제조업은 매우 다양한 검사 니즈와 사용자 환경을 가지고 있다. 업계 현장에서는 미세한 불량을 빠짐없이 검출하기 위해 고해상도의 이미지 데이터를 사용하거나, 인라인에서 빠른 속도로 실시간 검사를 진행하기도 한다. 그러나 각 제조업 현장의 환경, 요구되는 검사 속도, 검사 대상 물품이 모두 다르기 때문에 일관되게 높은 정확도의 검사 성능을 달성하기는 어려운 실정이다.

이러한 문제를 해결하고자 딥러닝 비전 검사 전문 기업 뉴로클은 ‘뉴로티(Neuro-T)·뉴로알(Neuro-R)’ 4.1 버전을 출시했다. 뉴로티는 AI 딥러닝 비전 트레이너로, 비전 검사를 위한 AI 모델을 생성하는 소프트웨어이다. 뉴로알은 뉴로티에서 생성한 검사 모델을 실시간으로 제조 공정 설비에 적하는 런타임 API이다. 이번 4.1버전은 제조 공정에서 직면하는 다양한 문제점과 어려움을 해결하는 데 중점을 두어 모든 사용자 환경에 최적화된 모델을 생성할 수 있는 여러 기능이 탑재되었다. 새롭게 추가된 모델 및 기능은 아래와 같다.

패치 분할 모델로 고해상도 이미지의 검출 정확도 향상 (Patch Classification 모델)

고해상도 이미지 데이터에서 미세한 결함을 검출하는 딥러닝 모델을 만들기 위해서는 기존 이미지 데이터의 크기를 조정해야 한다. 하지만 이러한 과정에서 크기가 줄어든 미세 결함이 제대로 학습되지 않아 검출 정확도가 떨어지는 문제가 발생한다. 이러한 문제를 해결하기 위해 뉴로클은 고해상도 이미지를 여러 장의 패치로 분할하여 학습하는 Patch Classification 모델을 도입하였다. 해당 모델을 사용하면 고해상도 이미지 왜곡 없이 정상, 불량을 판단하여 미세한 결함도 정확하게 검출할 수 있다.

▲ Patch Classification 이미지

이미지 축소 없는 가상 결함 생성으로 데이터 부족 문제 해결 (GAN 모델 Patch 모드)

데이터가 부족한 상황에서 사용할 수 있는 가상 결함 생성 모델 GAN의 기능도 강화하였다. 결함 학습 시, 데이터를 패치로 나누어 학습함으로써 더욱 정확한 가상 결함 이미지를 생성할 수 있으며, 이를 통해 결함 데이터가 부족한 공정에서도 딥러닝 검사 도입이 가능해졌다. 해당 기능은 제조 공정에서 초기 데이터 수집 부담을 줄이고, 빠르게 딥러닝 기반 검사를 도입하는 데에 큰 도움을 줄 것으로 보인다.

▲ GAN 모델 Patch 모드 이미지

클릭만으로 정교한 폴리곤 형태로 레이블링 (Shape Converter)

정교한 레이블링 작업을 빠르게 처리해야 하는 상황에서 사용할 수 있는 Shape Converter 기능도 새롭게 탑재되었다. Shape Converter를 통해 박스 형태의 레이블링을 한 번의 클릭으로 정교한 폴리곤 형태로 변환할 수 있다. 또한 Auto Labeling 기능을 사용하면 소수의 이미지에만 레이블링한 후 모든 이미지에 동일 기준을 일괄 적용할 수 있다. 이러한 뉴로티의 레이블링 기능들은 레이블링 작업에 필요한 리소스를 최소화하고, 작업 효율성을 극대화할 수 있을 것으로 기대된다.

▲ Shape Converter 이미지

뉴로클은 독자적인 기술인 ‘오토 딥러닝 알고리즘(Auto Deep Learning Algorithm)’을 통해 최적의 딥러닝 모델 구조와 학습 파라미터를 자동으로 찾아내, 클릭 한 번으로 고성능 비전 검사 모델을 생성할 수 있는 소프트웨어를 제공한다. 4.1 버전에 새롭게 추가된 기능들은 사용자들이 각자의 환경에 맞는 맞춤형 솔루션을 제공받는 느낌을 줄 뿐 아니라, 현장에서 직면한 비전 검사 문제를 해결한다. 다양한 비전 검사 환경에 최적화된 뉴로티·뉴로알 4.1 버전은 제조 공정에서 더 효율적이고 정확한 품질 관리를 실현하는 데 기여할 것으로 예상된다.