얼룩, 찍힘, 스크래치, 이물처럼 불량의 모양이 매번 달라진다면 임계값이나 패턴 매칭만으로 기준을 잡기가 까다로워집니다. 사람이 이미지를 보고 정상과 불량을 구분할 수 있는데 이를 수치나 규칙으로 설명하기 어렵다면 AI·딥러닝 검사를 한 번 검토해볼 만합니다.
정상·불량 이미지가 어느 정도 준비되어 있다면 샘플 테스트부터 시작해보세요. 실제 생산 Variation까지 포함해 학습했을 때 원하는 수준으로 구분되는지 먼저 확인해드리겠습니다.
비전검사기는 카메라와 AI 프로그램만으로 완성되지 않습니다. 렌즈와 조명, 트리거, 검사 PC 또는 컨트롤러, PLC·MES 통신까지 실제 설비 안에서 함께 맞아야 합니다.
그중에서도 먼저 볼 것은 이미지입니다. 불량이 카메라에 제대로 보이지 않는 상태에서 알고리즘만 바꿔서는 한계가 있습니다. 제품을 보여주시면 어떤 조명과 렌즈로 특징을 살릴 수 있을지부터 같이 살펴보겠습니다.
처음부터 가장 비싼 카메라와 GPU를 넣을 필요는 없습니다. 어느 크기의 불량까지 찾아야 하는지, 얼마나 빠르게 검사해야 하는지, 어떤 데이터를 남겨야 하는지부터 알려주세요.
필요한 성능과 굳이 넣지 않아도 되는 사양을 구분해보고, 예산 안에서 어디까지 구현할 수 있을지 같이 맞춰보겠습니다. 처음에는 필요한 기능부터 시작하고 이후 검사 항목을 늘리는 방식도 검토할 수 있습니다.
AI는 학습 이미지를 많이 넣는다고 무조건 좋아지는 방식은 아닙니다. 실제 생산에서 생기는 정상적인 편차와 불량이 학습 데이터에 들어 있는지 먼저 봐야 합니다.
제품 위치가 계속 달라지는지, 조명 반사가 심한지, 불량 자체가 카메라에서 충분히 보이는지, 현재 라인 속도 안에서 처리할 수 있는지도 같이 확인해봐야 합니다.
특히 금속, 필름, 유리, 비닐처럼 반사가 강한 제품은 AI보다 조명이 먼저일 때가 많습니다. 같은 불량도 조명 방향이나 편광 조건에 따라 전혀 다른 이미지로 보일 수 있기 때문입니다.
샘플 한 장에서 불량을 찾는 것과 실제 생산라인에 올리는 것은 다른 문제입니다. 검사가 끝난 뒤 PLC에 어떤 신호를 줄지, NG 제품을 어떻게 처리할지, 이미지를 어디에 저장할지, MES에는 어떤 데이터를 보낼지도 미리 정해야 합니다.
현재 사용 중인 설비가 있다면 그 조건을 알려주세요. 기존 장비를 최대한 활용하면서 어느 부분까지 연동해야 할지 함께 정리해드리겠습니다.
Hikrobot AI Vision
AI 검사가 필요하다고 처음부터 가장 높은 사양의 시스템을 선택할 필요는 없습니다. 검사 난이도와 처리속도, 필요한 AI 기능을 알려주세요. Cognex뿐 아니라 Hikrobot 스마트카메라와 VisionMaster를 활용한 구성까지 함께 비교해보고, 필요한 성능을 확보하면서 투자비를 줄일 방법도 찾아보겠습니다.
어느 브랜드가 더 좋다고 먼저 정해둘 이유는 없습니다. Cognex가 맞는지, Hikrobot으로도 필요한 AI 기능을 충분히 구현할 수 있는지 검사 샘플부터 비교해보세요. 가격만 보고 장비를 정하지 않고 현장 요구사항까지 같이 살펴보겠습니다.
AI가 꼭 필요한지, Rule-Based 검사로 충분한지도 먼저 확인합니다. 검사 조건을 기준으로 Cognex와 하이크로봇(Hikrobot) 가운데 맞는 방향을 함께 검토해보세요.
Hikrobot 머신비전 자세히 보기스마트카메라 기반으로 AI 검사를 구성할 때 검토할 수 있는 제품군
Classification · Detection · Segmentation · AI OCR와 Rule-Based Vision을 한 흐름에서 구성하는 비전 플랫폼
형태가 일정하지 않은 외관 불량, 분류와 영역 분할처럼 규칙으로 정리하기 어려운 검사에 적용
비교적 단순한 분류나 현장에서 빠른 학습과 적용이 필요한 검사에서 함께 검토하는 방식
카메라 기반 검사 결과를 Trigger · PLC · I/O와 연결하고 필요한 경우 MES 흐름까지 검토
검사하려는 제품과 정상·불량 샘플을 보여주세요. 목표 택타임과 설치 공간까지 알려주시면 현재 조건에서 AI 검사가 맞는지, 어떤 카메라와 광학 구성이 필요한지부터 같이 확인해보겠습니다.
프로젝트 문의하기