지식 센터
목차

산업용 카메라 해상도가 AI 검사에 미치는 영향

산업용 카메라 해상도는 높다고 좋은 것이 아니다. AI가 얼마나 작은 불량을 선명하게 볼 수 있는지만 결정하고, 검사 성능을 실제로 좌우하는 것은 해상도가 시야, 렌즈, 연산, 주기와 얼마나 정합하는가다. 해상도를 낮게 잡으면 미세 불량이 이미징 단계에서 사라져 어떤 알고리즘도 되살릴 수 없고, 너무 높게 잡으면 프레임당 데이터량이 배로 늘어 노출 시간, 전송 대역폭, 추론 지연을 끌어내려 라인 주기가 따라가지 못한다. 합리적인 방법은 최소 불량 크기에서 필요한 화소를 먼저 도출하고, 거꾸로 시야와 하드웨어 구성을 제약하는 것이다.

1. AI 검사에서 산업용 카메라 해상도는 어떤 문제를 해결하는가?

해상도의 핵심 역할은 불량이 이미지에서 충분한 화소를 차지하도록 보장하는 것이다. AI 검사 모델은 YOLO 계열 검출기든 분할 네트워크든 불량 자체를 인식하는 것이 아니라 화소 수준의 질감, 에지, 계조 차이를 본다. 업계의 흔한 경험 규칙은 대상 불량의 최단 변이 최소 3~5화소를 차지해야 안정적 검출의 근거가 생긴다는 것이고, 정밀 부품 검사는 보통 8~10화소로 설계한다. 이는 최소 불량이 0.05mm라면 화소 정밀도가 화소당 약 0.01mm에 도달해야 하고, 여기에 시야 폭을 곱하면 카메라에 필요한 수평 화소 수가 나온다는 뜻이다. 해상도가 부족하면 불량이 한두 화소로 뭉개져 라벨링 일관성이 떨어지고, 학습 시 양성과 음성 샘플이 거의 구분되지 않으며, 결과는 좀처럼 내려가지 않는 검출 누락률로 나타난다.

2. 해상도, 정밀도, 주기, 연산 사이의 기술적 관계는 무엇인가?

계산 가능한 단단한 제약이 몇 가지 있다. 화소 정밀도는 시야 폭을 수평 해상도로 나눈 값이다. 예를 들어 500만 화소 카메라(약 2448x2048)에 시야 50mm를 쓰면 화소당 약 0.02mm이고, 1200만 화소 카메라(약 4024x3036)는 같은 시야에서 0.012mm에 도달한다. 그러나 해상도가 높아지면 세 가지 비용이 따른다. 첫째, 프레임당 데이터량이다. 1200만 화소 컬러 이미지는 원시 데이터가 약 36MB이고 기가비트 포트로는 수십 밀리초가 걸리므로 10기가비트 포트나 Camera Link, CoaXPress 인터페이스라야 감당된다. 둘째, 노출과 대역폭이 함께 프레임 레이트를 제한한다. 고해상도 카메라는 전면적 기준으로 보통 10~30fps를 출력하고, 빠른 공정은 ROI 부분 읽기나 해상도 축소가 필요하다. 셋째, AI 추론 시간이 화소 수에 비례해 늘어난다. 같은 모델이 1200만 화소 입력에서 500만 화소보다 보통 두세 배 오래 걸리므로 GPU 연산도 그에 맞춰 확장해야 한다. 또한 센서 해상도와 출력 해상도를 구분하라. 일부 카메라는 픽셀 비닝을 지원해 2x2 비닝으로 감도를 약 네 배 높이는 대신 해상도를 절반으로 줄이며, 저조도 사례의 절충안이 된다. 렌즈 해상도도 함께 따라가야 한다. 센서 화소가 2마이크로미터 수준에 이르면 일반 산업용 렌즈는 MTF 요구를 충족하지 못하고 고해상도 고정 초점 렌즈나 텔레센트릭 렌즈가 필요하며, 그렇지 않으면 해상도는 명목상일 뿐이다.

3. 어떤 제조 공정에 실제로 고해상도 카메라가 필요한가?

