2D로 못 잡는 형상 결함, 3D+AI 검사가 답이 되는 조건

2D 딥러닝 검사로는 잡히지 않는 미세 단차·형상 결함이 있다. 이런 결함을 놓치면 불량이 후공정까지 유출돼 재작업·클레임 비용이 커진다. SICK이 딥러닝과 높이 데이터(Height-map) 분석을 결합한 3D 머신비전 검사 소프트웨어 ‘Nova’를 출시하며, 이 문제에 대한 답을 내놨다.

Nova의 핵심은 2D 외관과 3D 높이 정보를 함께 학습해 형상 결함을 검출·분류·판정까지 자동화한다는 점이다. 근거는 높이 데이터가 그림자·반사 등 조명 노이즈에 상대적으로 덜 민감하다는 데 있다. 실제로 양불(良不) 샘플 몇 장만으로 검사 장치 자체에서 온디바이스 학습이 가능해, 별도 GPU 서버 없이 현장 재학습 리드타임을 줄일 수 있다고 밝히고 있다. 다만 온디바이스 학습의 실제 정확도·속도는 샘플 구성과 형상 난이도에 따라 달라질 수 있어, 도입 전 자사 결함 유형으로 파일럿 테스트를 거치는 편이 안전하다.

2D 딥러닝 검사가 여전히 유리한 조건도 있다 — 색상·인쇄 상태처럼 형상 변화가 없는 표면 결함은 2D만으로 충분하고, 3D 데이터 취득 시간이 추가로 붙는 만큼 택트 타임이 촉박한 라인에서는 오히려 부담이 될 수 있다. 즉 미세 단차·형상 결함이 주력 불량 유형일 때만 3D+AI 도입을 우선 검토하는 것이 합리적이다.

현장 체크포인트