IT Solutions

AI 비전 검사의 글로벌 일등을 향해 나아가다

2019.05.02 09:30

많은 제조 기업이 제품의 품질 검사를 사람이 눈으로 하던 것을 사람의 눈처럼 사물을 인식하는 기계로 대체하고 있습니다. 이런 작업 환경의 변화로 인해 생산 현장에서는 획기적인 품질 개선과 생산성 향상으로 이어지고 있습니다.



생산 현장에 도입된 비전 검사기는 고성능 카메라와 이미지 프로세서, 소프트웨어 등으로 구성된 시스템인데요. 카메라 렌즈와 조명을 이용해 적절한 이미지를 얻으면 이미지 프로세서, 소프트웨어가 작업 목적에 맞게 영상 처리 및 분석 과정을 거쳐 품질을 판정할 수 있는 자료를 제공합니다. 예를 들어 제품 불량의 패턴, 위치, 사이즈, 색상 등 각 지표 값을 입력하면 이에 해당하는 이미지들을 검출합니다.


그런데 비전 검사는 두 가지 단점을 안고 있습니다. 작업 환경이 바뀌고 검수 기준 수치들이 바뀔 때마다 전 장비를 새롭게 세팅해야 하는 번거로움이 있으며, 다양한 불량 유형이나 정밀한 부분은 정확도가 떨어집니다.


이 같은 한계를 극복하기 위해서 신경망 기반의 딥러닝(Deep Learning)을 적용한 AI(인공지능) 비전 검사 솔루션이 필요하게 되었습니다. 이에 LG CNS는 빅데이터 분석 플랫폼인 DAP(디에이피)에 AI 비전 검사를 수행할 수 있는 DAP-Vision 솔루션을 개발했습니다.


l 전통적 비전 검사와 AI 비전 감사 비교


 DAP-Vision 솔루션의 우수한 기술력


그럼, 우리의 기술로 탄생한 DAP-Vision 솔루션의 세 가지 장점을 자세히 알아보겠습니다.


첫째, 최적의 모델 선정 학습 시스템

이미지를 언제 어디서든 관리할 수 있도록 고성능 GPU 기반의 클라우드에 학습 시스템을 구축했습니다. 이로써 학습 시 설정값 구성, 이미지 용도별 자동 배분 기능 제공 등 여러 단계의 학습 프로세스를 한 번의 요청으로 자동 처리할 수 있습니다.



이미지는 학습과 테스트 용도로 분류해 자동 등록할 수 있습니다. 학습을 위해 업로드한 이미지는 사용 목적에 따라 데이터 어그멘테이션(Augmentation)을 수행할 수 있습니다.


그리고 텐서플로우(Tensorflow), 카페(Caffe), AutoML(자동화 머신러닝)과 같은 다양한 딥러닝 프레임워크를 지원하고, 이들이 지원하는 범용 모델로 수집한 데이터를 학습시킬 수 있습니다. 학습되어 최적화된 모델은 다시 플랫폼에 적용해서 맞춤형 모델로 재사용할 수 있습니다.


학습 요청 후에는 진행 상태를 실시간 확인할 수 있으며, 이미지 학습의 반복 횟수 당 스냅샷 결과를 비교함으로써 최적의 모델을 얻을 수 있습니다. 최적의 모델은 미검율, 과검율, 기여율 등 다양한 공정 관리 지표를 사용할 수 있습니다. 또한 기준 수치에 따라 생산 라인에 필요한 최적의 모델을 선정할 수도 있습니다.


기존의 비전 솔루션들은 최적의 모델이 학습되면 해당 모델을 일일이 오프라인으로 배포해야 하는 번거로움이 있었는데요. 그렇지만 우리 회사의 DAP-Vision 솔루션은 최적의 모델을 실시간 또는 예약 스케줄에 따라 온라인으로 판정 서버에 적용 가능해져 편리합니다. 이후 관리 서버에서 해당 모델의 상태를 확인할 수 있으며, 이력을 관리할 수도 있습니다.


둘째, 뛰어난 기능의 관리 및 판정 시스템

로컬 시스템은 관리 서버와 판정 서버로 나눕니다. 관리 서버는 인프라와 보안 정책 등 기업의 환경에 맞게 시스템을 설치할 수 있는 인터페이스 어댑터(Adaptor) 형태로 소프트웨어 설치가 용이합니다.


또한, 하나의 관리 서버에서 여러 대의 판정 서버를 관리할 수 있는 구조로 되어 있는데요. 이에 따라 관리 서버를 통해서 각 판정 서버에 배포하는 모델을 관리합니다. 이런 기능을 통해 다양한 공정 라인을 관리할 수 있으며, 다른 비전 솔루션보다 통합적인 관리 기능이 뛰어납니다.


