인스케이프, AI 접목한 검사장비로 배터리 라인에 양산 공급
인스케이프, AI 접목한 검사장비로 배터리 라인에 양산 공급
  • 안석현 기자
  • 승인 2020.01.23 08:47
  • 댓글 0
이 기사를 공유합니다

룰베이스 + 딥 러닝 장비, 육안검사 대체
기계가 스스로 학습해 불량 걸러

인스케이프가 인공지능(AI)을 접목한 시각검사 기술을 앞세워 2차전지(배터리) 및 카메라모듈 라인에 장비를 양산 공급했다. AI 기술을 활용하면 정형화 된 불량 외에도 기계가 학습을 통해 다양한 형태의 불량을 스스로 판별할 수 있게 된다. 

배터리⋅카메라모듈 검사장비 전문업체 인스케이프(대표 김상백)는 최근 한 배터리 업체로부터 2차전지 배터리 완제품 최종외관검사 장비를 수주받았다고 23일 밝혔다. 이 회사가 공급하는 외관검사 장비는 배터리 표면에 묻은 얼룩⋅스크래치⋅눌림⋅오염 등 외관에서 발생하는 모든 결함을 걸러 내며, 문자도 인식한다. 

배터리 완제품은 결함의 형태가 매우 다양해 아직 육안 검사가 동원되는 경우가 많다. /사진=픽사베이(pixabay.com)
배터리 완제품은 결함의 형태가 매우 다양해 아직 육안 검사가 동원되는 경우가 많다. /사진=픽사베이(pixabay.com)

최종 외관검사에서 찾아내야 하는 결함은 워낙 형태와 정도가 다양한 탓에 자동화하기 어렵다. 이 때문에 아직 일일이 사람의 눈에 의존하는 비율이 높다. 인스케이프는 기존의 ‘룰베이스(Rule base)’ 방식에 AI의 일종인 ‘딥 러닝(Deep learning)’ 기술을 접목한 장비로 프로젝트를 수주했다.

검사장비의 기본은 룰베이스다. 이는 말 그대로 일정한 기준을 정해놓고, 기준에서 벗어나는 제품을 불량으로 판단하는 방식이다. 예컨대 ‘0.1㎜ 이상의 찍힘이 발생한 제품은 불량’이라는 규칙을 정해 놓으면, 기계가 찍힘의 깊이를 측정해 양불을 판단하는 것이다.

그러나 이 같은 룰베이스 방식은 기준 이내의 불량을 잡아내지 못하는 맹점이 존재한다. 앞서 기준대로라면 얼룩 찍힘이 0.1㎜ 이하이지만 기능상 불량인 제품을 양품으로 판단할 위험성이 있다. 육안으로는 얼마든지 걸러내겠지만, 자동화 장비로는 판별하기 어렵다.

딥 러닝은 이처럼 규칙 만으로는 잡아낼 수 없는 불량품을 걸러준다. 사전에 인간이 판단한 양품과 불량품 샘플을 기계에 입력해 주면 기계가 학습을 통해 양불의 기준을 만들고, 이에 입각해 판단한다. 특히 일처리량이 늘어날수록 학습량도 많아져 검사의 정확도 역시 높아진다.

카메라모듈 완제품 검사장비. /사진=인스케이프
카메라모듈 완제품 검사장비. /사진=인스케이프

물론 딥 러닝도 완벽하지는 않다. 기계학습의 매커니즘이 충분히 검증되지 않았기 때문에 딥 러닝에만 의존해서는 검사 퀄리티가 떨어진다. 아직 검사장비에 딥 러닝 기술이 도입된 지 오래 되지 않아 학습량도 충분치 않다. 인스케이프가 룰베이스에 딥 러닝을 혼합해 장비를 개발하는 이유다.

김상백 인스케이프 사장은 “기본적인 룰베이스에 딥 러닝 기술을 접목해야 빈틈을 메울 수 있다”고 말했다. 

인스케이프는 딥 러닝 기술이 가미된 검사장비를 국내외 카메라 모듈 업체에 양산 공급한 바 있다. 향후 반도체⋅디스플레이 등 검사 공정이 필요한 모든 산업군에 사용할 수 있게 솔루션을 업그레이드하고 있다. 단순 검사기능을 넘어서 스마트팩토리 구현에 필요한 검사 및 분석 시스템을 제공한다는 목표다. 

김 사장은 “산업이 고도화될수록 검사 장비에 대한 수요는 늘어날 수 밖에 없다”며 “비전 기술과 차별화 된 광학시스템, 여기에 딥 러닝 기술을 혼합하면 다양한 산업에 적용할 수 있는 검사장비를 개발할 수 있다”고 설명했다.

 


관련기사

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.