왜곡 보정과 피사계 심도(DOF)의 줄다리기: 텔레센트릭 렌즈로 미세 결함을 놓치지 않는 법

검사 렌즈의 배율을 한 단계 높이면, 그동안 카메라에 잡히지 않던 미세 크랙이나 솔더 브릿지가 비로소 선명해집니다. 그런데 같은 라인에서 부품 하나의 높이가 0.3 mm만 달라져도 그 결함이 다시 흐려진다면, 문제는 렌즈의 분해능이 아니라 피사계 심도(DOF, Depth of Field)에 있습니다. 배율을 올릴수록 초점이 맞는 범위는 좁아지고, 여기에 렌즈 고유의 왜곡까지 겹치면 결함 검출뿐 아니라 치수 측정값 자체가 흔들립니다.

이 상태를 방치하면 두 가지 방식으로 비용이 새어 나갑니다. 하나는 초점 이탈 영역에서 결함이 흐릿하게 찍혀 그대로 미검출로 이어지는 경우이고, 다른 하나는 왜곡이 보정되지 않은 화면에서 측정한 치수가 실제 값과 어긋나 정상품을 불량으로 오검출하는 경우입니다. 두 경우 모두 근본 원인은 렌즈 선정 단계에서 배율·DOF·왜곡·반사율이라는 네 변수를 따로 다뤘기 때문입니다. 이 글에서는 텔레센트릭 렌즈를 중심으로 이 네 변수가 어떻게 얽혀 있는지, 그리고 왜곡 보정을 광학적으로 할지 소프트웨어로 할지의 판단 기준을 정리합니다.

배율을 올릴수록 초점 심도가 좁아지는 이유

일반 렌즈는 대상까지의 거리에 따라 상의 크기(배율)와 원근감이 함께 달라지지만, 텔레센트릭 렌즈는 주광선을 광축과 평행하게 유지해 대상이 작동 거리(WD) 범위 내에서 앞뒤로 움직여도 배율이 거의 일정하게 유지됩니다. 이 특성 덕분에 3차원 형상을 가진 부품을 측정할 때도 원근 왜곡 없이 실제 치수에 가까운 값을 얻을 수 있습니다.

문제는 이 장점이 공짜가 아니라는 점입니다. 고배율을 요구하는 검사일수록 미세한 결함을 더 세밀하게 분해해야 하는데, 분해능을 높이려 배율을 올리면 초점이 맞는 깊이 범위(DOF)는 그만큼 얕아집니다. 확장 피사계 심도(Extended DOF) 광학계는 다초점 렌즈 구조나 구면수차를 제어된 범위로 남겨 두는 방식으로 이 트레이드오프를 완화하는데, 이런 설계를 쓰더라도 “고배율 + 넓은 DOF”를 동시에 무한정 확보할 수는 없습니다. 결국 검사 대상의 높이 편차가 렌즈의 실효 DOF 안에 들어오는지를 먼저 확인하고, 편차가 그 범위를 넘으면 배율을 낮추거나 조명·고정 지그로 높이 편차 자체를 줄이는 절충이 필요합니다.

왜곡 보정, 광학적으로 잡을 것인가 소프트웨어로 잡을 것인가

렌즈 왜곡은 방사형(배럴·핀쿠션형)과 접선형으로 나뉘며, 곧은 모서리가 화면에서 휘어 보이는 형태로 나타나 측정 정확도와 자동 검사 신뢰도에 직접 영향을 줍니다. 왜곡은 상의 밝기나 선명도를 낮추지 않고 기하학적 위치만 바꾸기 때문에, 소프트웨어 보정으로도 상당 부분 되돌릴 수 있습니다. 실제로 CPU 부하 없이 프레임 레이트에 영향을 주지 않는 사전 처리 방식의 왜곡 보정 솔루션도 이미 상용화되어 있습니다.

