제조업에서의 AI 비전 검사: 실제 조립 라인에서 머신 비전과 어떻게 다른가

미니어처 서킷 브레이커는 커버가 제자리에 딱 맞게 끼워지기 직전입니다. 2~3초 이내에 카메라는 리벳이 있는지, 핸들이 올바른 방향으로 장착되었는지, 레이저 마크가 찍혔는지 확인해야 합니다. 규칙 기반 비전 시스템은 표준 리벳보다 약간 더 빛나는 리벳을 보고 리벳이 없는 것으로 표시합니다. 작업자는 알람을 재설정하고 10분 후에 같은 일이 발생합니다. AI 비전 검사 완전히 다른 방식으로 작동합니다. 이 시스템은 단순히 엔지니어의 규칙을 따르는 것이 아니라, 여러 이미지에서 좋은 제품이 어떻게 생겼는지 학습합니다.

간단히 말해, AI 비전 검사는 산업용 카메라와 다양한 부품 이미지로 학습된 딥러닝 모델을 사용하여 제품이 품질 기준을 충족하는지 판단합니다. AI는 스크래치, 균열, 손상된 마킹, 용접 스패터와 같이 고정된 형태가 없는 결함을 처리할 때 우위를 점하며, 규칙 기반 비전 시스템이 이 부분에서 실패합니다. 따라서 AI 비전 검사는 측정이나 코드 판독 작업을 위한 규칙 기반 비전의 보완 기술로서 작용하며, 트립 커브, 접촉 저항, 고전압 시험과 같은 전기 테스트의 필요성을 없애지 않습니다.

AI 비전 검사란?

인공지능(AI) 시각 검사 기술은 인공지능 기능을 기반으로 검사 결정을 내리기 위해 카메라를 사용하는 카메라 기반 검사 시스템이라고도 합니다. 이는 새로운 종류의 조명을 도입하는 혁신적인 기술이 아니라 검사 데이터를 처리하는 새로운 방법입니다.

생산 라인에서 검사 프로세스는 네 가지 주요 단계로 구성됩니다:

이미지 획득. 부품이 검사 구역에 도착하면 센서가 활성화되고 카메라가 이미지를 촬영합니다.
이미지 비교. 모델은 촬영된 이미지를 이전에 학습한 양품 및 불량 샘플과 비교하여 결함 가능성을 나타내는 점수를 제공하며, 종종 이미지 내 결함 위치에 대한 정보를 제공합니다.
결과 처리. 엔지니어가 정의한 임계값에 따라 모델에서 받은 점수를 기준으로 합격 또는 불합격을 결정합니다.
피드백 처리. 부품은 거부되거나 계속 진행할 수 있으며, 촬영된 이미지, 점수 및 최종 결과가 부품의 일련 번호 아래에 저장됩니다.

네 번째 단계는 종종 간과되지만 가장 중요한 단계 중 하나입니다. 고객이 불량 제품을 반품할 경우, 우리는 생산된 이미지를 참조하여 결함이 어떻게 생겼는지 확인할 수 있습니다.

AI 비전 검사 vs 머신 비전 vs AOI

이 주제에 대한 거의 모든 문의는 머신 비전과 AI 비전의 비교 문제로 보입니다. 일상 용어로 부품의 시각 검사는 네 가지 방식이 있으며, 각 방식은 고유한 작업을 수행합니다. 또한 첫 번째 방식을 제외한 모든 방식은 자동 시각 검사 범주에 속합니다.

