지식 센터
목차

시안: AI 비전 검사 시스템

시안의 철강 야금 산업에서 AI 비전 검사 시스템을 도입하는 핵심 가치는 기존에 육안과 샘플링 검사로 통제하던 구간을 전수 커버리지, 실시간, 추적 가능한 품질 관리 폐루프로 바꾸는 데 있습니다. 시안은 중국 서북 지역의 중요한 산업 중심지로 철강 야금과 압연 가공의 부품 체계가 완비되어 있으며 제강과 연속주조에서 압연과 정형까지 공정 체인이 길고 고온·고위험 구간이 많아 검사 단계는 오랫동안 인력 모집 난이도, 기준 집행의 불일치, 결점 유출률 변동 같은 현실 문제에 직면해 왔습니다. AI 비전 검사 시스템은 바로 이 지점을 겨냥합니다.

1. AI 비전 검사 시스템이란 무엇인가

AI 비전 검사 시스템은 산업용 카메라, 조명, 엣지 컴퓨팅 유닛, 결점 인식 알고리즘을 하나로 묶은 하드웨어와 소프트웨어 솔루션입니다. 생산 라인의 핵심 작업대에 배치되어 이동하는 철강재의 표면, 단면, 기하 치수를 연속 촬영하고 알고리즘 모델이 균열, 스캡, 스크래치, 압입 산화 스케일, 치수 공차 초과 같은 결점의 존재를 실시간 판정하여 결과를 라인 제어 시스템과 MES에 동기화합니다.

전통적 머신 비전과의 차이는 AI 비전 검사가 하드코딩된 임계값 규칙에 의존하지 않는다는 점입니다. 철강 야금 시나리오에서는 결점 형태가 무한히 다양하고 조명, 수무, 산화 색상이 모두 이미징에 간섭합니다. 샘플로 훈련된 딥러닝 모델은 이런 비정형 변동에 적응할 수 있으며 이것이 열연, 냉연, 연주 빌릿 등 구간에서 자리를 잡을 수 있는 근본 이유입니다.

2. 주요 기능 모듈과 기술 포인트

1. 이미징 수집 유닛. 철강 라인은 빠르고 뜨거우며 고온 공작물이 강하게 복사하므로 공정별로 고온 산업용 카메라, 필터, 능동 조명을 선택해야 합니다. 냉연 스트립은 표면 반사가 균일해 조명 각도에 더 민감합니다. 이미징 품질이 알고리즘의 상한을 정하므로 이 부분은 타협할 수 없습니다.

2. 결점 검출 및 분류 모델. 흔한 방식은 검출과 분류의 2단계 구조로 먼저 결점을 위치시키고 그 다음 범주와 심각도를 판정합니다. 철강 시나리오는 작은 결점의 재현율을 높게 요구하며 모델 훈련은 서로 다른 강종, 교대조, 계절의 샘플을 포함해야 합니다. 그렇지 않으면 분포 드리프트가 쉽게 발생합니다.

3. 엣지 추론과 실시간 연동. 검사 결과는 밀리초 단위로 전달되어야 하므로 추론은 보통 라인 옆 엣지 서버에서 실행됩니다. 연속 또는 중대 결점이 검출되면 시스템이 직접 알람을 발생시키고 코일 번호를 표시하거나 절단 최적화와 연동하여 불량 배치가 하류로 흘러가는 것을 막습니다.

4. 품질 데이터 관리와 추적성. 모든 코일, 모든 슬래브의 검사 이미지, 결점 좌표, 판정 결론이 데이터베이스에 저장되어 코일 번호, 히트 번호, 교대조별로 조회 가능해야 합니다. 이 데이터는 이후 공정 조정에 되먹임될 수 있습니다. 예를 들어 특정 가열 제도가 산화 스케일 결점을 더 많이 만든다면 공정 엔지니어가 파라미터를 조정할 수 있습니다.

5. 모델 반복과 샘플 관리. 라인이 규격이나 강종을 바꾸면 모델 성능이 저하되므로 시스템에는 샘플 되먹임, 라벨링, 재훈련 경로가 필요합니다. 업계 업체들은 이제 이를 일반적으로 반자동 프로세스로 만들어 현장의 알고리즘 엔지니어 의존을 줄입니다.

3. 철강 야금의 전형적 응용 시나리오

시안의 한 중형 철강 기업이 열연 코일과 냉연 판재를 주력으로 하고 검사 단계는 이전에 정형 라인에서 3교대로 검사원이 육안 확인하며 1인당 하루 수백 미터의 스트립을 보았다고 가정해 봅시다. 눈이 피로해지면 유출률이 올라가고 고객 불만은 스크래치와 스캡에 집중됩니다.

첫 번째 시나리오는 열연 스트립 표면 검사입니다. 정형 압연기에서 나온 스트립은 뜨겁고 빠르므로 AI 비전 검사 시스템을 층류 냉각 후 검사 스테이션에 배치하고 카메라는 보호 하우징과 공랭 이미징으로 상면과 하면을 동시에 봅니다. 시스템은 결점 위치를 실시간 표시하고 작업자는 롤러 테이블 옆에 서서 응시하는 대신 제어실 화면에서 스트립 전장의 결점 분포도를 볼 수 있습니다.

