지식 센터
목차

헝수이: AI 비전 검사 시스템

AI 비전 검사 시스템은 헝수이 건축자재·세라믹 벨트가 수율을 높이고 수작업 검사 비용을 줄이는 핵심 도구가 되고 있습니다. 헝수이는 허베이에 있으며 건축자재·세라믹 산업은 위생도기, 건축 세라믹, 일상용 세라믹, 예술 세라믹을 포함하고, 유약 핏트, 핀홀, 색차, 균열 같은 표면 결함은 오랫동안 사람의 육안 검사에 의존하여 피로, 기준 불일치, 높은 인건비 문제를 낳았습니다. AI 비전 검사 시스템은 산업용 카메라와 딥러닝 알고리즘으로 사람의 검사를 대체하거나 보조하여 전수 검사와 일관된 판정을 가능하게 합니다.

1. AI 비전 검사 시스템의 핵심 개념과 정의

AI 비전 검사 시스템은 산업용 카메라, 광원, 센서로 제품 이미지나 신호를 획득한 뒤 딥러닝 모델로 외관, 치수, 결함을 분석하고 합격 또는 불합격 판정을 자동 출력하는 것입니다. 보통 촬영 유닛, 광원, 이미지 획득 카드, 엣지 컴퓨팅 또는 산업용 컴퓨터, 결함 검출 소프트웨어, 실행 기구로 구성됩니다. 규칙 알고리즘 기반 전통 머신비전과 비교해 AI 검사는 형상이 불규칙하고 질감이 복잡한 결함, 예를 들어 세라믹의 유약 흐름 자국이나 미세한 색차처럼 규칙으로 설명하기 어려운 결함을 처리할 수 있습니다.

헝수이 건축자재·세라믹 산업에서 AI 비전 검사 시스템은 보통 시유 후, 소성 후, 포장 전의 핵심 공정에 배치되어 수동 전수 검사를 대체하거나 보조합니다. 전형적 검사 항목은 균열, 유약 부족, 핀홀, 슬래그 혼입, 색차, 변형, 치수 편차, 패턴 어긋남입니다. 시스템 정확도는 샘플 품질과 촬영 솔루션에 달려 있어 초기 요구 분석에서 결함 유형, 허용 과검률, 택트 요구를 명확히 해야 합니다.

2. 핵심 기능 모듈과 기술 포인트

완전한 AI 비전 검사 시스템은 보통 다음 모듈을 포함합니다.

일러스트

1. 이미지 획득 모듈. 검사 정밀도에 따라 면주사 또는 라인주사 카메라를 선택하고, 세라믹 유약의 높은 반사와 불균일 표면을 해결하기 위해 특정 각도의 광원을 결합합니다. 결함을 부각하려면 다각도, 다중 스펙트럼 조명 조합이 필요한 경우가 많습니다.

2. 결함 검출과 분류 모듈. AI 비전 검사 시스템의 두뇌입니다. 일반적 검사 항목은 균열, 유약 부족, 핀홀, 슬래그 혼입, 색차, 변형입니다. 합성곱 신경망 같은 딥러닝 모델로 위치 검출과 분류를 수행하며, 모델은 대량의 주석 샘플로 학습과 검증을 거쳐야 합니다.

3. 결과 판정과 실행 모듈. 시스템이 사전 설정 임계값에 따라 OK 또는 NG 신호를 출력하고 배출 기구, 경보등, MES와 연동할 수 있습니다. 위생도기의 경우 분류 로봇과 연결하여 불량품을 자동 제거할 수 있습니다.

4. 데이터 관리와 추적 모듈. 각 제품의 검사 이미지, 판정 결과, 타임스탬프를 기록하고 배치, 교대조, 가마 번호로 조회를 지원합니다. 이 데이터는 결함 원인 추적과 공정 개선에 가치가 있습니다.

기술 포인트에서 헝수이 세라믹 기업은 세 가지에 주목해야 합니다. 첫째, 소량 샘플 학습 능력입니다. 일부 결함은 한 달에 몇 번만 나타나 샘플 수가 제한되므로 공급업체가 데이터 증강이나 소수 샘플 학습 솔루션을 제공해야 합니다. 둘째, 간섭에 대한 안정성입니다. 세라믹 라인의 분진, 진동, 주변 광 변화가 심해 시스템이 일관된 판정을 유지해야 합니다. 셋째, 전환 효율입니다. 세라믹 제품은 색상과 패턴 편차가 커서 모델 전환이 빠르고 간단해야 하며 이상적으로는 코드 스캔으로 가능해야 합니다.