	수동 검사	규칙 기반 머신 비전	AOI(자동 광학 검사)	AI 비전 검사
결정 방식	작업자 판단	엔지니어가 프로그래밍한 규칙: 가장자리, 블롭, 측정, 패턴 매칭	PCB용으로 구축된 규칙 및 참조 비교	양품 및 불량품 이미지로 학습된 모델
신제품으로 전환	빠르지만 학습과 주의에 의존	새로운 규칙 및 조정, 보통 몇 시간에서 며칠 소요	CAD 및 참조 보드에서 새로운 보드 프로그램	해당 변종용 모델 로드; 신제품인 경우 새 모델 학습
잘하는 점	비정상 결함, 판단 필요	치수, 존재/부재, 바코드 및 코드 판독	회로 기판의 납땜 접합부 및 부품	가변 결함: 긁힘, 균열, 손상된 마킹, 튀김, 색상 변화
실패하는 부분	피로, 불일치, 속도	프로그래밍되지 않은 광택, 색상 또는 위치 변화	PCB가 아닌 모든 것	본 적 없는 결함 유형; 조명 또는 재료 변화
오검출	사람과 교대에 따라 다름	외관이 자연스럽게 변할 때 높음	보드별 조정 필요 시 중간 수준	학습 후 가변 특징에 대해 낮음, 하지만 자체 부품에서 확인 필요
정밀 측정	아니요	예, 주요 강점	예, 보드 특징에 대해	해당 업무 아님; 측정에는 규칙 사용
불합격 사유 설명 가능?	부분적으로	예: 어떤 규칙이 실패했는지	예: 어떤 검사에서 실패했는지	부분적으로: 점수와 히트맵, 규칙은 아님

다음 세 가지 결론을 내릴 수 있습니다: 치수 평가, 존재 여부 및 코드 판독에 대해 빠르고 정확하며 간단한 규칙 기반 비전 기술 사용을 계속하고, 긁힘, 불완전한 마킹, 색상 변화와 같이 매번 변하는 결함 탐지에는 AI 기술을 활용하며, PCB AOI와 저전압 전기 조립품은 서로 다른 문제임을 기억해야 합니다. 회로 기판용 AOI 기계는 회로 차단기에 적합하지 않으며, 회로 차단기에 적용 및 학습된 AI 기술은 RCBO 내부 전자장치에 적용되지 않습니다.

AI 비전 검사 시스템이 실제로 포함하는 것

생산 라인의 AI 비전 검사 시스템은 다섯 가지 구성 요소로 이루어져 있습니다. 모두 모델에 대해 이야기하지만 나머지 네 가지 구성 요소가 프로젝트 승인 여부를 결정합니다.

카메라

산업용 카메라 선택은 영역 스캔 카메라이며, 해상도는 식별하려는 결함의 최소 크기에 따라 달라집니다. 0.1mm 균열에 관심이 있다면, 카메라 시야와 해상도를 설정하기 위해 해당 길이를 커버하는 충분한 픽셀 수가 필요합니다. 경우에 따라 검사 대상 부품의 양면을 보기 위해 두 대의 카메라 또는 거울 사용이 요구됩니다.

조명

조명은 별도의 하위 섹션입니다. 대부분의 실패는 조명 불량으로 발생하기 때문입니다. 은 접점, 구리 부품, 광택 케이싱은 물체 각도에 따라 다양한 방식으로 빛을 반사합니다. 링 라이트, 돔 라이트, 백라이트, 저각도 라이트가 다양한 유형의 결함을 드러내기 위해 사용됩니다. 조명이 모델 학습 전에 안정적이지 않으면 프로젝트는 성공하지 못합니다. 모델은 검사된 부품에 존재하는 결함 대신 조명과 관련된 문제를 학습하게 됩니다.

스테이션에서의 컴퓨팅

추론은 스테이션에서 엣지 컴퓨터나 스마트 카메라에서 직접 수행되며, 클라우드에서는 수행되지 않습니다. 사이클 타임 내에 PLC로 결정이 전달되는 것이 매우 중요하여 생산 라인이 연결을 기다릴 필요가 없습니다. 이미지는 클라우드나 공장 서버에 저장되며, 그곳에서 모델이 재학습됩니다.

모델

검사 시스템에서 일반적으로 두 가지 유형의 모델이 사용됩니다. 분류 및 세분화 모델은 정상 부품과 모든 유형의 결함 샘플을 사용해 학습됩니다. 이상 탐지 모델은 정상 부품의 특성만 학습하고 다르게 보이는 모든 것을 감지하는데, 결함이 없을 경우 잘 작동합니다. 많은 솔루션이 위 두 가지 유형의 모델을 모두 활용합니다.