다만 소프트웨어 보정만으로 하드웨어 광학계의 근본적인 한계를 전부 덮을 수 있다고 보기는 어렵습니다. 정밀 치수 측정처럼 픽셀 단위 오차가 그대로 스펙 이탈로 연결되는 응용에서는, 광학적으로 왜곡을 최소화한 렌즈(텔레센트릭 렌즈 등)를 1차로 선택하고 소프트웨어 보정은 잔여 오차를 다듬는 보조 수단으로 두는 구성이 산업 현장에서 여전히 선호됩니다. 좌표 측정 장비(CMM)급 정밀도가 필요한 검사에서는 렌즈 왜곡으로 인한 측정 오차 자체를 별도로 보정하는 절차가 표준으로 자리 잡은 사례도 있습니다. 즉 “왜곡은 소프트웨어로 다 잡으면 된다”는 접근은 일반 육안 검사 수준에서는 유효하지만, 치수 공차가 좁은 정밀 측정 검사에는 그대로 적용하기 어렵습니다.

재질별 반사율이 렌즈·WD 선택에 미치는 영향

같은 검사 스테이션이라도 PCB 어셈블리의 노출 구리 패드처럼 반사율이 높은 영역과, 사출품 하우징의 무광 표면처럼 난반사가 지배적인 영역은 요구되는 렌즈 특성이 다릅니다. 반사율이 높은 금속 표면은 콘트라스트가 조명 각도에 극도로 민감해, 렌즈의 왜곡·DOF 설계가 아무리 좋아도 조명 조건이 어긋나면 결함 자체가 반사광에 묻혀 버립니다. 최근 발표된 고반사 금속 표면 결함 검출 리뷰에서도, 스케일 변화가 크고 형상이 불규칙한 결함일수록 범용 검출 모델의 적응력이 떨어진다는 점이 공통적으로 지적됩니다. 알루미늄 프로파일 표면 결함 검출에 특화된 개선 YOLOv8 계열 모델(CDA-YOLOv8)이 다중 스케일 특징 추출 모듈을 추가해 mAP@0.5를 83.7%에서 88.1%로 끌어올린 사례도, 결국 반사율이 까다로운 재질에서는 알고리즘 쪽에서도 별도 보정이 필요하다는 점을 보여줍니다.

렌즈 선정 시에는 이 반사율 편차를 WD 여유값에도 반영해야 합니다. 고반사 영역에서 조명 각도를 조정할 여지를 남기려면, 렌즈 경통과 조명 헤드가 물리적으로 간섭하지 않는 WD를 처음부터 확보해 두어야 하기 때문입니다. WD가 부족한 상태로 렌즈만 고배율로 교체하면, 이후 조명 각도를 바꾸고 싶어도 물리적으로 손댈 공간이 없는 상황에 부딪힙니다.

핵심 골격 매칭표 (예시 구성)

아래 표는 PCB 커넥터 어셈블리에서 솔더 브릿지·미세 크랙과, 인접한 사출 하우징의 표면 스크래치를 함께 검사하는 예시 셋업입니다. 실제 파라미터는 대상 재질·결함 유형·요구 공차에 따라 달라지므로, 사양 확정 전 반드시 확인이 필요합니다.

구분	항목	값 / 사양
① 최소 검출 불량 사이즈	솔더 브릿지·미세 크랙 기준	20 μm (예시 기준, 대상별 재검증 필요)
② 광학 셋업 — 렌즈	렌즈 형식	양측 텔레센트릭(Bi-telecentric) 렌즈, 왜곡률 0.1% 이하급
② 광학 셋업 — WD	작동 거리	WD 65 mm 확보 (조명 각도 조정 여유 포함, 예시)
② 광학 셋업 — DOF	실효 피사계 심도	±0.3 mm 이내 (대상 높이 편차가 이 범위를 넘지 않는지 사전 확인 필요)
② 광학 셋업 — 조명	반사율 대응	고반사 구리 패드 영역: 저각 암시야 / 무광 사출 영역: 확산 돔 조명 병행
③ 알고리즘 파라미터	왜곡 보정	광학 1차 보정 + 잔여 왜곡 소프트웨어 보정(캘리브레이션 그리드 기반)
③ 알고리즘 파라미터	결함 분류 모델	다중 스케일 특징 추출 적용 YOLO 계열, 반사 영역은 별도 클래스로 학습

