강좌/커뮤니티

딥러닝이란

딥러닝 기술은 품질 검사 및 다른 판단 기반 사용을 위해 첨단 생산 방식에서 사용됩니다.

​

​◾딥러닝 기초

​

​휴대폰에서 자율주행차에 이르기까지, 경제의 중심이 딥 러닝의 뉴럴 네트워크가 가진 힘을 활용하기 시작했습니다. 딥 러닝은 휴대폰과 웨어러블 장치에 사용되는 음성, 텍스트, 안면 인식 등에 필수적 기술로 부상하였으며 패턴을 예측하여 중요한 비즈니스 결정을 내리기 위해 의학적 진단에서 인터넷 보안에 이르기까지 그 외 다수의 애플리케이션에 사용되기 시작하고 있습니다. 이와 같은 기술은 현재 품질 검사 및 판단을 기반으로 한 사용법을 위한 최첨단 제조방식으로까지 확장되고 있습니다.
본질적으로 딥 러닝은 인간이 원래 가지고 있는 능력인 '예시를 통해 학습하는 기능'을 로봇과 머신에게 학습시킵니다. 저비용의 새로운 하드웨어 덕분에 인간 뇌의 신경망을 본뜬 다계층 생체모방 '딥' 뉴럴 네트워크가 확산되는 것이 현실적으로 가능해졌습니다. 이 덕분에 제조 기술에서 새롭고 놀라운 기능이 구현되어 이미지를 인식하고, 트렌드를 구별할 수 있으며 지능적으로 예측하고 결정을 내릴 수 있습니다. 초기 트레이닝 동안 개발된 코어 로직에서 시작되는 딥 뉴럴 네트워크는 새로운 이미지, 음성, 텍스트를 접할 때마다 성능을 지속적으로 개선할 수 있습니다. 딥 러닝 기반 이미지 분석은 육안 검사의 정교함과 유연성을 컴퓨터 시스템의 신뢰성, 일관성, 속도와 결합합니다. 딥 러닝 모델은 개발하는 데 시간이 많이 걸리고 기존 머신의 접근방식으로는 유지관리가 거의 불가능한 까다로운 비전 애플리케이션을 정밀하고 반복적으로 해결할 수 있습니다. 딥 러닝 모델은 허용되지 않는 결함을 구분하는 동시에 복잡한 패턴의 자연적인 변동을 용인할 수 있으며, 코어 알고리즘을 다시 프로그래밍하지 않고도 새로운 예시에 맞게 바로 조정할 수 있습니다.
이제 딥 러닝 기반 소프트웨어는 판단에 기반한 부품 위치 파악, 검사, 분류 및 문자 인식 과제를 육안 검사나 기존 머신 비전 솔루션보다 더욱 효과적으로 수행할 수 있습니다. 매우 복잡한 자동화 과제를 해결하기 위해 딥러닝 기반 솔루션과 인공 지능으로 전환하는 주요 제조업체가 계속 증가하고 있습니다.

​

​◾공장 자동화를 위한 딥 러닝

​

​어셈블리 자동화를 위한 머신 비전
사람이 공장 라인을 직접 관리하던 시절은 지났습니다. 지금은 머신으로 제조, 어셈블리 및 자재 취급 작업을 자동화하고 있습니다. 정밀한 정렬 및 식별 알고리즘과 가이드 기능을 갖춘 머신비전 시스템 덕분에 수동으로는 제작할 수 없는 압축적이고 현대적인 구성품을 제조하는 일이 가능해 졌습니다. 생산 라인의 머신 비전 시스템은 분당 수백에서 수천 개의 부품을 안정적이고 반복적인 방식으로 검사할 수 있기 때문에 검사능력 면에서 인간보다 훨씬 뛰어납니다.
지난 수십 년 동안, 머신 비전 시스템은 제조된 제품에서 결함, 오염, 기능상 결점, 기타 이상현상을 감지하는 검사를 수행하도록 컴퓨터를 트레이닝했습니다. 머신 비전은 속도, 정확성,반복성을 제공하기 때문에 구조화된 장면의 양적 측정에서 탁월한 성능을 보입니다. 적합한 카메라 해상도와 광학 장치를 갖춘 머신 비전 시스템은 너무 작아서 육안으로는 확인할 수 없는 물체의 세세한 부분까지 쉽게 검사할 수 있으며 검사 신뢰성은 높이면서 오류는 줄여줍니다.