PLC와의 핸드셰이크

핸드셰이크 과정에서 카메라 시스템과 PLC는 몇 가지 간단한 신호를 교환합니다: 부품 위치, 트리거, 결과, 성공 또는 실패, 때로는 결함 코드. 결과와 이미지는 OPC UA 또는 Modbus TCP와 같은 표준화된 인터페이스를 사용해 MES로 전송되며, 이를 통해 일련 번호로 이미지를 찾을 수 있습니다. 우리의 개요는 산업 자동화 센서 기계의 다른 센서들 사이에서 비전이 어디에 위치하는지 설명합니다.

전기 조립 라인에서 AI 비전 검사의 위치

인공지능은 차단기와 접촉기 결함 감지 맥락에서 역할을 합니다. 아래 표는 사용할 수 있는 다양한 비전 검사 프로세스를 보여주며 AI, 규칙 또는 두 가지 모두로 수행하는 최적의 방법을 식별합니다. 추론 시간은 수십 밀리초로 다양하며, 스테이션 사이클 타임이 약 2~3.5초인 경우 여전히 허용됩니다. MCB 자동 조립 라인.

확인	발생할 수 있는 문제	규칙 또는 AI?	이유
리벳 존재 여부	리벳 누락 또는 반쯤 고정됨	먼저 규칙; 광택이 많이 변하면 AI 사용	존재 여부는 간단하지만 반사가 잘못된 거부를 유발함
접촉 위치 및 기울기	은 접촉부가 기울어지거나 중심에서 벗어남	위치는 규칙; 표면 손상은 AI	위치는 측정; 손상은 아님
핸들 및 극성	핸들 반전, 극 순서 오류	규칙	고정된 기하학, 명확한 패턴
레이저 마킹 및 OCR	문자 누락, 희미하거나 깨진 문자	손상된 마크는 AI OCR; 코드에는 규칙	AI는 부분적이거나 저대비 마크를 더 잘 처리함
하우징 균열 및 싱크 마크	성형 결함, 쇼트 샷, 색상 변화	일체 포함	결함은 모양과 위치가 다양함
단자 삽입	단자가 완전히 삽입되지 않음	규칙 또는 3D 측정	깊이는 치수임
라벨 및 설명서	잘못된 라벨, 누락된 설명서	규칙과 OCR	레시피와 일치 여부
용접 스패터 및 버	접촉부의 스패터, 용접 부품의 버	일체 포함	불규칙한 모양과 크기

벤롱의 자체 기계는 오늘날 이 표의 규칙 기반 측면을 사용합니다. MCB 다극 조립 기계, CCD 카메라가 측벽 정렬과 극 간격을 검사하고 리벳팅 전에 부품을 ±0.05 mm 이내로 위치시킵니다. MCB 자동 테스트 라인 케이스, 라벨 및 나사의 비전 검사가 포함됩니다. AI는 결함이 불규칙한 경우에 대부분 추가되며, 이 때문에 하우징, 마킹 및 용접이 목록 상단에 위치합니다.

비전이 판단해서는 안 되는 것

회로 차단기에는 육안으로 판단할 수 없는 심각한 결함이 있습니다:

순간 트립 시간 기술;
열 트립을 위한 정격 전류의 1.13배 및 1.45배 시간;
접촉 저항;
절연 강도;
RCCB 및 RCBO의 잔류 전류 트립 시간.

차단기는 완벽해 보일 수 있지만 여전히 늦게 트립할 수 있습니다. 언급된 특성의 테스트는 벤치에서 수행되며, 예를 들어 MCB 자기 트립 및 고전압 테스트 기계, 는 각 테스트된 기기에 대해 ±1 ms의 트립 시간을 계산합니다. 카메라는 부품의 외관을 감지하고, 전기 테스트는 제대로 작동하는지 결정합니다. 좋은 라인은 테스트 결과를 각 기기의 고유 일련 번호와 연결합니다.

예: MCB 라인의 한 카메라 스테이션

다음은 약 3초당 한 단위로 작동하는 차단기 라인에서 단일 AI 비전 스테이션이 작동하는 방식입니다. 시간은 이 종류의 스테이션에 대한 일반적인 수치이며, 사양이 아닙니다.

