지식 센터
목차

산업용 카메라 해상도가 AI 검사에 미치는 영향

산업용 카메라 해상도는 높을수록 좋은 것이 아니다. AI 검사가 얼마나 작은 결함을 볼 수 있는지를 정하는 동시에 연산 비용과 택트 압박을 직접 높인다. 선정의 핵심은 최소 결함이 이미지에서 충분한 픽셀을 차지하게 만드는 것이며, 흔히 결함의 단변이 최소 3~5픽셀을 덮도록 권장하고, 그다음 카메라 해상도와 렌즈 시야를 역산한다.

1. 산업용 카메라 해상도가 AI 검사에서 실제로 해결하는 것

해상도는 본질적으로 공간 샘플링 밀도이다. 같은 시야에서 픽셀이 많을수록 각 픽셀이 나타내는 물리적 크기가 작아지고 AI 모델이 더 미세한 질감과 에지 정보를 받는다. 해상도는 결함을 볼 수 있는가의 문제를 해결하지, 정확히 판정할 수 있는가의 전체 문제를 해결하지 않는다. 폭 0.05밀리미터의 스크래치를 예로 들면, 촬상 후 단 1픽셀만 차지한다면 어떤 알고리즘도 노이즈와 안정적으로 구분할 수 없다. 4픽셀 이상을 덮으면 비로소 분류와 위치 파악에 물리적 근거가 생긴다.

2. 해상도와 AI 검사 정확도의 기술적 관계

업계의 일반적 추정으로 검사 정확도는 대략 시야를 픽셀 수로 나눈 값에 서브픽셀 계수를 곱한 것과 같다. 시야가 100밀리미터이고 카메라가 500만 화소(약 2456 x 2058)라면 1픽셀은 약 0.04밀리미터이며, 3픽셀을 차지하는 결함인 약 0.12밀리미터는 안정적으로 촬상될 수 있다. 흔히 간과되는 점은 렌즈 분해능, 광원 균일성, 피검사체의 모션 블러가 해상도 이익을 먼저 잠식한다는 것이다. 피스당 0.3초의 라인 택트에서는 노출 시간이 압축되고 모션 블러로 유효 해상도가 30퍼센트까지 떨어질 수 있다. 또한 해상도가 올라가면 데이터 대역폭과 추론 연산이 함께 증가한다. 기가비트 포트는 대형 센서의 고프레임 이미지를 전송할 때 쉽게 프레임을 놓치므로 많은 현장이 10기가비트 이더넷이나 CoaXPress로 이동하고, GPU 측 단일 프레임 추론 시간도 수 밀리초에서 수십 밀리초로 늘어난다. 모델 측면에서는 해상도가 과도하면 결함이 전체 이미지에서 차지하는 비중이 너무 작아져 타일 추론이 필요하고 엔지니어링 복잡성이 증가한다.

3. 제조 공정 중 해상도에 가장 민감한 공정

전자 공장이 커넥터 단자 외관을 검사하며 결함이 0.03밀리미터 버와 도금 핀홀이고 시야가 10밀리미터 정도라고 하자. 고배율 렌즈와 고해상도 카메라가 필수이며, 그렇지 않으면 버는 이미지에서 회색 얼룩에 불과하다. 자동차 부품사가 기어 표면의 충격 손상을 검사하며 시야가 치면 전체를 덮는 80밀리미터이고 손상이 보통 0.2밀리미터 이상이라고 하자. 중간 해상도 카메라와 링 조명으로 충분하며, 무조건 고해상도로 가면 택트만 느려진다. 리튬 배터리 전극 코팅 결함 검사를 보자. 웹 폭이 넓고 결함이 길고 가늘어 보통 라인 스캔 카메라를 선택하며, 라인 레이트와 픽셀 수가 함께 작동하므로 해상도 선정은 단일 프레임 픽셀만으로 계산해서는 안 되고 라인 속도와 함께 계산해야 한다.

4. 선정과 배치 시 주목해야 할 질문

흔한 오해는 해상도를 유일한 지표로 삼는 것이다. 실제로는 먼저 최소 결함 크기와 시야를 정의하고 픽셀 요구량을 역산한 뒤, 렌즈 MTF가 맞는지, 광원이 결함 대비를 만들어낼 수 있는지 확인해야 한다. 통합에서는 카메라 인터페이스가 기존 비전 플랫폼 프로토콜(예: GigE Vision, USB3 Vision)에서 지원되는지, 이미지가 SDK로 AI 추론 체인에 들어가는지 아니면 결과를 OPC-UA로 업로드하는지 확인해야 한다. 하드웨어 구성에서는 고해상도와 고프레임의 조합이 산업용 PC의 PCIe 대역폭, GPU 메모리, 방열을 재평가하도록 요구한다. 일반적인 구현 단계는 조명과 촬상 검증, 해상도와 택트의 공동 튜닝, 모델 학습용 샘플 수집, 소배치 시운전이며, 주기는 결함 유형 수에 따라 다르고 보통 며칠이 아니라 몇 주 단위로 측정된다. 비용 구성은 카메라만이 아니며, 렌즈, 광원, 프레임 그래버, 연산 플랫폼이 카메라 자체보다 큰 경우가 많다.

5. 고해상도가 적합한 시나리오와 그렇지 않은 시나리오

고해상도는 결함이 작고 시야가 제한되며 유출 허용도가 낮은 공정, 예를 들어 정밀 하드웨어, 반도체 패키징 외관, 커넥터 단자에 적합하다. 시야가 크고 결함이 거칠며 택트가 매우 빠른 시나리오, 예를 들어 대형 부품 표면의 거친 등급 판정이나 물류 분류에는 적합하지 않으며, 중간 해상도와 적절한 광원이 더 안정적이다. 반사가 강하거나 변형이 크거나 입고 품질 편차가 큰 공작물은 해상도를 높여도 판정이 개선되지 않을 수 있으며, 먼저 촬상 안정성을 해결해야 한다. ERP 시대부터 수십 년간 활동하고 120만 고객을 서비스하며 수천만 대 단말을 배치한 업계 실천은 해상도 선정이 언제나 촬상, 알고리즘, 택트 사이의 균형이며 단일 파라미터 경쟁이 아님을 보여준다.

주제: AI 시각 인식 백과