코그넥스, 중국 및 대만 부품 기업에 전자 부품 외관 결함 검사 자동화 위해 딥러닝 기반 이미지 분석 솔루션 ‘비전프로 딥러닝(VisionPro Deep Learning)’ 공급
2021년 03월 16일
트위터로 보내기페이스북으로 보내기구글플러스로 보내기

코그넥스(www.cognex.com, 대표이사 Robert Willet)는 중국 Superstar Automation과 대만 FIT홍텅에 전자 부품의 외관 결함 검사 자동화를 위해 딥러닝 기반 이미지 분석 소프트웨어인 ‘비전프로 딥러닝(VisionPro Deep Learning)’을 공급했다고 밝혔다. 

 

소프트 팩 리튬 배터리를 생산하는 중국 Superstar Automation(이하 Superstar, http://www.superstar-auto.com/)과 정밀 커넥터를 생산하는 대만 FIT홍텅(이하 FIT, http://www.fit-foxconn.com)은 코그넥스의 ‘비전프로 딥러닝’을 현장에 도입해 제품의 외관 결함 검사 자동화를 실현했다. 

 

코그넥스가 외관 결함 검사 자동화를 위해 공급한 ‘비전프로 딥러닝(VisionPro Deep Learning)’은 공장 자동화 전용으로 개발된 최초의 딥러닝 기반 이미지 분석 소프트웨어로 자동화 시스템의 정확성, 반복 정확성, 빠른 처리 속도가 결합되어 제조업계에서 지금까지 자동화하기 어려웠던 작업들을 가능하게 한다. 기존 비전프로의 핵심 기능인 위치, 검사, 분류 툴에 딥러닝 기반의 광학식 문자 인식을 추가로 지원해 복잡한 글꼴 학습 훈련을 거치지 않아도 표준 텍스트를 판독할 수 있다. 또한 구축하기 쉬운 하나의 인터페이스에 육안 검사의 정교함과 유연성 그리고 컴퓨터 시스템의 기능과 반복성, 신뢰성을 모두 결합해 기존 머신비전의 한계를 뛰어넘고 산업 자동화의 미래를 가져올 수 있는 획기적인 검사 시스템이다. 

 

b0f7a4fb814b6e35d5be05bda38d0bec_1615829561_4953.jpg

[그림1. 코그넥스의 ‘비전프로 딥러닝(VisionPro Deep Learning)’를 이용한 결함 검사] 

 

중국 Superstar Automation, 외관 검사 자동화로 제품 품질 보증 - 소프트 팩 리튬 배터리의 안전성 확보: 소프트 팩 리튬 배터리는 알루미늄 플라스틱 필름 외장재를 사용하는데, 부드러운 재질로 인해 손상이 쉬워 생산 과정에서 일부 외관 결함의 발생 가능성이 존재했다. 만약 외관 결함으로 배터리 내부 전해액이 누출될 경우, 화재 등 안전사고를 초래할 수 있어 안전성에 심각한 위협이 되기 때문에 외관 검사 기술 수준은 곧 제품의 품질에 직결되는 중요한 요소였다. 하지만 업계에서는 효율과 정확도가 낮은 기존의 육안 검사 방식을 사용하고 있었다. 

 

b0f7a4fb814b6e35d5be05bda38d0bec_1615829519_3752.jpg

[그림2. Superstar 소프트 팩 리튬 배터리 외관 검사 자동화에 도입된 ‘비전프로 딥러닝(VisionPro Deep Learning)’] 

 

배터리 관련 장비의 연구 개발 및 설계에 주력하는 스마트 솔루션 공급업체인 중국 Superstar Automation은 소프트 팩 리튬 배터리 외관 검사의 신속한 자동화를 필요로 하고 있었고, 코그넥스는 Superstar에 필요한 사항을 파악한 후 딥러닝 비전 소프트웨어인 비전프로 딥러닝의 도입을 제안했다. 딥러닝 기술과 코그넥스 비전프로 소프트웨어를 결합해 기존의 일반 머신비전으로 수행할 수 없었던 복잡한 검사 문제를 해결하는 비전프로 딥러닝은 Superstar의 자동화 엔지니어링 소프트웨어의 요구사항을 완벽히 충족하며 현장 테스트에서 소프트 팩 리튬 배터리 표면 결함 검사 문제를 순조롭게 해결해냈다. 

 

코그넥스와 정식 파트너십을 맺고 2년이 지난 현재 Superstar 현장에서는 약 40여 대의 검사 장비가 양산되어 운행 중이며, 스마트폰용 소프트 팩 리튬 배터리 결함 검사 자동화를 세계 최초로 실현한 회사가 되었다. Superstar는 소프트 팩 리튬 배터리 외관 검사의 성공적인 자동화로 새로운 시장 기회를 확보하고, 투자 프로젝트의 성과와 효율이 대폭 개선되었으며 풍부한 투자 수익까지 얻게 되었다. 이에 Superstar는 현재 코그넥스와의 두 번째 협업을 준비하고 있다. 