시간	발생하는 일
00초	차단기가 고정구에 도착하여 고정됩니다. 센서가 위치를 확인합니다.
05초	PLC가 트리거를 보냅니다. 스트로브 라이트가 점등되고 카메라가 몇 밀리초 동안 노출됩니다.
10–0.20초	이미지가 엣지 컴퓨터에 도달합니다. 모델이 리벳, 핸들, 마킹 및 하우징을 검사하고 각각에 대한 점수를 반환합니다.
25초	점수가 임계값과 비교되고, 합격 또는 불합격과 결함 코드가 PLC로 전송됩니다.
30초 이후	불합격 시 PLC가 차단기를 불량품 투입구로 보냅니다. 합격 시 다음 단계로 이동합니다.
병행하여	이미지, 점수 및 결과가 차단기의 일련 번호 아래 MES에 기록됩니다.

한 기계에서 다른 기계로 전환하는 과정에서 인공지능이 진정한 가치를 창출합니다. 차단기는 하루에 1P에서 4P 모델, B, C, D 모델 및 다양한 전류 등급 사이를 이동할 수 있습니다. 규칙 기반 비전에서는 전환 시 엔지니어가 관찰할 영역과 모델별 수치 한계를 업데이트해야 합니다. AI 비전에서는 제품군별로 모델이 별도로 학습되며, 기계 전환 레시피도 올바른 모델 선택에 사용됩니다.

새로운 변종이 등장하면 팀은 이미지를 수집하고 모델을 생성하며 운영 전에 확인해야 합니다. 복잡해 보이지만, 각 모델마다 한 번만 수행하면 되며, 차단기 변경 횟수와 무관합니다.

제조업체가 오늘날 AI 비전 검사를 사용하는 방법

몇 가지 공개 사례는 기술이 얼마나 확산되었는지와 한계를 보여줍니다.

Cognex 및 Keyence: 스마트 카메라의 AI

Cognex는 광학 문자 인식, 조립 검증 및 결함 감지를 위해 ViDi 딥러닝 기술을 사용하는 최신 In-Sight D900 산업용 스마트 카메라에 딥러닝 시스템을 통합했습니다. Cognex에 따르면 최신 In-Sight L38은 2차원 및 3차원 비전을 갖춘 AI를 통합했으며, 5-10개의 라벨이 지정된 이미지로도 구성할 수 있습니다. 반면, Keyence가 생산하는 IV4 카메라 시리즈는 부품 식별, 계수 및 문자 판독을 위한 AI 기능과 최적의 이미징을 위한 권장 사항을 포함합니다. 미래는 명확합니다: 카메라에 AI 통합은 현실입니다.

Siemens: AI 검사 올인원 박스

2024년에 Siemens는 카메라, 광원, 렌즈 및 소프트웨어를 포함하는 단일 유닛으로 AI 기반 시각 검사를 제공하는 독일 회사 Inspekto를 인수했습니다. 시스템 훈련에는 약 20-30장의 양품 이미지가 필요하며, 설치는 통합 작업 없이 운영자가 직접 완료할 수 있습니다. Siemens가 수행한 참조 프로젝트에서는 AI 기술로 스탬프 부품의 수동 평가를 대체하여 수동 검사 횟수를 최대 80%까지 줄였습니다.

BMW와 라이트하우스 공장

BMW의 AIQX 시스템은 조립 라인에 배치된 카메라를 통해 변형 및 완전성 검사를 수행하며, 실시간으로 이상을 발견하고 운영자에게 즉각적인 피드백을 제공합니다. 또한 세계경제포럼의 최신 글로벌 라이트하우스 목록에 언급된 Rockwell Automation의 싱가포르 공장은 AI 품질 관리 시스템 덕분에 결함을 35% 감소시켰다고 보고했습니다. 우리의 가이드는 공장 라이트하우스 사례 Siemens, Schneider Electric 및 Eaton 공장에서 시각 검사가 더 넓은 데이터 루프에 어떻게 적합한지 보여줍니다.

Foxconn과 전자 제조: 이것이 AOI입니다

Foxconn Industrial Internet과 Wistron은 회로 기판의 자동 평가를 위해 Nvidia의 Metropolis 비전 AI 시스템을 도입하고 있습니다. 이 인상적인 적용 사례는 회로 기판 평가에만 국한됩니다. 접점, 고정구 및 커넥터와 같은 다른 요소의 검사는 특정 조명 시스템과 고유 모델 개발이 필요합니다.

