은 결함 학습시 데이터를 패치로 나눠 학습한다. 이에 솔루션은 보다 정확한 가상 결함 이미지를 생성할 수 있다.
뉴로클은 관련 기능을 통해 결함 데이터가 부족한 공정에서도 딥러닝 검사 도입이 가능해으며, 제조 공정에서 초기 데이터 수집 부담은 줄이면서도 딥러닝 기반 검사에 대한 빠른 도입에 큰 도움을 줄 것이라고 강조했다.
정교한 폴리곤 형태로 레이블링
한편 새롭게 업그레이드된 솔루션에는 정교한 레이블링 작업을 빠르게 처리해야 하는 상황에서 활용 가능한 ‘Shape Converter’ 기능도 탑재됐다. 사용자는 Shape Converter를 통해 박스 형태를 가진 레이블링을 클릭으로 한 번만으로 정교한 폴리곤 형태로 변환할 수 있다.
특히 Auto Labeling 기능을 사용하면 적은 이미지에만 레이블링한 이후 모든 이미지에 동일한 기준을 일괄 적용할 수 있다. 뉴로클은 뉴로티가 제공하는 레이블링 기능들은 작업에 필요한 리소스를 최소화하면서도 효율성은 극대화할 수 있을 것이라고 전했다.
