지식 센터
목차

AI 비전 인식 시스템 하드웨어 선정 가이드

AI 비전 인식 시스템의 하드웨어 선정 핵심 결론은 검사 정확도와 택트를 먼저 확정하고, 카메라 해상도와 렌즈 방식을 역산하며, 마지막으로 광원과 연산 플랫폼으로 안정성을 확보하는 것이다. 즉 하드웨어 선정은 가장 비싼 것을 사는 일이 아니라 촬상 품질, 처리 속도, 현장 환경을 서로 맞추는 일이다.

1. AI 비전 인식 시스템이 해결하는 문제

제조 현장에서 AI 비전 인식 시스템은 주로 세 부류의 문제를 해결한다. 결함 검출(스크래치, 오염, 부품 누락), 치수 측정(간격, 구멍 지름, 위치), 인식과 위치 파악(문자, 바코드, 조립 방향)이다. 반복성이 높고 피로가 큰 공정에서 사람의 판단을 대체하면서 검사 결과를 구조화된 형태로 MES나 PLC에 출력한다. 전통적 머신 비전과 비교해 AI 비전의 장점은 불규칙 결함에 대한 허용도가 더 크다는 것이다. 질감이 복잡하거나 약간 변형된 공작물 표면에서 임계값을 하드코딩한 규칙 알고리즘은 결함을 놓치기 쉬운 반면, 딥러닝 모델은 샘플 학습으로 이런 변동을 커버할 수 있다.

2. 하드웨어 선정의 핵심 기술 파라미터

카메라가 출발점이다. 해상도는 시야와 최소 결함 크기에서 역산해야 한다. 시야 폭이 200밀리미터이고 0.1밀리미터 결함을 검출해야 한다면 수평 해상도가 최소 2000픽셀 필요하다. 여유를 두면 보통 500만 화소 에어리어 스캔 카메라를 선택한다. 택트가 프레임 레이트를 결정하며, 고속 라인은 모션 블러를 피하기 위해 롤링 셔터가 아니라 글로벌 셔터를 사용해야 한다. 인터페이스는 GigE가 중장거리 배선에, USB3.0이 단거리 고대역폭에 적합하며, Camera Link는 여전히 고속 고해상도 시나리오에 적용된다.

렌즈는 카메라 센서와 시야에 맞아야 하며, 텔레센트릭 렌즈는 측정 공정에서 원근 오차를 줄인다. 광원은 카메라보다 촬상 안정성에 더 큰 영향을 주는 경우가 많다. 링 조명은 평면에, 배면 조명은 윤곽 측정에, 동축 조명은 반사 금속 표면에 적합하다. 주변광 간섭이 강한 작업장은 차광막이나 스트로보 광원이 필요하다.

연산 플랫폼은 두 가지로 나뉜다. 외장 그래픽 카드가 있는 산업용 PC는 다중 카메라와 복잡한 모델 시나리오에, 엣지 컴퓨팅 박스는 단일 스테이션 저전력 배치에 적합하다. 소프트웨어 측에서는 ONNX, TensorRT 같은 모델 포맷 지원과 PLC와의 통신 프로토콜(흔히 Modbus TCP, Profinet, OPC-UA)을 확인해야 한다.

3. 제조 현장의 대표 적용 시나리오

전자 공장이 커넥터 외관을 검사한다. 공작물이 작고 결함이 미세해 500만 화소 카메라와 텔레센트릭 렌즈, 배면과 동축 조명 조합을 선택하고, 택트는 분당 300개 이상을 요구하며, 연산 플랫폼은 경량 모델을 실행하는 엣지 박스이다. 자동차 부품사가 주조 표면 결함을 검사한다고 하자. 주조품은 질감이 복잡하고 반사가 불균일해 고동적 범위 카메라와 다각도 조명이 필요하고, 모델 측에는 학습용 음성 샘플이 충분히 필요하다. 식품 포장의 문자 인식을 보자. 라인이 빠르고 포장 필름이 반사되므로 글로벌 셔터 카메라와 편광 조명이 촬상 품질을 현저히 개선한다.

4. 선정과 구현에서 자주 나오는 질문

카메라 해상도가 높을수록 좋은가. 아니다. 과도한 해상도는 시야를 압축하고 연산 부담을 키우며 렌즈 왜곡의 영향을 증폭한다. 최소 결함 크기에서 20~30퍼센트의 여유를 두고 역산해야 한다.

광원을 맞춤 제작해야 하는가. 표준 광원으로 대부분의 시나리오를 커버할 수 있지만, 반사가 강하거나 변형이 큰 부품은 방식 확정 전에 조명 테스트가 필요한 경우가 많아 선정 시 실제 공작물을 제공해 촬상 검증을 받는 것이 좋다.

기존 라인과 어떻게 통합하는가. 비전 시스템은 보통 I/O 신호로 촬영을 트리거하고 PLC나 OPC-UA로 결과를 반환한다. 선정 시 통신 프로토콜이 기존 제어 시스템과 호환되는지 확인해 나중에 게이트웨이를 추가하지 않도록 해야 한다.

구현에 얼마나 걸리는가. 표준 단일 스테이션 방식은 보통 촬상 검증에서 가동까지 몇 주가 걸리며, 다중 카메라와 복잡한 모델 프로젝트는 샘플 수집과 튜닝에 더 오래 걸리고, 결함 샘플 확보 난이도에 따라 달라진다.

비용은 어떻게 구성되는가. 카메라, 렌즈, 광원, 연산 플랫폼, 소프트웨어 라이선스가 주요 부분이며, 광원과 렌즈의 선정 품질이 이후 유지보수 비용에 직접 영향을 주므로 이 두 가지 예산을 과도하게 줄이지 말아야 한다.

5. 적합한 시나리오와 부적합한 시나리오의 경계

AI 비전 인식 시스템은 택트가 안정적이고 입고 재료가 비교적 일관되며 결함 샘플을 수집할 수 있는 공정, 예를 들어 전자 조립 외관 검사, 자동차 부품 주조 표면 검사, 포장 문자 인식에 적합하다. 부적합한 시나리오는 결함 정의 자체가 모호해 일관된 라벨링 기준을 만들 수 없는 공정, 반사와 변형이 심해 조명 검증으로도 촬상을 개선할 수 없는 조건, 택트 요구가 매우 높지만 안정적인 모델을 학습할 샘플이 부족한 경우이다. 이런 시나리오는 AI 비전 도입 여부를 결정하기 전에 촬상 타당성 검증을 먼저 수행해야 한다.

ERP 시대부터 수십 년간 활동하고 120만 고객을 서비스하며 수천만 대 단말을 배치한 업계 축적은 하드웨어 선정의 기본 논리가 언제나 촬상 품질 우선, 택트에 맞춘 연산, 현장과 호환되는 통합이며 이 세 가지 중 하나도 생략할 수 없음을 보여준다.

주제: AI 시각 인식 백과