식음료 포대 생산일자 AI OCR 시스템 사례

05 · Inspection

다른 업체도 해결하지 못했던 프로젝트

이번 프로젝트는 이미 다른 업체에서 자동화를 시도했지만 실패한 사례였습니다.

기존 방식은 일정한 기준 패턴을 찾은 후 OCR을 수행하는 구조였지만,

포대는 재질 특성상 계속 구겨지고 변형되기 때문에

기준이 되는 패턴을 안정적으로 찾을 수 없었습니다.

결국 문자 위치가 계속 달라지고 OCR 정확도가 떨어져 실제 생산라인에서는 사용할 수 없는 수준이었습니다.

06 · Inspection

ASPEC이 제안한 솔루션

현장을 확인한 후 가장 먼저 판단한 것은

"패턴을 찾는 것이 아니라 글자를 먼저 찾아야 한다."

였습니다.

포대는 일정한 형태를 유지하지 못하기 때문에

Fixture를 기준으로 검사하는 방식보다

AI가 문자 자체를 찾아주는 방식이 훨씬 적합하다고 판단하였습니다.

09 · Inspection

AI OCR도 학습이 중요합니다

AI OCR은 매우 뛰어난 기술이지만,

학습되지 않은 문자나 숫자는 정확도가 낮아질 수 있습니다.

이번 프로젝트에서는

생산에 사용되는

숫자

문자

날짜 형식

등을 충분히 학습시켜

실제 생산라인에서도 높은 인식률을 확보할 수 있었습니다.

10 · Inspection

합리적인 비용으로 구축

이번 프로젝트는 단순히 기술적으로 어려운 프로젝트를 해결한 것뿐만 아니라

기존 제안 업체 대비 약 절반 수준의 비용으로 구축하였습니다.

ASPEC은 무조건 고가의 장비를 제안하기보다

고객의 생산 환경에 가장 적합한 솔루션을 설계하여

성능과 비용을 함께 만족하는 시스템을 구축하는 것을 중요하게 생각합니다.

11 · Inspection

이번 프로젝트를 통해 고객이 얻은 효과

이번 시스템 구축으로 고객사는 다음과 같은 효과를 얻을 수 있었습니다.

✔ 포대 생산일자 자동 OCR 검사

✔ 작업자의 육안 검사 최소화

✔ 다른 업체가 해결하지 못한 프로젝트 성공

✔ AI 기반 문자 위치 자동 검출

✔ AI OCR 적용

✔ 꾸겨진 포대에서도 안정적인 문자 인식

✔ 휴먼에러 감소

✔ 생산성 향상

✔ 합리적인 구축 비용

✔ 품질 관리 신뢰성 향상

12 · Inspection

ASPEC의 생각

OCR 프로젝트는 단순히 문자를 읽는 기술이 아닙니다.

제품의 재질,

문자의 인쇄 방식,

제품 변형,

위치 편차,

광학 조건까지 모두 고려해야만 실제 생산라인에서 사용할 수 있는 시스템이 됩니다.

이번 프로젝트는

기존 방식으로 해결하지 못했던 문제를

AI 기반 문자 위치 검출과 AI OCR을 조합하여 성공적으로 구축한 대표적인 사례였습니다.

ASPEC은 자동차, 제약·바이오, 식품, 화학, 전자부품 등 다양한 산업 분야에서 AI OCR과 머신비전 시스템을 구축하며 축적한 경험을 바탕으로 고객의 생산 환경에 가장 적합한 자동화 솔루션을 제안하고 있습니다.