판정 서버는 여러 가지 특징을 갖추고 있습니다. 먼저, 학습 시스템에서 확정한 모델을 공정 라인에 바로 구동시킬 수 있는 현장 시스템을 제공합니다. 그리고 도커(Docker) 기반으로 소프트웨어를 쉽게 구축할 수 있다. 또한 공장 설비별로 판정 모델을 수시로 변경할 수 있으며, 이에 대한 모니터링을 통해 성능을 지속해서 개선할 수 있습니다.



이로써 품질 관리자는 관리하려는 성능지표를 설정해 사용할 수 있습니다. 그리고 다양한 인프라 기반의 판정 및 관리 서버를 지원합니다. 공정 라인에서 초당 판정할 이미지 수에 따라서 고성능의 경우 GPU 기반 서버나 PC 급에서 판정토록 하고, 고성능이 필요치 않은 경우는 CPU에서 판정토록 지원합니다.


앞으로 LG CNS는 신경망 처리에 더욱 최적화된 NPU(Neural Processing Unit) 에지(Edge) 적용을 확대할 예정입니다. 이를 통해 고객사의 제품 품질을 강화하고 생산성을 향상함으로써 경제적 기대 효과를 이룰 수 있을 것입니다.


셋째, AutoML 연계한 비전 검사 환경 구축

구글의 AutoML은 비전문가라도 단순한 딥러닝을 통해 쉽고 간편하게 비전 검사를 수행할 수 있는 장점이 있습니다. 하지만 관리 기능이 없어서 공정 라인이 복잡한 규모 있는 기업에서 사용하기에는 한계가 있습니다.



이런 단점을 보완하기 위해 DAP-Vision 솔루션에 AutoML을 연계했습니다. 이를 통해 간편한 학습 도구에 다양한 작업 환경의 관리적인 요소를 추가함으로써 기업에서 딥러닝 비전 검사 환경을 쉽게 구축할 수 있습니다. 앞으로 판정 시스템에 신경망 프로세스에 최적화된 TPU(Tensor Processing Unitsn)[각주:1]를 적용해 저렴한 비용으로 판정 서버를 구축할 수 있도록 지원할 예정입니다.


 제조 품질을 향상하고 DAP 플랫폼을 고도화하다


LG화학은 전지, 유리 기판, 기초 소재 등 다양한 곳에 DAP-Vision 솔루션을 적용했습니다. 기존 Rule 기반의 비전 검사에서 걸러내지 못한 다양한 유형의 불량을 검출함으로써 공정 라인의 생산성을 크게 개선했습니다.


DAP-Vision 솔루션은 LG디스플레이 LED 생산라인에도 적용되었는데, 전통적 비전 검사 대비 탁월한 성능을 나타냈습니다. 앞으로 LG전자와 LG하우시스 제조 공정 라인에도 적용할 계획이며, LG그룹 전 계열사의 제조 품질을 향상할 수 있는 핵심 솔루션으로 확대될 것입니다. 이를 기반으로 물류, 스마트시티 등 다양한 산업 영역으로 확대할 예정입니다.


l DAP 플랫폼 고도화 계획


앞으로 DAP-Vision 플랫폼에 다양한 솔루션을 연계해 모든 학습과 판정을 할 수 있는 고객 맞춤형 환경을 제공할 계획입니다. 학습 기능에 세그멘테이션 모델과 비지도 학습 모델을 제공해 여러 복잡한 문제를 해결할 것입니다. 그리고 판정 환경의 다양화를 통해 고객의 요구 사항에 적합한 솔루션을 제공할 예정입니다.


또한 판정 워크플로우 관리 기능을 개선해서 앙상블 모델, 조건 분기 등 보다 향상된 기능을 제공할 수 있을 것입니다. LG CNS는 이처럼 DAP-Vision 플랫폼과 AI 비전 검사 기술을 더욱 발전시켜 AI 비전 검사 분야에서 세계 최고 수준을 달성해 나갈 것입니다.


글 l LG CNS Enterprise빅데이터담당


* 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 LG CNS 블로그에 저작권이 있습니다.

* 해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.


  1. TPU: 구글이 자체 개발한 인공지능 전문 칩으로, 구글의 AI 기계 학습 엔진인 텐서플로우에 최적화돼 있다. [본문으로]
Posted by IT로 만드는 새로운 미래를 열어갑니다 LG CNS
위로