3. 건축자재·세라믹 분야의 전형적 적용 시나리오

일러스트

헝수이에서 변기와 세면기를 하루 약 2,000개 생산하는 현지 위생도기 기업을 가정합니다. 시유 후 유약 표면의 균일성, 핀홀, 슬래그 혼입을 검사해야 하며, 과거에는 강한 조명 아래 검사원 세 명이 교대조당 600개 이상을 검사하여 피로가 크고 기준이 달랐습니다. AI 비전 검사 시스템을 배포한 후 제품이 컨베이어로 검사 스테이션을 지나고 네 대의 카메라가 이미지를 획득하며 모델이 200밀리초 안에 결함을 판정하고 불량품은 공압 기구로 자동 분류됩니다. 검사 기준이 일관되게 유지되고 검사원 세 명은 포장과 보수 업무로 이동합니다.

헝수이에서 600×600밀리미터 바닥타일을 생산하며 주로 색차와 평탄도를 검사하는 건축 세라믹 공장을 가정합니다. 색차 검사는 광원 안정성에 매우 민감하여 주변 광 간섭을 제거할 항온 광원과 밀폐 라이트 박스가 필요하고, 평탄도 검사는 레이저 프로파일 스캔이나 구조광으로 휨을 측정합니다. 이런 공장은 보통 고속 라인이라 수동 전수 검사가 불가능하므로 AI 비전 검사가 전수 검사를 실현하는 유일한 방법입니다. 검사 결과를 가마와 연마 라인에 피드백하여 공정 파라미터를 적시에 조정할 수도 있습니다.

4. 선정과 도입 조언

AI 비전 검사 시스템을 선택할 때 헝수이 건축자재·세라믹 기업은 다음 순서로 진행할 것을 권합니다.

1. 검사 항목과 정밀도 요구를 먼저 명확히 하십시오. 한 번에 모든 것을 전수 검사하려 하지 말고 유약 부족이나 색차처럼 가장 고통스러운 결함 한두 가지부터 시작하여 효과를 입증한 뒤 확장하십시오.

2. 샘플 확보 난이도를 평가하십시오. AI 모델은 정상과 불량 샘플이 필요하며 불량품이 너무 적으면 공급업체가 소량 샘플 증강이나 생성 데이터 역량을 갖추었는지 확인하십시오.

일러스트

3. 전환 효율에 주목하십시오. 세라믹 산업은 패턴이 많고 배치가 작아 전환 시간이 30분을 넘으면 라인 택트가 흐트러집니다.

4. 기존 시스템과의 통합을 고려하십시오. AI 비전 검사는 고립된 섬이 아니며 결과를 MES나 ESOP(전자 표준작업절차)로 피드백해야 합니다. ZEVON ESOP는 검사 기준과 결함 이미지를 작업장에 표시하여 검사원과 보수 인원이 판정 기준을 빠르게 이해하도록 돕고, 결함 원인에 대한 시정 지시를 관련 공정에 전송할 수 있습니다.

5. 공급업체에 현장 시험을 요구하십시오. 헝수이의 일부 세라믹 공장은 이미 AI 비전 기업과 파일럿을 진행했으며, 시험에서는 과검률, 미검출률, 연속 운전 안정성에 주목해야 합니다.

6. 총비용을 제대로 계산하십시오. 소프트웨어 라이선스와 카메라 하드웨어 외에 광원 소모품, 카메라 청소, 모델 유지보수 인력 투입을 고려해야 합니다.

5. 전망

향후 3년간 헝수이 건축자재·세라믹 분야의 AI 비전 검사 시스템은 세 가지 트렌드를 보일 것입니다. 첫째, 단일 지점 검사에서 전 공정 품질 폐루프로 나아가 AI 검사 데이터가 가마와 시유 파라미터와 연결되어 결함을 근원까지 추적합니다. 둘째, 2D에서 3D 검사로 나아가 3D 비전이 위생도기와 타일의 휨과 두께를 측정합니다. 셋째, 전용 장비에서 클라우드-엣지 협업으로 나아가 모델을 클라우드에서 학습하고 엣지에서 추론하여 중소 공장의 비용을 낮춥니다. 헝수이 세라믹 기업에게 AI 비전 검사는 단순한 인력 대체가 아니라 품질 관리를 경험 의존에서 데이터 의존으로 업그레이드하는 것이며, 먼저 움직이는 기업이 인건비와 품질 일관성에서 우위를 얻습니다.

주제: 스마트 공장 백과