두 번째 시나리오는 연주 빌릿의 거시 조직 결점 보조 판정입니다. 빌릿 단면의 중심 편석, 기공, 균열을 확인해야 하며 전통적 방법은 샘플링, 산세, 수동 등급 판정입니다. AI 방식은 산세 시편 이미지를 자동 등급 판정하고 참고 결론을 제시하여 검사원이 확인합니다. 수작업을 완전히 대체할 수는 없지만 반복적 등급 판정의 대부분을 압축할 수 있습니다.

세 번째 시나리오는 냉연 판재의 최종 표면 품질 검사입니다. 냉연 판재는 표면 요구가 높아 AI 비전 검사가 재권취 또는 조질 압연 후 전 코일 검사를 수행하고 결점을 등급별로 분류하며 시스템이 자동으로 등급 하향 제안을 제시합니다. 한 자동차 판재 부품 기업이 이 시스템으로 표면 결점 등급 기준을 단일 모델로 통일했다고 가정하면 교대조 간 판정 차이가 눈에 띄게 줄어듭니다.

네 번째 시나리오는 치수와 형상 검사입니다. 봉강과 철근의 직경, 진원도, 횡리브 치수는 캘리퍼스로 샘플링 확인하면 효율이 낮습니다. AI 비전 검사가 구조광 또는 레이저 프로파일 센서와 결합하여 이동하는 봉재를 연속 측정하고 공차 초과 시 즉시 알람합니다.

4. 선정 및 실행 권고

AI 비전 검사 시스템을 알고리즘 데모 결과만으로 선택하지 마십시오. 철강 현장의 환경 적응성이 진짜 분수령입니다. 세 가지에 집중하십시오.

첫째, 이미징 솔루션이 해당 공정에서 엔지니어링 검증을 거쳤는지입니다. 고온, 수무, 산화 스케일, 진동은 실험실에서 재현할 수 없습니다. 업체에 유사 공정의 현장 운전 기록을 요구하십시오. 프레젠테이션보다 유용합니다.

둘째, 모델 반복 메커니즘이 지속 가능한지입니다. 라인은 1년에 여러 번 규격을 바꾸는데 모델이 따라갈 수 있는지, 샘플 라벨링은 누가 하는지 계약서에 명시해야 합니다. 그렇지 않으면 가동 3개월 후 성과가 떨어집니다.

셋째, 기존 자동화 시스템과의 인터페이스 능력입니다. 검사 결과는 MES로 들어가고 라인 PLC와 연동되어야 하므로 인터페이스 프로토콜, 데이터 포맷, 응답 지연을 사전에 정렬해야 합니다. 철강 기업은 보통 자동화 기반이 탄탄하지만 공정별 시스템이 신구가 혼재하므로 통합 작업량을 과소평가하지 마십시오.

실행 속도는 단일 공정을 먼저 성공시킨 뒤 수평 복제하는 것입니다. 한 라인, 한 결점 유형을 파일럿으로 골라 이미징, 모델, 연동, 데이터 체인을 완전히 통과시킨 뒤 다른 공정으로 확장하십시오. 전 공장 일괄 전개 프로젝트는 좋게 끝나는 경우가 드뭅니다.

한 가지 더 있습니다. 이 시스템을 제공하는 업체는 ERP 시대부터 수십 년간 이 분야에서 일하며 120만 고객, 누적 수천만 단말 배포, 국내외 시장을 커버해 왔습니다. 이런 유형의 산업 현장 솔루션 업체는 순수 알고리즘 팀보다 엔지니어링과 지속 서비스 능력이 보통 더 안정적이므로 선정 시 고려할 만합니다.

5. 트렌드 전망

철강 야금에서 AI 비전 검사의 다음 하이라이트는 공정 제어와의 연결입니다. 현재 대부분 프로젝트는 검출과 판정에서 멈추지만 앞으로는 결점 데이터를 압연 모델과 가열 모델에 되먹여 파라미터를 최적화해야 합니다. 시안 자체에 대학과 연구소가 많고 재료와 자동화 분야의 산학연 기반이 약하지 않아 현지 철강 기업이 이런 공동 프로젝트를 추진할 여건이 있습니다.

또 다른 방향은 엣지 측 모델 경량화와 다중 공정 재사용입니다. 한 라인의 서로 다른 작업대가 하나의 추론 플랫폼과 샘플 관리 시스템을 공유하여 배포 비용을 분담합니다. 중형 철강 기업에는 상당히 현실적이며 작업대마다 별도 시스템을 구축하는 것은 수지가 맞지 않습니다.

한 가지 더 있습니다. 검사 데이터의 자산화가 점점 주목받을 것입니다. 모든 코일 철강재의 전 공정 검사 기록은 이후 고객 품질 분쟁 대응, 공정 개선, 나아가 제품 등급별 가격 책정에 사용될 수 있습니다. AI 비전 검사 시스템 선정 시 데이터가 완전히 저장되고 조회 가능한지 몇 번 더 물어볼 만합니다.

주제: 스마트 공장 백과