​

예시)​

​

전통적인 머신 비전과 달리 인간은 미묘한 외형 및 기능이 상이한 결함을 구분할 수 있을 뿐만 아니라 인지되는 품질에 영향을 주는 부품 외형 상의 변화도 평가할 수 있습니다. 인간은 정보 처리 속도에 한계가 있지만 고유한 개념화와 일반화가 가능한 능력을 가지고 있습니다. 인간은 예제를 통한 학습에서 우수한 능력을 가지고 있고 부품들 사이에서 약간의 비정상적인 부분이 있을 때에도 정말 중요한 부분이 무엇인지 구분할 수 있는 능력이 있습니다. 이러한 특징 때문에 미묘한 결함과 예측할 수 없는 오류가 있는 복잡하고 비구조화된 장면의 정성적 해석이 필요한 많은 경우에 인간의 육안이 최선의 선택입니다.
​

​머신비전은 속도, 정확도, 반복 가능성 덕분에 구조화된 장면의 정량적 측정에서 우수한 능력을 보입니다. 올바른 카메라 해상도와 광학 장치를 중심으로 구축된 머신 비전 시스템은 우수한 신뢰성과 낮은 에러로 사람의 눈으로 볼 수 없는 매우 작은 개체를 상세하고, 쉽게 검사할 수 있습니다. 생산 라인에서 머신 비전 시스템은 인간의 검사 능력보다 훨씬 뛰어난 수준으로, 분 당 수 백개에서 수 천 개에 달하는 부품을 높은 신뢰도와 반복 기능으로 검사할 수 있습니다.

+ 속도
+ 정확성
+ 반복성
+ 육안으로 확인하기에는 너무 작은 세세한 부분을 검사

​​검사관은 예시를 통해 학습하고 제어 시스템에서 허용되는 편차를 감정하는 일에 숙련되어 있습니다. 그에 비해 머신 비전은 컴퓨터 시스템만이 할 수 있는 빠른 속도와 강력한 성능을 제공합니다.

​

​​

​◾복잡한 검사를 위한 딥 러닝

​

​딥 러닝 모델은 검사관의 자가 학습 능력과 컴퓨터 시스템의 속도 및 일관성을 결합하여 머신이 갖고있는 본질적인 한계를 극복할 수 있게 합니다. 딥 러닝 기반 이미지 분석은 본질적으로 복잡한 성형 표면 검사에 특히 적합합니다. 이러한 검사에서는 용인되는 정도로 미묘한 차이를 보이는 패턴 그리고 위치 변동이 발생하여 공간 주파수 방식을 사용하지 못할 수 있습니다. 딥 러닝은 뒤집혔거나 액체가 덧발라졌거나 반짝이는 부품의 흠집과 같이 복잡한 표면 및 성형 결함을 처리하는 데 탁월한 성능을 발휘합니다. 특징점의 위치 파악, 판독, 검사 또는 분류 중 어떤 용도로 사용되든 딥 러닝 기반 이미지 분석은 문자를 구분하여 부품 외형을 개념화하고 일반화할 수 있다는 점에서 기존 머신과 차별화되며 이는 문자가 미묘하게 다르거나 왜곡된 경우에도 마찬가지입니다. 

​

​딥 러닝 기반 이미지 분석은 머신 비전에서는 처리하기 힘든 성형 및 기능적 이상현상을 식별하는 데 탁월한 성능을 발휘하며, 이러한 과정을 검사관보다 더욱 빠르고 안정적으로 수행합니다.

​

​출처 : COGNEX

​

​