지식 센터
목차

사오싱: AI 비전 검사 시스템

AI 비전 검사는 사오싱의 식품음료 기업이 출하 합격률을 높이고 수동 육안 검사 비용을 줄이는 핵심 도구가 되고 있다. 사오싱 황주, 장류, 스낵, 음료 충전으로 대표되는 식품음료 벨트는 색상 이상, 캡 기울어짐, 라벨 부착 불량, 포장 누설 같은 고빈도 품질 문제에 흔히 직면하며, 전통적인 수동 샘플링은 대규모 생산과 식품 안전 추적성이라는 이중 요구를 더 이상 충족하지 못한다. 아래에서는 개념, 기능, 시나리오, 선정, 추세의 다섯 측면에서 AI 비전 검사를 설명한다.

I. AI 비전 검사: 핵심 개념과 정의

AI 비전 검사 시스템은 머신 비전과 딥러닝 알고리즘으로 수동 육안 검사를 대체해 생산 라인에서 제품의 외관 결함을 실시간으로 검출하고 분류하는 하드웨어와 소프트웨어 일체형 솔루션이다. 보통 산업용 카메라, 조명, 프레임 그래버, 엣지 컴퓨팅 장치, 검사 소프트웨어 플랫폼으로 구성되며 밀리초 안에 촬영, 추론, 판정, 배출을 완료할 수 있다. 전통적인 비전 검사와 비교해 AI 비전 검사는 사람이 작성한 규칙에 의존하지 않고 샘플 학습을 통해 모델이 스크래치, 색차, 이물, 누락 부품, 인쇄 불량을 인식하도록 학습한다. 사오싱 식품음료 산업에서는 병 크랙 검출, 액위 일관성 판정, 잉크젯 문자 인식, 외부 카톤 라벨 검증에 이런 시스템이 자주 사용된다. ZEVON이 스마트 제조 소프트웨어에서 축적한 전자 표준 작업 지시 역량은 검사 기준, 판정 임계값, 예외 처리 절차를 작업대 단말로 직접 푸시해 검사 결과와 작업 표준 사이의 폐루프를 완성한다. 여기서 전자 표준 작업 지시의 역할은 검사자가 표준 샘플 이미지와 판정 규칙을 언제든 조회하도록 해 기준 이해 불일치로 인한 오판을 줄이는 것이다.

II. 주요 기능 모듈과 기술 포인트

일러스트

완전한 AI 비전 검사 시스템은 보통 다섯 기능 모듈을 포함한다. 첫째는 이미지 획득으로, 고속 라인에서 선명한 이미지를 안정적으로 포착하는 역할이며 보통 고프레임 레이트 에어리어 스캔 또는 라인 스캔 카메라와 스트로보 조명을 사용한다. 둘째는 결함 검출로, 컨볼루션 신경망이나 Transformer 아키텍처 기반의 픽셀 수준 분할과 분류를 수행하고 결함 유형과 신뢰도를 출력한다. 셋째는 결과 판정과 배출로, 임계값을 초과한 제품을 에어 블로, 푸셔, 로봇 암으로 메인 컨베이어에서 제거한다. 넷째는 데이터 추적성으로, 모든 제품의 검사 시각, 스테이션, 이미지, 판정 결과를 기록하고 배치 수준 역추적을 지원한다. 다섯째는 모델 반복으로, 라인 직원이 새로 나타난 결함 샘플을 라벨링하고 재훈련해 재현율을 지속적으로 개선한다. 기술 포인트는 세 영역에 집중된다: 첫째, 퓨샷 학습 능력으로 식품음료 결함 샘플은 수집이 어려운 경우가 많다; 둘째, 간섭 저항성으로 반사 병, 습기, 진동, 조명 변화에 적응해야 한다; 셋째, 추론 속도로 분당 수백 개 품목의 라인 택트와 맞아야 한다. ZEVON이 제공하는 디지털 검사 워크스테이션 솔루션은 검사 결과를 표준 작업 지시와 연결하고 동일 결함이 반복되면 공정 파라미터 검토 알림을 자동 트리거한다.