자동차 산업이 규칙을 작성하다: AIAG CQI-38

2026년 6월, AIAG는 시각 검사 기술 및 응용 평가를 위한 CQI-38 가이드라인을 발표했습니다. 이 문서는 OEM, 공급업체 및 제조업체에 AI 기반 시각 검사 시스템에 대한 표준 평가 절차를 제공합니다. 저전압 제조업체는 CQI-38 사용 의무는 없지만, 기술 검증을 위한 예방 조치는 시각 AI 기술 평가에 관여하는 모든 사람에게 유용합니다.

6개월 파일럿 없이 AI 비전 검사 배포하기

AI 비전 파일럿 프로그램이 수개월 동안 연장될 때 실패하는 일반적인 이유가 있습니다. 다음 목록은 이를 방지하는 데 도움이 됩니다.

처음에는 한 가지 결함에만 집중하세요. 처음부터 비전 기술을 생산 라인에 적용하기보다는, 예를 들어 인쇄 누락이나 손상된 하우징처럼 오늘날 재정적 손실을 초래하는 결함을 선택하세요.
사진을 촬영하기 전에 올바른 조명과 부품 위치를 제공하세요. 모델의 학습 과정에서 조명과 부품 움직임은 결함이 아닌 노이즈를 발생시킵니다.
여러 품질 이미지를 수집하고 결함 유형을 구분하세요. 드문 유형의 결함을 다룰 때는 한 달에 두 번 발생하는 결함 사진 500장을 가장하는 것보다 이상 탐지를 계속하는 것이 효과적입니다.
장치에서 거짓 거부와 누락 수를 비교하세요. 데모 모델을 사용한 공급업체의 99% 수치는 조명이 다른 상태에서 하우징을 검사하면 아무 의미가 없습니다.
엣지에서 추론을 수행하고 작업 사이클 시간 내에 완료하세요. 클라우드와 서버는 이미지 저장과 모델 재학습에만 사용됩니다.
섀도우 모드를 사용하여 입력을 기록하고 점수를 매기되, 이 단계에서는 어떤 판독도 거부하지 마세요. 이 모드는 시스템 사용 시작 전에 AI 결론과 검사자 통찰력의 비율을 추정할 수 있게 합니다.
생산 라인을 변경하거나 다른 유형의 장치를 생산할 경우 매번 재검증하세요.

거짓 거부: 라인이 카메라를 유지할지 결정하는 수치

두 가지 값은 팸플릿에 언급된 어떤 정확도 값보다 훨씬 중요합니다. 누락률은 카메라가 허용한 결함 있는 품목 수를 나타내고, 거짓 거부율은 결함 없는 제품을 폐기한 수를 알려줍니다.

상황을 명확히 하기 위해 실제 상황에서 가져온 것이 아닌 예를 살펴보겠습니다. 한 생산 라인이 10,000개의 서킷 브레이커를 생산하며, 그 중 50개 부품에 표면 결함이 있습니다.

	설정 A: 엄격한 임계값	설정 B: 완화된 임계값
잡힌 결함 있는 브레이커	50개 중 49개 (98% 재현율)	50개 중 46개 (92% 재현율)
놓친 결함 있는 브레이커	1	4
거부된 정상 브레이커	150개 (1.5% 거짓 거부율)	20개 (0.2% 거짓 거부율)
실제로 결함인 거부 비율	199개 중 49개, 약 25% 정밀도	66개 중 46개, 약 70% 정밀도

설정 A는 모든 결함을 잡은 것처럼 보이지만, 거부된 브레이커 4개 중 3개는 완벽히 정상입니다. 반면 설정 B는 운영자들로부터 좋은 평가를 받고 4개의 결함 있는 브레이커가 통과합니다.

두 시나리오의 함의는 대칭적이지 않습니다. 단락을 일으킬 수 있는 단일 결함 차단기를 유지하는 것은 여러 개의 정상 제품을 폐기하는 것보다 훨씬 비용이 많이 듭니다. 그러나 오거부율이 너무 높으면 운영자는 카메라를 신뢰하지 않게 되고, 검사 없이 거부된 부품을 다시 투입하기 시작하며 결국 카메라를 끄게 됩니다. 따라서 시스템을 성공적으로 출시하기 위한 황금률은 차이를 만드는 결함에 대한 거부율을 보호하고, 이후 더 나은 조명 설치, 더 많은 학습 이미지, 각 결함 유형에 대한 다른 임계값을 통해 오거부율을 개선하는 것입니다.

