딥러닝은 인간이 원래 지닌 능력인 '예시를 통해 학습하는 기능'을 로봇과 머신에게 학습시키는 방식이다. 스마트폰과 웨어러블 기기에 사용되는 음성, 텍스트, 안면인식 등에 필수 기술로 부상했다. 고차원 품질 검사와 최첨단 제조 공정으로 적용범위가 확장된다. 딥러닝은 제조 기술 분야에 적용돼 이미지를 인식하고 트렌드를 구별하며 지능적 예측과 결정을 내린다.
딥러닝 기반 이미지 분석은 육안 검사 정교함과 유연성에 컴퓨터 시스템 신뢰성, 일관성, 속도를 결합한다. 때문에 기존 머신의 접근방식으로는 거의 불가능한 과제도 해결한다.
허용 범위를 초과하는 실제 결함을 검출하는 동시에 변형이 많은 복잡한 패턴도 학습으로 찾아낼 수 있다. 코어 알고리즘을 다시 프로그래밍하지 않고도 새로운 예시에 맞게 조정한다.
뒤집혔거나 액체가 덧발라졌거나 반짝이는 부품 흠집과 같이 복잡한 표면이나 성형 결함을 처리하는데 탁월한 성능을 발휘한다. 문자가 미묘하게 다르거나 왜곡된 경우에도 마찬가지다. 특징점의 위치 파악, 판독, 검사, 분류 중 어떤 용도로 사용되든 딥러닝 기반 이미지 분석은 문자를 구분해 부품 외형을 개념화하고 일반화 할 수 있다는 점에서 기존 머신과 차별화된다.
딥러닝 기반 소프트웨어는 판단에 기반한 부품 위치 파악, 검사, 분류, 문자 인식 과제를 육안 검사나 기존 머신 비전 솔루션보다 더욱 효과적으로 수행한다. 주요 제조업체에서 매우 복잡한 자동화 과제 해결을 위해 딥러닝 기반 솔루션으로 전환하는 사례가 증가한다.
기존 머신 비전 시스템은 일관적이며 규칙적으로 제조된 부품에서는 안정적으로 작동한다. 하지만 예외가 늘어나고 결함 라이브러리 규모가 확장됨에 따라 알고리즘을 다루기 힘들어지고 결함을 구별하기 어려워졌다. 단점을 보완한 딥러닝 기반 머신 비전 시스템은 검사관 자가 학습 능력과 컴퓨터 시스템 속도 및 일관성을 결합해 기존 머신 비전 시스템이 갖고 있는 본질적 한계를 극복할 수 있게 한다.
딥러닝 기반 머신 비전 시스템은 규칙 기반 방식을 보완하며 비전 전문성이 요구됐던 검사를 비전 전문가 없이도 해결 가능하게 해준다. 딥러닝 기술은 머신 비전을 더 쉽게 사용할 수 있게 해주며 컴퓨터와 카메라로 정확히 검사할 수 있는 범위를 넓혀준다.
딥러닝 기반 머신 비전 시스템은 일반적 딥러닝 소프트웨어와 달리 소규모 트레이닝 이미지 세트를 활용한다. 컴퓨팅 성능이 낮은 경우에도 동작하며 머신에 1개 그래픽처리장치(GPU) 카드만 있으면 된다. 이런 특성 때문에 PC에 기반한 공정 과정을 가지고, 이미지 세트가 제한돼 있는 공장과 제조 환경에 적합하다. 현장에서 유지관리가 가능하며 머신 빌더나 시스템 통합 업체 관리 없이도 작업 현장에서 다시 트레이닝 할 수 있다는 것도 장점이다.
알고리즘으로 프로그래밍하기에 너무 복잡하거나 시간과 비용이 많이 소모되는 제조 검사의 해결방안으로 딥러닝 기술을 도입하는 기업이 늘어난다. 딥러닝 기술은 프로그래밍이 불가능했던 검사 자동화를 가능하게 한다. 검사 시간을 단축시켜준다. 제조업체는 기존 머신 비전 애플리케이션으로는 해결하기 어려웠던 문제를 더욱 강력하고 안정적 방식으로 해결할 수 있다.
글로벌 시장에서 경쟁력을 갖추기 위해 스마트 팩토리 필수요소가 된 딥러닝 기반 머신 비전 시스템의 적극적 도입과 활용이 필요하다.
조재휘 코그넥스코리아 지사장 jay.cho@cognex.com