 

대만의 FIT홍텅, 커넥터 외관 결함 검사 무인화 달성 –검사 오류를 최소화시켜 생산 비용 대폭 절감: 응용 분야의 급속한 발전과 시장 규모의 확대에 따라 더욱 작고 세밀하면서도 완벽에 가까운 정밀 커넥터의 수요가 늘어나고 있는데, 정밀 커넥터는 결함의 종류와 형태가 많아 제어할 매개변수가 많고 테스트 요구사항이 복잡하며 번거로운 편이다. 정밀 커넥터 외관 결함 검사는 품질 검사원에 의존해 육안 검사 또는 반자동 검사로 진행되고 있었는데, 상대적으로 단순한 외관 검사는 육안 검사로 수행할 수 있었지만 매우 복잡하고 정밀한 외관 검사 조건을 성공적으로 수행하기에는 기술적으로 부족함이 많았다. 

 

b0f7a4fb814b6e35d5be05bda38d0bec_1615829478_5198.jpg

[그림3. 전자 현미경과 육안으로 외관의 결함을 검사하는 기존 방식] 

 

이에 대만 훙하이정밀공업(폭스콘)의 자회사이며 정밀 커넥터를 생산하는 대만의 FIT홍텅은 검사 난제를 해결하고 공장 자동화 생산 수준을 높이기 위해 딥러닝 알고리즘에 기반한 AI 검사 기술 도입을 결정하고 오랜 기간 협력하고 있던 코그넥스에 도움을 요청했다. 

 

코그넥스의 비전프로 딥러닝의 알고리즘은 산업용 이미지 분석에 최적화되어 있어서 적은 양의 결함 이미지 샘플과 짧은 라벨링 훈련 시간으로 검증을 완료할 수 있으며, FIT의 자동화 생산 라인 검사 요구사항에 가장 적합한 솔루션이었다. 또한 프로그램이 무겁고 사용이 복잡하거나 비용이 많이 드는 기존 머신비전의 문제를 순조롭게 해결할 수 있으며, 유연한 그래픽 프로그래밍 환경을 제공해 고객 맞춤형 딥러닝 솔루션을 구축할 수 있었다. 

 

코그넥스는 대면 기술 교육, 프로젝트 개발 협력에서부터 장비 사용 등 모든 프로세스에 걸쳐 지원을 아끼지 않았으며, 여러 커넥터 터미널 시장의 다양한 발전 추세를 파악할 수 있도록 혁신 기술에 대한 지원을 지속적으로 제공하고 있다. 

 

b0f7a4fb814b6e35d5be05bda38d0bec_1615829424_4173.jpg

[그림4. 비전프로 딥러닝으로 진행하는 FIT 정밀 커넥터의 오염 유무 검사] 

 

현재 FIT는 자동화 결함 검사 장비에 코그넥스 비전프로 딥러닝 60여 세트를 배포한 상태이며, 실제 운행에서 우수한 성능을 보이고 있다. 검사 누락률은 0.1% 미만, 과실률은 1~2% 미만으로 제어되고 있으며, 작업자 별 판단 차이 등과 같은 문제가 크게 줄어 인적 요인으로 인한 검사 문제가 거의 사라진 상태로 검사 정확도가 크게 상승했다. 더 객관적이고 안정적인 검사 결과로 인해 생산 비용도 크게 절감되었으며, FIT의 정밀 커넥터는 각종 복잡한 애플리케이션 과제에도 대처할 수 있게 되었다.

 

b0f7a4fb814b6e35d5be05bda38d0bec_1615829387_7732.jpg

[그림5. 비전프로 딥러닝이 도입된 FIT 자동 라인 외관 검사 장비] 

 

FIT 우바이한 과장은 "세계 최초로 머신비전 영역에 발을 들인 코그넥스는 풍부한 딥러닝 배포 경험을 갖추고 있으며, 고객의 요구사항을 깊이 이해하고 적용상의 문제점을 능숙하게 해결하는 이상적인 파트너다”라고 말하며, “앞으로도 FIT는 코그넥스의 ‘VPro 딥러닝’을 도입해 외관 결함 검사의 무인화를 완벽하게 실현할 것이며, 코그넥스와 긴밀한 협력을 유지할 것이다."라고 밝혔다. 

 

코그넥스코리아 문응진 대표는 “코그넥스의 ‘비전프로 딥러닝(VisionPro Deep Learning)’은 최첨단 딥러닝 알고리즘을 토대로 현장 테스트를 거쳐 최적화된 소프트웨어 솔루션으로, 기존 머신비전 시스템보다 훨씬 간단하고 효율적이며 고객이 원하는 기술 요구사항을 완전히 충족 시킬 수 있다”라고 말하며, “앞으로도 코그넥스는 지속적인 소통과 이해를 바탕으로 더욱 완벽한 제품 라인, 더욱 안정적인 성능, 더욱 전문적인 서비스를 제공해 고객의 비용을 절감하고 상호 이익을 달성할 수 있도록 지원할 계획이다.“라고 밝혔다.

그래픽 / 영상
많이 본 뉴스