AX Solution

비전 검사

비전 AI 기반의 정밀 검사로 완성하는 무결점 품질 관리

SOLUTION OVERVIEW

사람의 눈이 놓치는 것을,학습한 모델이 매번 같게 봅니다

이미지 수집부터 전처리, 특징 추출, 판정과 피드백까지 하나의 흐름으로 이어집니다.

비전 검사 처리 흐름 다이어그램. 이미지 수집에서 시작하여 노이즈 제거 및 정규화를 거쳐 이미지 전처리로, AI 패턴분석을 거쳐 특징 추출 및 인식으로, 양품/불량 판정을 거쳐 판정 및 피드백으로 이어지고, 판정 결과 피드백(공정 개선)이 다시 이미지 수집으로 순환한다.

KEY FEATURES

육안 검사를 대신하는 네 가지 기능

외관 검사부터 결함 탐지, 치수 측정, 품질 통계까지 이어집니다.

Vision Capability

01 / 04

01

자동 외관 검사

고성능 비전 시스템과 딥러닝 알고리즘으로 미세 결함을 즉각 탐지합니다. 작업자 간 편차 없는 균일한 품질 기준을 수립하여 출하 신뢰도를 높입니다.

Management Scope

  • 고속 이미지 프로세싱
  • 전수 검사 자동화
  • 다각도 카메라 제어
  • 실시간 판정 모니터링
  • 조명 및 노출 최적화
  • 비정형 데이터 수집
자동 외관 검사 화면

실시간 이미지 취득

고해상도 카메라와 광학계를 통해 제품 생산 공정 중 외관 이미지를 실시간으로 캡처

4개 기능이 하나의 검사 데이터 흐름으로 연결됩니다.

SYSTEM ARCHITECTURE

기술 구현 방식

현장 영상을 모아 학습하고 판정 결과로 되돌리는 구조입니다.

비전 검사 아키텍처 다이어그램. 수집 단계(Data Ingestion: 라인 스캔 카메라·3D 비전 센서·열화상 카메라, Raw 이미지·불량 어노테이션·합불 판정 이력·트리거 신호, 이미지 전처리[조명 보정·해상도 정규화]와 트리거 동기화[컨베이어 속도 연동·촬영 타이밍 정밀 제어], Target System: 이미지 스토리지·벡터 DB·메타데이터[불량 이력])에서 데이터를 모으고, 모델링 분석 단계(AI/ML Modeling — 분석 및 예측: 객체 탐지[YOLO v10, 11]·결함 세그멘테이션[스크래치·핀홀·크랙]·불량 유형 분류[CNN, Transformer]·치수 측정 3D[형상 편차·치수 측정], 피드백/고도화: 모델 성능 평가·이력/조치결과 수집·MLOps 재학습)를 거쳐, 서비스 단계(운영 가시화[Dashboard·KPI report], 공정 원인 추적[강화 학습(RLHF)·지능형 유지보수], 설비 고장 사전 예측[임계 초과 즉시 알림/설비 자동 정지 연동])로 이어진다.

고도화된 딥러닝 기술로 육안 검사의 한계를 극복합니다.

  • 전자 부품 검사 현장

    전자 부품

  • 로봇 비전 현장

    로봇 비전

  • 자동차 부품 검사 현장

    자동차

  • 정밀 가공 현장

    정밀 가공

  • 이차전지 검사 현장

    이차전지

  • 식품/제약 검사 현장

    식품/제약

사람이 놓치는 결함을 카메라가 매 장 판정합니다.

  • 검사 이미지
  • 조명·촬영 조건
  • 양품 기준
  • 불량 유형 이력
  • 판정 결과 피드백
AI Vision
  1. 결함 후보 검출
  2. 유형·등급 분류
  3. 판정 기준 재학습
  • 검출률
  • 미검율
  • 과검율
  • 검사 공수

EFFECT

구축 효과

검출률·미검율·과검율·검사 공수에서 어떤 성과로 남는지 정리했습니다.

BUSINESS OUTCOME

검사 결과를측정 가능한 성과로

FIND

검출률 향상

고해상도 영상과 딥러닝으로 사람 눈이 놓치는 미세 결함까지 잡아내고, 판정 편차 없이 같은 기준을 유지합니다.

검출률 · 판정 편차 · 결함 크기

MISS

미검율 감소

전수 검사로 표본에서 빠지던 불량을 없애고, 결함 유형별 모델로 놓치기 쉬운 패턴을 따로 학습시킵니다.

미검율 · 전수 검사 · 결함 유형

OVER

과검율 감소

정상을 불량으로 판정하던 경계 구간을 데이터로 다시 잡아, 멀쩡한 제품이 폐기·재작업으로 빠지는 손실을 줄입니다.

과검율 · 판정 경계 · 재작업률

TIME

검사 공수 절감

검사 인력을 고부가가치 공정으로 돌리고, 품목 전환 시 재설정에 드는 시간을 줄입니다.

검사 인력 · 전환 시간 · 시간당 생산량

CASE STUDY

구축 사례

육안 계수를 자동화해 정확도를 99.9% 수준으로 끌어올린 사례입니다.

Before01

기업 개요

  • 육안 수동 계수
  • 적재 과다로 잦은 오차
  • 기록 누락으로 정확성 저하

After02

구축 내용

  • 산업용 카메라 영상 획득
  • 작업 이벤트 기반 분석
  • 복잡한 배경에서 객체 식별

구축 효과

  • 계수 정확도 99.9% 수준
  • 공정당 검수 시간 대폭 단축
  • 실시간 재고 가시성 확보

육안 계수를 AI 비전이 대신하는 검사 자동화 구축