인공지능(AI) 기술이 점차 발전하면서 인공지능의 핵심기술 중 하나인 딥러닝(deep learning; 심층학습)에 대한 연구와 산업 솔루션에서의 도입도 부상하고 있다.
딥러닝은 컴퓨터의 지능을 한 차원 더 올려놓는 역할을 하며, 대량의 데이터와 컴퓨팅 기술을 활용해 심층신경망(Deep Neural Networks)을 구현한다. 심층신경망의 기본적인 원리는 인간 두뇌의 연결성을 모방해 데이터 세트를 분류하고, 데이터 간 상관 관계를 찾아내는 것이다. 이렇게 인간의 도움없이도 새롭게 발견한 지식을 바탕으로, 기계는 다른 데이터 세트에 통찰력을 적용한다. 처리하는 데이터의 양이 많아질수록 기계의 예측도 더 정확해진다.
가령 딥러닝이 가능한 기기는 과일의 색상, 형태, 크기, 최적 수확시기, 원산지 등 대량의 데이터 세트를 검토해서 이 사과가 홍옥 사과가 맞는지, 이 오렌지가 감귤은 아닌지 구분할 수 있는 것이다. 스마트 팩토리 추진과정에서 진행되는 광범위한 데이터의 수집과 분석과정에서 이러한 딥러닝은 수행되고 새로운 솔루션으로 발전해 나가고 있는 것이다.
그렇다면 머신비전은 어떤 역할을 담당하게 될까? 최근들어 스마트팩토리 추진 과정에서 영상처리 시스템에 대한 수요가 광범위하게 늘어나면서 머신비전과 머신비전 분석 솔루션에 대한 기대치가 높아지고 있다. 로봇 및 모션, 제어 시스템 전문업체들 마저도 머신비전 솔루션 비지니스에 적극적인 행보를 보이고 있다.
스마트팩토리를 위한 스마트 비전 솔루션
비전센서 분야에서 가장 큰 이슈는 단연 인공지능과 머신러닝/딥러닝과의 융합이다. 대표적인 글로벌 머신비전 업체인 코그넥스(Cognex)는 지난해 딥러닝 소프트웨어 전문업체 비디시스템즈(ViDi Systems)를 인수했다. 이를 기반으로 코그넥스는 최근 딥러닝 기반의 산업용 머신비전 애널리틱스 솔루션인 ‘코그넥스 비디 스위트(Cognex ViDi Suite)’를 출시했다.
코그넥스가 출시한 ‘코그넥스 비디 스위트’는 산업 이미지 분석을 위해 설계된 딥러닝 기반의 영상 분석 및 검사 소프트웨어다. 최첨단 머신러닝 알고리즘을 기반으로 기존에 비해서 한층 더 향상된 이미지 분석이 가능하다. 기존의 방법으로는 프로그래밍할 수 없었던 검사 및 분류 문제를 해결할 수 있어서 향후 까다로운 머신비전 응용 분야에서 널리 활용될 것으로 예측된다.
코그넥스 비디 스위트는 비디 블루(특징의 위치 파악 및 식별), 비디 레드(분할 및 결함 감지), 비디 그린(물체 및 장면 분류)으로 구성된다.
비디 블루는 하나의 이미지에서 하나 이상의 특징을 찾아 위치를 파악하는데 사용하는 툴이다. 노이즈가 많은 배경에서 심각하게 변형된 문자나 다수의 복잡한 물체도 파악하고 식별할 수 있다. 비디 레드는 이상 및 미적 결함을 감지하는 툴이다. 레드 툴은 뚜렷하지만 허용 가능한 변형을 포함해 물체의 정상적인 외관을 학습하여 표면의 긁힘, 부적합한 조립품 등의 문제를 식별할 수 있다. 비디 레드는 특정 영역을 분할하는데 사용되기도 한다. 비디 그린은 입력된 영상을 분류하는 툴로 포장을 바탕으로 한 제품 식별, 용접 이음매의 분류, 결함의 허용 여부 판단 등을 구분한다.
