머신 비전과 신경망 통합으로 산업용 IIoT 고도화

대뇌피질은 이미지를 처리하는 뇌의 부분입니다. 인간은 다른 포유류에 비해 가장 큰 대뇌피질을 가지고 있습니다. 이 우월한 시각은 인간이 다른 동물보다 우위를 점하게 한 진화적 특성 중 하나입니다. 진화생물학자들은 이 특성의 신비를 풀려 하고, 기술 연구자들은 이를 복제하려 합니다.

 

그림 1. 공장의 머신 비전 시스템.

 

인간은 경험과 연습을 통해 배웁니다. 머신러닝은 컴퓨터가 인간 뇌의 학습 방식을 모방하게 하려는 인공지능(AI) 분야입니다. 이미지 인식과 처리는 이 분야의 중요한 하위 섹션입니다. 이미지 인식을 사용하면 엔지니어는 직접적 인간 상호작용 없이 객체를 분류할 수 있습니다.

 

신경망과 머신 비전

간단히 말해, 알고리즘이나 신경망과 결합된 머신 비전은 컴퓨터가 데이터를 보고 행동할 수 있는 능력입니다. 이미지는 디지털 형식으로 컴퓨터 처리 장치에 공급되어 분석, 해석, 행동을 위해 사용됩니다. 이 설정에 앞서 시스템을 훈련시켜 데이터를 학습시켜야 합니다.

 

머신 비전에서 신경망 훈련

신경망은 머신러닝의 고급 영역입니다. 이미지 인식과 복잡한 인지가 필요한 다른 작업에 널리 사용됩니다. 인공 신경망 구축 첫 단계는 이미지로 컴퓨터 알고리즘을 훈련시키는 것입니다.

 

그림 2. 이미지로 알고리즘을 훈련시키는 예시. Teledyne DALSA 제공 이미지

 

인간은 입력 이미지에 라벨을 붙이는 작업을 맡으며, 알고리즘은 이를 기반으로 학습합니다. 알고리즘은 대규모 라벨링된 데이터셋으로 훈련된 후 스스로 객체를 식별하는 법을 학습합니다. 데이터 과학자들은 학습 속도와 기타 파라미터를 개선하기 위해 모델을 조정할 수 있습니다. 일관된 정확도를 가진 완전한 모델은 상용 애플리케이션에 배포될 수 있습니다.

하지만 모델 훈련용 데이터는 어디서 얻나요?

 

머신 비전 데이터 소스

신경망과 결합된 머신 비전은 단순히 이미지 식별보다 복잡합니다. 3D(3차원) 객체를 인식하는 공간 인지이기도 합니다. 머신 비전 프로그램의 소스는 사진, 비디오, 심지어 라이브 카메라 피드일 수 있습니다. 이런 경우 카메라가 이미지나 비디오를 수집해 알고리즘에 공급합니다.

머신 비전 알고리즘은 다른 형태의 입력도 받습니다. 레이더와 라이다(LiDAR)는 센서 주변 객체를 추적할 수 있습니다. 이런 장비 출력은 이미지가 아니라 주변 다양한 객체의 좌표입니다. 머신 비전 알고리즘도 이 정보를 처리해 공간 이해를 얻을 수 있습니다. 라이다 데이터와 카메라 이미지 조합도 머신 비전 알고리즘 입력으로 사용 가능합니다.

머신 비전은 광범위한 산업 및 비산업 응용을 가집니다. 응용 범위는 식별과 내비게이션부터 시각장애인에게 시력 제공까지입니다.

 

산업 분야의 머신 비전

머신 비전 또는 컴퓨터 비전은 산업 분야에 많은 응용이 있습니다. 아직 초기 단계라 매일 새로운 산업 응용이 확인되고 있습니다.

 

그림 3. 공장에서 객체를 검사하는 머신 비전 시스템.

