[첨단 헬로티]
SuaKIT은 인공지능 이미지 해석 기술을 기반으로, 태양광, 디스플레이, 반도체, PCB, 자동차 부품, 도장 검사, 섬유, 식음료 이물 검사, 패키징 외관 검사, 2차 전지, 철강, 비파괴 검사 등 기존 머신비전 기술로, 검사가 어려운 다양한 제조업 분야 제품 검사에 적용 가능하며, 머신비전 분야에 특화된 딥러닝 검사 소프트웨어이다.
SuaKIT은 Developer와 Runtime 두 종류로 분류되어 있으며, Developer는 C++ 및 C# 지원과 GUI상에서 모델의 Train 및 Test가 가능하며 생성한 모델 추출도 가능합니다. Runtime은 생성한 모델을 실제 생산 라인에 적용하여 검사 가능하며, 기존 검사 장비와 연동하여 사용할 수 있다.
SuaKIT은 총 3가지 기능을 보유하고 있는데, 첫번째로는 불량의 검출 및 영역을 표시해주는 Segmentation, 두번째로 양품과 불량을 분류하고 불량의 유형을 분류 시켜주는 Classification, 그리고 마지막으로 각 Class의 물체 개수 및 위치를 파악해주는 Detection이 있다.
언급한 3가지 기능을 사용하기 위해선 Train 즉, 이미지의 학습이 필요하다. SuaKIT은 다양한 학습방법론을 보유하고 있으며, 이미지 구성 방식 등에 따라 총 4가지 학습 방법론을 제공한다.
SuaKIT은 크게 학습 단계와 테스트 단계로 나뉘는데, 학습 단계에 있어서 고객사 측의 이미지 데이터 준비 그리고 결함 유형 정의가 요구된다.
첫째, Single Image Analysis이다. 각각의 이미지의 Feature을 학습하고 검출한다. 둘째, Image Comparison이다. 두 이미지 간의 차이점을 집중하여 학습하고 검출한다. 셋째, Multi Image Analysis이다. 여러 이미지 간의 상관 관계를 분석하여 학습하고 불량을 검출하다. 넷째, One Class Learning이다. 결함 이미지 없이, 정상 이미지만 학습하여 불량을 검출한다.
딥러닝 검사 방식 vs 머신비전 검사 방식
기존 머신비전 검사 방식은 정형화된 패턴 속에서 불량의 특징(명도, 반경 등)을 정의하고 그 Threshold를 수동으로 설정한다. 머신비전 검사 방식으로는, 불량의 Rule 즉 규칙을 정의할 수 없는 비정형화 된 이미지를 유의미한 수준으로 분석해낼 수 없다.
딥러닝 검사 방식은 이미지 중 일부를 추출하여 다양한 조합(=Layer)으로 묶고, 조합 간의 상관관계를 분석하여 정답에 도달하기 위한 중요한 조합을 스스로 학습한다.
화인스텍 관계자는 "화인스텍과 수아랩은 성능테스트부터 현장 적용까지 고객사와의 적극적인 커뮤니케이션을 통해서 목표한 검사 수치를 달성한다. 그리고 딥러닝 알고리즘에 익숙하지 않은 고객을 위해 응용개발팀을 운영하여 맞춤형 모델 생성 및 현장 기술 지원 등 유형별 솔루션을 제공하고 있다"고 말했다.