AI 비전, PLC, MES 및 나머지 라인

비전 스테이션은 자동화 스택의 한 구성 요소로, 카메라를 통해 의사결정을 돕고 PLC가 그 결정을 실행하며 MES가 이미지와 그 결과를 전기 테스트 결과와 관련된 일련 번호와 함께 보관하여 생산 공정의 연속 단계에서 생성된 유용한 정보를 얻을 수 있게 합니다. 단순히 데이터를 저장하는 것이 아닙니다：

• 스테이션을 구축하기 전에, 생산 라인의 디지털 트윈 카메라가 사이클 타임에 적합한지, 고정구나 그리퍼가 시야를 가리는지 여부를 보여줄 수 있습니다.
• 결함률이 변동하기 시작할 때, 에이전틱 AI 누가 또는 무엇이 샘플링을 확대하거나 라인을 중단할지 결정하는지를 다룹니다.
• 비전은 또한 제조에서의 물리적 AI, 기계가 보고 닫힌 루프에서 작업을 조정하는.
• 감각 중 하나입니다. 무인 생산은 더 이상 스테이션에 사람이 필요 없는 검사를 기반으로 하며, 이것이 모든 진정한 다크 팩토리가.

인라인 검사와 자동 분류에 의존하는 이유입니다.

비용과 대체하지 않는 것.

이 지점에서는 시장 규모를 제공하지 않을 것입니다. 이는 귀하의 시장과 관련이 없기 때문입니다. 중요한 것은 총 비용이 어디에 쓰이는가입니다. 카메라와 조명은 비용의 작은 부분이며, 더 큰 부분은 고정구 및 조명에 사용되는 엔지니어링, 이미지 촬영 및 라벨링, 검증, 그리고 출시 중 오거부로 인해 라인이 중단될 경우 생산 시간 낭비입니다.

자주 묻는 질문

또한 무엇에 비용을 지불하는지 아는 것이 중요합니다. 예를 들어, 전용 기계의 일부로 제작된 비전 스테이션은 AI 기반 검사 소프트웨어 라이선스와 다릅니다. 첫 번째는 귀하의 특정 부품에 최적화된 고정구, 조명, PLC 제어 및 MES를 포함합니다. 두 번째 옵션은 도구 키트만 제공하며 통합 작업은 귀하에게 맡깁니다.

AI 비전 검사는 무엇인가요?.

AI 비전 검사는 검사 중 부품의 사진을 촬영하는 카메라가 장착된 기계가 수행하는 시각 검사 유형으로 정의됩니다. 그런 다음 해당 사진은 결함 부품과 정상 부품의 이미지로 학습된 심층 신경망에 의해 분석됩니다. AI 비전 검사는 긁힘, 균열, 자국, 용접 스패터와 같이 모양과 위치가 다양한 결함을 감지하는 데 유용합니다.

규칙 기반 수준에서 작동하는 머신 비전은 엔지니어가 프로그래밍한 규칙을 따릅니다. 예를 들어, 가장자리 길이를 측정하거나 특정 크기의 블롭 존재 여부를 확인하는 것과 같습니다. AI 비전은 주어진 예제로부터 학습합니다. 규칙 기반 비전은 정밀한 측정, 존재 확인 및 코드 판독에 더 적합한 반면, AI 비전은 매번 다르게 보이는 결함을 처리할 수 있습니다. 대부분의 생산 라인은 두 가지 유형의 비전을 모두 사용합니다.

AI 비전이 AOI를 대체할 수 있나요?

일반적으로 그렇지 않습니다. AOI 기계는 인쇄 회로 기판용으로 제작되었으며, 납땜 접합부와 부품을 감지하기 위한 내장 조명, 프로그래밍 및 라이브러리를 갖추고 있습니다. AI가 오경보를 피하기 위해 AOI에 더 자주 적용되는 추세 중 하나이지만, 회로 차단기와 같은 기계용으로 개발된 AI 비전 시스템은 PC의 AOI 대신 사용할 수 있으며, 그 반대도 가능합니다.