 

알려진 응용에는 다음이 포함됩니다:

• 제품 분류
• 제품 피킹
• 자동 검사
• 광학 문자 인식(OCR)
• 결함 식별
• 색상 식별
• 모션 감지
• 패턴 식별
• 품질 보증
• 유도 이동(AGV, 무인 이송 차량)
• 자율주행 자동차
• 바코드 및 QR코드 읽기
• 다크 팩토리

 

머신 비전 사용이 늘어나면 이런 솔루션 구현 비용은 내려가고 새로운 응용이 확인됩니다. 예를 들어 머신 비전은 IIoT와 결합해 사용될 수 있습니다.

 

보안

인간 경비원은 다양한 기관 부지를 순찰합니다. 하지만 일반적인 문제는 홀수 시간 근무 시 인원이 겪는 피로입니다. 머신 비전과 IIoT가 도울 수 있습니다.

보안 구역의 CCTV 피드를 머신 비전 알고리즘에 연결할 수 있습니다. 알고리즘은 이상 활동을 지속적으로 모니터링합니다. 침입자나 기타 이상 활동이 감지되면 시스템은 인간 경비원이 확인할 알람을 트리거합니다.

펜스 전력 공급, 출구 지점 스파이크 배치, 경찰 알림 등 보안 프로토콜을 자동 실행할 수도 있습니다. 모든 통신은 인터넷 연결 장치 간 네트워크를 통해 이루어져 프로토콜을 실행합니다.

 

화학 플랜트

화학 플랜트는 인간 직원이 일하기 위험한 곳입니다. 공정이 자동화되면 이롭습니다. 예를 들어 화학 플랜트 공정에서 혼합물이 끓기 전에 가열을 중단해야 하는 경우를 생각해 보세요. 머신 비전 없이는 인간 기술자가 대기하며 공정을 관찰해야 합니다.

 

그림 4. 화학 플랜트 배기 스택과 보일러.

 

머신 비전을 사용하면 카메라가 용액에 초점을 맞추고, 끓음을 감지하도록 훈련된 신경망이 혼합물이 끓기 시작했는지 감지할 수 있습니다. 알고리즘이 용액에서 끓음을 감지하면 플래그를 트리거합니다. 이는 네트워크를 통해 중앙 컴퓨팅 시스템으로 전송됩니다. 시스템은 이 신호 수신 시 가열을 중단하는 메커니즘을 트리거하도록 설계됩니다.

이런 시나리오에서는 인간이 화학 연기를 흡입하며 공정을 모니터링하기 위해 플랜트에 있을 필요가 없습니다. 머신 비전과 IIoT가 공정 전체를 자동화할 수 있습니다. 이 특정 예에서는 적외선이나 기타 온도 감지 센서로 끓는 혼합물을 감지할 수도 있습니다.

 

다크 팩토리

다크 팩토리는 머신 비전, 자동화, IIoT 역량을 최대한 활용하는 개념의 연장선입니다. 다크 팩토리는 공장 운영을 실행하거나 모니터링하기 위해 인간 운전자가 필요 없는 제조 시설입니다. 본질적으로 공장에 조명이 필요 없으므로 어두운 곳에서 작동할 수 있습니다.

원자재 입고부터 최종 제품 포장까지 완전히 자동화됩니다. 원자재는 머신 비전을 보조로 하는 지게차와 로봇 팔로 피킹 및 분류됩니다. 다양한 부품을 조립하는 로봇 핸드는 머신 비전을 사용해 각 부품이 어디로 가는지 식별합니다. 머신 비전으로 내비게이션하는 AGV가 공장 내 자재 이송을 처리합니다.

완제품은 머신 비전 능력을 갖춘 로봇과 함께 검사 및 테스트됩니다. 불량품 분류와 완제품 포장에도 머신 비전이 사용됩니다.

다크 팩토리와 화학 공정 등 몇 가지 예만 들어도 머신 비전의 혜택을 볼 수 있습니다. 알고리즘은 인원 안전, 공정 안전, 효율 향상을 지킵니다. 여러분 현장에서는 머신 비전을 어떤 유형의 응용에 사용하시나요?