박상준 코그넥스 코리아 이사는 “최근에는 딥러닝을 사용하여 기존 기술로 자동화 검사가 불가능했던 영역까지 비즈니스 분야가 확대되고 있다. 또한 공정 내 프로세스 간 유닛 이동 및 외부 충격에 취약한 제품의 핸들링 작업과 같은 특화된 분야에서도 그 수요가 늘고 있다.”고 밝혔다. 이에 특화된 알고리즘을 개발하여 저해상도의 카메라와 저비용의 광학 환경으로 아주 쉽고 빠르게 할 수 있는 방법의 솔루션 제공이 가능해진 것이다.
스마트팩토리 관련 머신비전 기술에서의 이슈는 3D 비전과 딥러닝으로 요약된다. 코그넥스 코리아는 “현재 머신비전 기술에 다양한 IT 기술을 접목하려는 시도가 계속되고 있다. 대표적인 것이 3D 비전이다”고 말했다. 3D 비전은 외관상의 길이나 폭, 높이, 기울기, 부피 등 3차원 검사를 제공하여 2D 비전에 비해서 더욱 정확하고 정밀한 검사가 가능하기 때문이다. 명암이나 조명이 변하더라도 미크론 수준의 정확도를 제공하여 생산 공정에서 발생하는 오류를 줄이고, 폐기물과 제조비용을 절감할 수 있다.
코그넥스는 아큐센스(AQSense), 엔쉐이프(EnShape), 치아로 테크놀로지(Chiaro Technologies), 웹스캔 (Webscan) 등 3D 비전 분야에서 전문성을 지닌 회사를 다수 인수하면서 3D 비전 개발에 꾸준히 투자해 왔다. 꾸준한 인수합병을 통해 3D 비전 분야의 전문성을 키운 후 고성능 3D 카메라를 최근 출시한 바 있다. 이 제품은 특정 영역에 대한 고해상도의 이미지와 업계 최고의 3D 분석 알고리즘을 통해 신뢰할 수 있는 부품 검사, 픽&플레이스 애플리케이션, 인라인 계측을 지원한다.
특히 머신비전과 딥러닝의 융합은 업계로부터 큰 주목을 받고 있다. 머신비전에 딥 러닝을 결합하면, 비전 시스템이 다양한 이미지 변화를 인식하고 분석할 수 있게 된다. 단순히 비전 시스템으로 이미지를 정확하게 보고 정확한 비전 데이터를 얻는 것을 넘어서서 비전 데이터를 프로세싱하고 활용하는 단계로 발전하는 것이다.
박상준 이사는 “딥러닝을 사용하면 머리카락과 스크래치의 차이와 같이 기존의 머신비전 시스템이 구분할 수 없었던 미세한 차이까지 구분을 하는 것이 가능하다.”고 밝히고, “또한 제품이 정해진 기준에서 약간 벗어날 경우, 이러한 차이가 정상 범위 내에서 허용되는 수준의 오차인지 아니면 제품 결함인지 판단하는 것도 가능하다.”고 말했다.
비전 시스템이 하는 일은 사람의 눈으로 판단하기 힘든 것을 정확히 인식하고 검사를 수행하며, 분석기술을 추가하여 인사이트를 담당자에게 출력하는데 까지를 담당한다. 기존의 머신비전 프로세스는 카메라에만 집중되어 있었다. 이들 데이터를 분석하고 스스로 정품, 불량을 결정하는 것은 쉬운일이 아니었다. 여기서 인공지능과 딥러닝이 필요한 시점이다. 정확하게 인식한 다음에 인식한 내용을 기준으로 프로그램 알고리즘이 자동적으로 학습을 한다. 학습한 것을 기준으로 마치 사람이 판단하듯이 검사를 정확하게 해주는 것이다.
검사공정에서의 모습들도 상당수 달라지게 될 전망이다. 그 동안은 오퍼레이터가 학습한 다음에 머리속에 기준을 가지고 검사를 수행해 왔는데, 이것을 비전으로 대체하기가 쉽지 않았다. 비전을 통한 양품-불량 판정에는 엄청난 양의 데이터 자료가 필요했기 때문에 이들 데이터를 확보하고 분석하는데 소요되는 비용도 만만치 않았다. 그러나 스스로 학습하는 딥러닝을 융합하면서 검사공정을 상당하게 단순화시킬 전망이다. 시스템적으로도, 비용적으로도 말이다.
오상원 객원기자 / 오승모 기자 oseam@icnweb.co.kr