이 매칭표가 보여주는 시사점은, 렌즈 배율을 결함 사이즈에 맞춰 올리는 결정이 DOF·왜곡·반사율이라는 나머지 세 변수를 동시에 재검토하지 않으면 그 자체로 새로운 미검출·오검출 경로를 만든다는 점입니다. 배율만 단독으로 고도화하면 DOF 축소나 반사 간섭이 병목으로 남습니다.

반사율이 까다로운 재질에 대한 유보

고광택 금속이나 습식 도포면, 연마된 사출 금형 자국이 남은 표면처럼 난반사가 심한 재질은 위 매칭표의 조명·렌즈 조합을 그대로 적용하기 어려운 경우가 많습니다. 이런 재질에서는 실제 샘플로 각 렌즈·조명 조합의 반응을 먼저 확인하는 절차가 필요하며, 샘플 테스트 전에는 특정 렌즈·왜곡 보정 방식이 특정 결함에 항상 유효하다고 확언할 수 없습니다.

비교하자면, 대상의 높이 편차가 크고 배율 요구가 낮은 검사(예: 완제품 외관 전수 검사)에서는 텔레센트릭 렌즈의 좁은 DOF보다 일반 렌즈의 넓은 DOF와 소프트웨어 왜곡 보정 조합이 오히려 유리한 경우도 있습니다. 어느 쪽이 유리한지는 결함 사이즈·치수 공차·대상 높이 편차 세 가지를 함께 놓고 판단해야 합니다.

현장 체크포인트

• WD(작동 거리) 확보 여부: 텔레센트릭 렌즈는 경통 직경이 큰 경우가 많아, 조명 헤드와의 물리적 간섭 없이 반사율별 조명 각도 조정이 가능한 WD인지 사전 확인이 필요합니다.
• 대상의 높이 편차(부품 공차, 지그 반복 정밀도 포함)가 렌즈의 실효 DOF 범위 안에 들어오는지 실측할 것.
• 왜곡 보정을 소프트웨어에만 의존할 경우, 요구 치수 공차가 그 보정 후 잔여 오차 범위 안에 있는지 확인할 것.
• 난반사가 심한 영역은 샘플 테스트 전 렌즈·조명 조합을 확정하지 말 것.

---

참고자료 (Sources)

• Towin, “Industrial Lens Selection Guide 2026” — towinlens.com
• Basler AG, “Lens Geometric Distortion Correction” — baslerweb.com
• Vision Systems Design, “Telecentric lenses focus on machine vision” — vision-systems.com
• STEMMER IMAGING, “Telecentric Lenses (Machine Vision)” — stemmer-imaging.com
• ScienceDirect, “A review of vision-based defect detection research for highly reflective metal surfaces” (2026) — sciencedirect.com
• MDPI Processes, “Applications of Deep Learning to Metal Surface Defect Detection: Status and Challenges” — doi.org
• Teledyne DALSA, “Camera Link HS and CoaXPress Machine Vision Connectivity Standards Explained” — teledynedalsa.com
• Electronics Weekly, “Machine vision for robots, vehicles and construction equipment” — electronicsweekly.com
• Security Informed, “IDS Unveils uEye Camera Platforms At VISION 2026” — securityinformed.com
• arXiv, “Towards Object Segmentation Mask Selection Using Specular Reflections” (2026) — arxiv.org

참고(특허, Google Patents 원문 확인): US6324016B1 “Telecentric lens”, US7336430B2 “Extended depth of field using a multi-focal length lens…”, US8681224B2 “Method for high precision lens distortion calibration and removal”, US7769556B2 “Method for correcting measuring errors caused by the lens distortion of an objective”, US10176588B2 “System and method for specular surface inspection”