AI 비전 검사 시스템을 학습시키려면 몇 장의 이미지가 필요합니까?

이는 일반적으로 결함 유형과 이를 감지하는 데 사용되는 방법에 따라 결정됩니다. 일부 공급업체는 시작하기 위한 최소량을 제안하는 반면, Siemens Inspekto는 양품 부품의 이미지 20~30장 정도를 권장하며, Cognex는 In-Sight L38을 사용하여 작업당 5~10장의 라벨이 지정된 이미지만 필요로 합니다. 그러나 대부분의 경우 신뢰할 수 있는 생산 모델은 안정적인 조명 조건에서 수백 장의 “양품” 이미지와 각 결함 유형의 예시가 필요합니다.

비전 검사에서 오거부(false reject)란 무엇입니까?

오거부는 실제로 양호한 부품을 거부하는 것을 의미합니다. 오거부 비율은 단순히 거부된 양품 부품의 비율입니다. 이는 중요합니다. 왜냐하면 오거부가 발생할 때마다 재료 손실뿐만 아니라 재작업 시간이 소요되고, 비율이 너무 높으면 작업자가 시스템에 대한 신뢰를 잃고 무시할 수 있기 때문입니다.

AI 비전 검사가 회로 차단기 조립에 적용되나요?

실제로 레이저 마킹은 하우징 손상 및 수축 문제 영역을 포함한 시각 검사에 사용할 수 있습니다. 그러나 이는 전기 테스트를 대체하지 않으며, 따라서 트립 곡선, 접촉 저항, 절연 강도 및 잔류 전류 트립 시간은 시각 및 전기 데이터가 동일한 일련 번호로 관리되는 테스트 벤치에서 측정해야 합니다.

결론

머신 비전은 모든 이전 기술을 대체하지 않습니다. 측정 장치 및 코드 판독기와 같은 것들이 여전히 존재합니다. 테스트 벤치는 회로 차단기가 적시에 열리는지 여부를 결정합니다. AI는 매번 변하는 패턴의 결함을 평가할 수 있는 능력을 제공하며, 기술이 변경되어도 인간 운영자가 규칙을 다시 작성할 필요 없이 평가를 유지합니다.

머신 비전 기술로부터 이익을 얻는 회사들은 조명을 고정하거나 실제로 얼마나 많은 거부 항목이 잘못되었는지 이해하려는 정직한 시도와 함께 모든 사진을 일련 번호에 연결하는 간단한 것부터 시작합니다.

참고 자료

• 비전 시스템 설계 – Cognex에서 출시한 딥러닝 기반 스마트 카메라 (In-Sight D900)
• Cognex In-Sight L38 AI 기반 3D 비전 시스템 – 작업당 5~10개의 라벨이 지정된 이미지로 예제 기반 학습.
• Keyence – AI 내장 IV4 시리즈 비전 센서
• 비전 시스템 설계 – Siemens, 자동화된 시각 검사 스타트업 Inspekto 인수 (2024)
• Siemens – 인공지능을 활용한 확장 가능한 시각 품질 검사 (참고 프로젝트)
• BMW 그룹 – AI가 생산을 혁신하는 방법 (AIQX)
• Nvidia – 전자 제조업체들이 공장용 Metropolis 채택 (2023)
• 세계경제포럼 – 새로운 글로벌 라이트하우스 사이트 (2026년 6월)
• AIAG – 특수 공정 평가 및 CQI-38 AI 비전 검사 적용 및 평가 지침 (2026년 6월)

모든 차단기에 시각 검사와 전기 검사를 원하십니까?

MCB, MCCB, RCCB 또는 접촉기를 제조하며 모든 제품에 대한 시각 및 전기 검사가 필요하다면, 제품 샘플, 필요한 결과 명세서 및 현재 검사 방법에 대한 간단한 설명을 보내주십시오. 당사의 엔지니어가 규칙 기반 비전으로 개발 가능한 검사, AI의 도움으로 가능한 검사, 테스트 벤치에서 수행 가능한 검사 및 이를 MES와 연결하는 방법을 결정할 것입니다.

무료 라인 평가 요청 →