매일안전신문 - F&B 산업을 위한 딥러닝 기반 솔루션...제품 리콜 예방

[매일안전신문] 머신 비전과 딥러닝

머신 비전에서 가장 중요한 과정 중 하나는 영상 데이터로부터 필요한 정보를 추출하는 것인데, 그러기 위해서는 알고리즘이 필요하다. 그러나 복잡한 영상 데이터에 규칙기반(rule-based) 알고리즘을 적용하기는 쉽지 않다. 그렇기에 최대한 제어된 환경에서 영상을 촬영하고, 환경에 맞는 특징 추출 알고리즘을 사람이 설계하곤 한다.

이를 극복하기 위해 다양한 특징 추출 알고리즘이 등장했지만, 대부분의 현장에서는 여전히 알고리즘을 조금씩 수정하고 실험하는 과정을 반복하는 등 알고리즘의 재사용성이 매우 떨어진다. 이때 머신 비전이 직면한 이런 문제는 딥러닝을 통해 해결할 수 있다.

-딥러닝 도입의 어려움과 문제 해결

딥러닝을 기존 머신 비전 시스템에 도입하기 위해서는 교육과 채용, 연구개발을 위한 시간 그리고 제품 적용에 필요한 테스트와 최적화가 필요하다.

딥러닝을 도입하는 과정은 데이터 수집 및 관리, 데이터 레이블링, 모델 설계 및 실험, 그리고 제품 적용으로 이루어진다. 이 과정에서 교육, 채용, 환경 구축 및 개발에 많은 비용과 시간을 필요로 한다. 이런 점들이 많은 기업들의 기술 도입 의지를 저해한다.

하지만 하나의 솔루션으로서 딥러닝 도입 시 공통적으로 필요한 부분을 제공하고, 최소한의 이해만으로 바로 사용할 수 있도록 추상화한다면 앞선 문제들을 상당 부분 해결할 수 있다.

-F&B 산업에서의 딥러닝 기반 솔루션 – 포장 조립 및 키트 구성 검사

F&B 산업에서 CPG(포장 소비재), 식음료, 제약, 의료기기 산업의 포장 검사 애플리케이션은 제품 품질과 안전을 보장하는 중요한 역할을 한다. 결함이 있는 포장은 제품 품질 안전, 가치에 대한 유통업체 및 소비자의 인식에 부정적인 영향을 미치거나, 제품 리콜을 야기할 수 있기 때문이다.

인더스트리 4.0은 제조에 더 높은 수준의 자동화 및 데이터 교환 기술을 통합하여 포장 애플리케이션 문제를 해결한다. 머신 비전, 딥러닝, 바코드 판독, 바코드 검증 기술의 조합은 내포장 및 외포장의 씰링, 밀봉, 위변조 방치 처리 및 조립에서 결함이 없음을 보증하는 데 도움을 준다.

특정 포장 애플리케이션에서는 최종 조립품의 품질을 보장하기 위해 육안 검사가 반드시 필요하다. 제품의 시각적 변형은 자동화된 검사 시스템에 복잡한 문제를 유발할 수 있기 때문이다. 검사 시스템은 올바른 제품, 장치 또는 식품이 보장의 올바른 위치에 있는지 식별할 수 있어야 한다.

특히, 검사 시스템이 포장 방향이 서로 다르고 표면이 반사되며 기하학적으로 복잡한 구조의 다양한 사전 조립 품목을 식별하고 개수를 파악하며 분류할 수 있어야 하는 포장 소비재와 의료기기 키트 구성 애플리케이션에서 이는 중요한 문제다.

딥러닝 솔루션은 하나의 이미지에 포함된 다양한 특징들을 찾아내고 식별하고 분류하는 일련의 작업을 자동화해준다. <그림 1>처럼 크기, 모양, 표면 특징 등을 기준으로 다양한 품목의 독특한 특징을 일반화하여, 사용자가 부품 위치 및 조립 검증 툴을 학습시켜 찾아야 하는 각 유형의 품목을 찾아낼 수 있게 해준다.

일단 학습된 이미지는 여려 영역으로 나뉘는데 툴은 이를 이용하여 품목이 있는지, 만약 있다면 적절한 종류의 품목인지 확인한다. 또한, 단일 라인에 변형 포장이 있을 경우를 대비해 여러 개의 구성을 생성할 수도 있다.

[저작권자ⓒ 매일안전신문. 무단전재-재배포 금지]