콘텐츠로 건너뛰기

DeepMV


Deep learning-based Machine Vision

DeepMV(Deep learning-based Machine Vision)는 제조 현장의 다양한 제품 결함을 탐지하고 분류하기 위한 인공지능 및 딥러닝 기술 기반의 머신 비전 솔루션입니다.

DeepMV는 촬영된 제품 이미지로부터 결함 존재 여부 및 위치를 자동으로 검출하고 검출된 결함의 유형 및 속성 정보를 추가적으로 판단합니다. 결함의 위치, 분류 등의 정보를 외부 시스템으로 전송할 수 있습니다. DeepMV는 결함의 크기, 속도, 성능을 종합적으로 고려하여 최적의 경제적인 GPU 시스템을 추천합니다.

DeepMV는 검사자의 숙련도와 상관 없이 일관된 품질 관리를 가능하게 합니다. 구체적으로는 생산 제품의 모든 결함 관련 종류, 위치, 크기, 횟수 등의 데이터를 자동 집계할 수 있습니다. 이렇게 기록된 결함 데이터에 대한 통계 분석을 통해 결함 원인 파악 및 공정 취약점 진단이 또한 가능합니다. 머신 비전 솔루션은 결함 검출뿐만 아니라 마크, 텍스트, 바코드 인식과 정밀 측정 등에도 이용이 가능하여 스마트 팩토리 구축을 위한 기반 도구로 활용될 수 있습니다.

정상 데이터만으로 학습하는 단일 클래스 모델

딥러닝 모델을 구축하기 위해서는 많은 데이터가 필요한데, 실제 환경에서 결함 데이터 확보는 상당히 어려운 일입니다. 충분한 데이터가 확보되지 못하면 최고의 검출 성능을 기대하기가 어렵게 됩니다. DeepMV는 결함 데이터 없이 정상 데이터만을 이용하여 딥러닝 모델을 훈련시키는 단일 클래스(One-Class) 비정상 탐지(Anomaly Detection) 모델을 사용합니다.

신속한 초기 설치 가능

DeepMV는 단일 클래스 비정상 탐지 딥러닝 기술을 기반으로 구현되어 수백 장 정도의 정상 이미지 촬영만으로도 즉각적인 결함 검출 모델 구축이 가능합니다. 검출 알고리즘에 대한 재프로그래밍 과정이 필요 없기 때문에 빠르게 작업 현장에 적용할 수 있습니다.

기존 규칙 기반 방식 대비 높은 정확도 및 정밀도

결함의 특징을 인공적으로 찾아내고 사람이 직접 기술한 규칙(rule) 기반으로 적용하는 규칙 기반 방식에 비해 DeepMV는 딥러닝 기반 머신 비전 기술을 활용하여 결함 위치, 크기, 촬영 각도, 조명 조건 변화에 강인한 특성을 가집니다. 또 높은 검출률과 정밀도를 동시에 만족시켜 오검출을 최소화하고 있습니다. 제품 종류에 따라 10 µm 단위부터 10 m 단위까지 다양한 크기의 결함 검출이 가능합니다.

지속적인 학습을 통한 성능 개선

DeepMV 운용 중 수집된 데이터를 이용하여 모델을 추가 학습시키고 성능을 개선할 수 있습니다. 또, 검사자가 제외시키고자 하는 결함 종류를 직접 지정하여 오탐률 개선이 가능합니다.

 

 

 

DeepMV


Deep learning-based Machine Vision

DeepMV는 검사자의 숙련도와 상관 없이 일관된 품질 관리를 가능하게 합니다. 구체적으로는 생산 제품의 모든 결함 관련 종류, 위치, 크기, 횟수 등의 데이터를 자동 집계할 수 있습니다. 이렇게 기록된 결함 데이터에 대한 통계 분석을 통해 결함 원인 파악 및 공정 취약점 진단이 또한 가능합니다. 머신 비전 솔루션은 결함 검출뿐만 아니라 마크, 텍스트, 바코드 인식과 정밀 측정 등에도 이용이 가능하여 스마트 팩토리 구축을 위한 기반 도구로 활용될 수 있습니다.

정상 데이터만으로 학습하는 단일 클래스 모델

딥러닝 모델을 구축하기 위해서는 많은 데이터가 필요한데, 실제 환경에서 결함 데이터 확보는 상당히 어려운 일입니다. 충분한 데이터가 확보되지 못하면 최고의 검출 성능을 기대하기가 어렵게 됩니다. DeepMV는 결함 데이터 없이 정상 데이터만을 이용하여 딥러닝 모델을 훈련시키는 단일 클래스(One-Class) 비정상 탐지(Anomaly Detection) 모델을 사용합니다.

신속한 초기 설치 가능

DeepMV는 단일 클래스 비정상 탐지 딥러닝 기술을 기반으로 구현되어 수백 장 정도의 정상 이미지 촬영만으로도 즉각적인 결함 검출 모델 구축이 가능합니다. 검출 알고리즘에 대한 재프로그래밍 과정이 필요 없기 때문에 빠르게 작업 현장에 적용할 수 있습니다.

기존 규칙 기반 방식 대비 높은 정확도 및 정밀도

결함의 특징을 인공적으로 찾아내고 사람이 직접 기술한 규칙(rule) 기반으로 적용하는 규칙 기반 방식에 비해 DeepMV는 딥러닝 기반 머신 비전 기술을 활용하여 결함 위치, 크기, 촬영 각도, 조명 조건 변화에 강인한 특성을 가집니다. 또 높은 검출률과 정밀도를 동시에 만족시켜 오검출을 최소화하고 있습니다. 제품 종류에 따라 10 μm 단위부터 10 m 단위까지 다양한 크기의 결함 검출이 가능합니다.

 

지속적인 학습을 통한 성능 개선

DeepMV 운용 중 수집된 데이터를 이용하여 모델을 추가 학습시키고 성능을 개선할 수 있습니다. 또, 검사자가 제외시키고자 하는 결함 종류를 직접 지정하여 오탐률 개선이 가능합니다.