전자 공장의 연성 인쇄회로 기판 외관 검사를 보자. 배선 흠집, 이물, 미세 균열이 불량이고 최소 특징이 0.03mm이며 시야가 약 40mm다. 화소당 0.01mm로 설계하려면 수평 4000화소 이상이 필요하고 이는 1200만 화소 카메라의 전형적 영역이며, 왜곡을 억제하려면 텔레센트릭 렌즈를 함께 써야 한다. 자동차 부품 협력사의 정밀 기어 표면 검사를 보자. 치면 긁힘 폭이 약 0.1mm이지만 시야가 직경 80mm를 덮어야 한다. 화소 정밀도를 0.03mm로 완화할 수 있어 500만 화소 카메라로 충분하므로, 고해상도를 억지로 적용하면 주기만 느려진다. 세 번째는 인쇄 포장의 문자와 바코드 검사로, 불량 규모가 크고 대비가 높아 글로벌 셔터를 갖춘 200만~300만 화소면 충분하고 초점은 광원 안정성과 트리거 동기화에 있다. 분명한 것은 해상도 선정이 산업이나 제품 등급이 아니라 최소 불량 크기와 시야로 결정된다는 점이다.

4. 선정과 배포에서 어떤 함정이 나타나는가?

흔한 실수 하나는 화소 수만 보고 센서 크기와 화소 피치를 확인하지 않는 것이다. 1.4마이크로미터 화소의 고화소 카메라는 저조도에서 신호 대 잡음비가 나빠지고 이미지 노이즈가 곧바로 과검률을 올린다. 둘째는 셔터 방식을 무시하는 것이다. 움직이는 공작물에는 글로벌 셔터가 필요하고, 롤링 셔터는 젤로 현상과 에지 왜곡을 만들어 AI가 이를 불량으로 오독한다. 셋째는 시야를 너무 꽉 채우는 것이다. 실제 라인에는 위치 오차와 공작물 흔들림이 있어 보통 10~20퍼센트 여유를 두지 않으면 에지 불량이 잘린다. 통합 측면에서 주류 산업용 카메라는 GigE Vision과 USB3 Vision을 지원해 이더넷이나 USB로 산업용 PC에 바로 연결되고, AI 검사 소프트웨어는 보통 SDK나 GenICam 표준 인터페이스로 스트림을 받으며, MES와 SCADA와의 데이터 교환은 OPC-UA나 데이터베이스 쓰기로 처리되므로 카메라에 별도 프로토콜을 만들 필요가 없다. 하드웨어는 1200만 화소 이상이면 10기가비트 네트워크 카드나 전용 프레임 그래버, 최소 16GB 산업용 PC 메모리, 실측 추론 성능으로 고른 GPU를 고려해야 한다. 구축 단계는 보통 이미징 검증(조명, 렌즈, 시야, 실측 화소 정밀도), 이미지 수집과 라벨링 및 모델 학습, 검출 누락과 과검을 세는 소량 시험, 파라미터 동결과 가동 순이다. 비용은 주로 카메라, 렌즈, 광원, 프레임 그래버, 산업용 PC, 연산 카드이며, 이 중 렌즈와 광원은 비중이 작지 않은데도 자주 과소평가된다.

5. 어떤 공정에 고해상도 솔루션이 적합하고 언제 불필요한가?

적합한 경우는 불량 특징이 미세하고 검출 누락 비용이 큰 사례다. 반도체 패키징, 정밀 하드웨어, 연성 인쇄회로 기판, LCD 패널 점결함 검사 등이 그렇다. 주기가 어느 정도 안정적이어 수십 밀리초의 노출과 전송을 허용하는 공작물, 조명과 고정구가 안정된 통제 가능한 이미징 환경도 포함된다. 부적합하거나 재평가가 필요한 경우는 부품당 검사 창이 수 밀리초뿐인 초고속 공정으로, 고해상도 카메라의 전면적 프레임 레이트와 전송이 병목이 되어 다중 카메라 구역 이미징이나 ROI를 적용한 저해상도를 검토해야 한다. 주조 원면이나 반사 금속면처럼 반사가 강하고 변형이 큰 부품은 해상도를 올려도 이미지가 불안정하므로 조명과 이미징 컨셉을 먼저 해결해야 한다. 포장 손상이나 조립 부품 누락처럼 불량 규모가 큰 공정은 고해상도가 연산을 낭비하며, 조명이 좋은 중저해상도 카메라가 더 경제적이다. 기준은 한 문장으로 정리된다. 최소 불량이 이미지에서 몇 화소를 차지할 수 있는지 먼저 측정하고 카메라를 고르라. 반대 순서가 아니다.

주제: AI 시각 인식 백과