III. 식품음료의 전형적 적용 시나리오

사오싱의 한 병입 황주 기업이 충전 라인에 AI 비전 검사를 도입해 병 입구 밀봉이 온전한지, 액위가 눈금 사이에 있는지, 병에 크랙이나 흑점이 있는지 검사한다고 하자. 카메라는 컨베이어 위에 장착되어 각 병이 지나갈 때 다각도 이미지를 촬영하고 모델이 30밀리초 안에 판정을 반환하며, 부적합품은 에어로 배출되고 이미지가 기록된다. 이런 라인 하나로 여러 명의 육안 검사원을 대체하면서 유출률을 낮은 수준으로 유지할 수 있다.

사오싱의 음료 충전 공장이 PET 병 차 음료를 생산하며 캡 기울어짐, 개봉 방지 링 파손, 라벨 어긋남, 잉크젯 날짜 판독 가능 여부를 검사해야 하는 경우도 생각해 보자. AI 비전 검사는 캡, 라벨, 잉크젯 영역에 여러 검출 모델을 동시에 운용할 수 있고 어느 영역에서든 이상 판정이 나오면 배출과 경보가 트리거된다. 시스템은 잉크젯 인식 결과를 생산 배치에 결합해 이후 추적성을 지원할 수 있다.

일러스트

세 번째 시나리오는 사오싱의 장류 또는 스낵 포장 라인으로, 검사 내용은 외부 봉지 밀봉부에 내용물이 끼었는지, 진공 포장이 새는지, 카톤 인쇄가 주문과 일치하는지가 된다. 이런 시나리오는 문자 인식과 밀봉 질감 분석에 더 높은 요구를 제기하며, AI 비전 검사는 전이 학습을 통해 새로운 카테고리에 비교적 빠르게 적응할 수 있다.

IV. 선정과 구현 권고

선정에서 네 가지에 주목해야 한다. 첫째, 결함 검출 능력: 벤더에 유사 식품음료 포장에 대한 테스트 리포트를 요구하고 재현율과 과검률을 중점적으로 보라. 둘째, 라인 호환성: 카메라 장착 공간, 조명이 반사 소재에 얼마나 적합한지, 배출 기구가 기존 컨베이어와 호환되는지. 셋째, 소프트웨어 개방성: MES, ERP 또는 전자 작업 지시 시스템과의 통합을 지원하고 검사 결과를 작업 오더에 기록할 수 있는지. 넷째, 모델 반복 비용: 제품이 바뀔 때마다 원래 벤더에 의존하지 않고 자체적으로 샘플을 라벨링하고 재훈련할 수 있는지. 구현은 세 단계로 진행하라: 한 라인을 파일럿으로 선택해 2주에서 한 달 동안 결함 샘플을 모으고 모델을 튜닝한다; 검증된 솔루션을 유사 라인에 복제한다; 검사 데이터를 작업장 대시보드에 연결하고 표준 작업 지시 및 설비 점검 기록과 함께 품질을 분석한다. ZEVON은 제조 디지털화 분야에서 15개 이상 산업의 120개 이상 고객을 서비스했고, 전자 표준 작업 지시 역량으로 식품음료 기업이 검사 기준, 예외 처리, 인원 교육을 하나의 플랫폼에서 통일하도록 돕는다. 3,200명 이상 최종 사용자의 경험은 검사 워크스테이션과 작업 지시의 연결이 실행 가능하고 필요하다는 것을 보여준다.

V. 전망

사오싱 식품음료 산업의 AI 비전 검사는 세 방향으로 나아갈 것이다. 첫째, 샘플링에서 전수 검사로: 엣지 컴퓨팅 성능이 저렴해지면서 모든 라인의 모든 제품에 대한 이미지 판정이 보편화된다. 둘째, 단일 지점 검사에서 연동 다중 공정 검사로: 충전, 캡핑, 라벨링, 잉크젯 코딩, 카톤 포장의 품질 데이터를 연결해 전 라인 품질 프로파일을 형성한다. 셋째, 전자 표준 작업 지시와의 심층 통합: 검사에서 이상이 발견되면 해당 작업 표준, 파라미터 조정 단계, 재검사 요구를 자동 푸시해 작업자가 기준대로 처리하도록 한다. 사오싱의 식품음료 기업에는 AI 비전 검사와 디지털 작업 지시를 한 걸음 먼저 결합하는 것이 식품 안전 추적성과 비용 통제에서 더 안정적인 보증을 제공할 것이다.

주제: 스마트 공장 백과