닫기
뉴스레터

일반뉴스

배너

[산업지식인] 제약·바이오 산업에서 딥러닝 설계 시 부작용 어떻게 예방하나요?

URL복사

헬로티 서재창 기자 |

 

 

[산업지식인]은 실무자의 질문을 전문가가 자세하게 답변해주는 코너입니다. 산업지식인에는 MTV 웨비나에서 주고받았던 질의응답을 한 데 모아봤습니다.  

 

더 이상 자동화 분야에서 비전과 딥러닝은 어색한 단어가 아닙니다. 딥러닝 솔루션은 산업 전반에 걸쳐 요구되고 있으며, 전통적인 룰베이스 솔루션과 딥러닝 솔루션을 상황에 맞게 적절히 사용해야 최적의 결과물을 얻어낼 수 있습니다. 

 

코그넥스는 앞선 웨비나에서 '제약·바이오산업을 위한 딥러닝 및 솔루션'이라는 주제로, 당사 바코드리더기 데이터 관리 플랫폼인 엣지 인텔리전스를 소개했습니다. 이와 함께 제약 및 바이오 산업에 특화된 검사 솔루션과 그 사례를 공유했습니다.

 

Q&A


Q : 제약·바이오에서 인공지능을 도입하게 된 이유는 무엇인가?
A : 기존 전자산업군과 달리 제약 및 바이오 산업군은 정형화된 자재가 아닌 경우가 많기에 전통적인 방식의 비전으로 한계점이 많았다. 이에 딥러닝 방식을 기반으로 한 검사 방식이 주목받게 됐다. 

 

Q : 향후 서버 기반으로 딥러닝 AI 체계 구축 시 보안 이슈가 발생할 수 있을 것 같다. 

A : 대다수 고객 사례의 경우, 어차피 서버 내부망을 통해 접속하기에 공급기업 측에서 따로 보안 대응을 한 사례는 없다. 보안에 민감한 케이스라면 도입 시 면밀한 검토가 필요해 보인다. 


Q : 딥러닝을 하기 위한 샘플 데이터는 어느 정도 확보해 테스트를 진행했는가?
A : 최소 불량 유형 등 데이터 학습에는 30장 이상 하는 것을 권장한다. 따로 서버를 구축해서 학습하는 경우가 아니라면 당연히 로컬 내에서 진행되기에 보안 관련 이슈는 없다.


Q : 인프라 비용이 많이 들 것 같다. 그리고 엣지 컴퓨팅 기술이 적용되는가?
A : 당사 딥러닝 제품인 'ViDi'의 최대 장점 중 하나는 최소한의 학습 데이터를 기반으로 최대한의 효과를 본다는 것이다. 그리고 엣지 컴퓨팅 및 클라우드 관련은 따로 지원하지는 않는다. 

 

Q : 제약·바이오 산업을 위한 딥러닝과 제조, 물류 산업에서 사용되는 기법과의 차별화된 점은?
A : 물류나 제조 산업에 적용되는 기법과 특별히 차별화된 기법은 없다. 제약·바이오 산업에 특별히 필요한 부분이 있다면, 적용 가능한 범위 안에서 맞춤형으로 전용 기능을 추가한 펌웨어를 적용하는 케이스도 있다.


Q : 인라인 바코드 검증기의 데이터는 어떤 형태로 보존되며 최대 용량은?
A : 바코드 검증기의 데이터의 경우 데이터를 PC에 저장(데이터 로깅, FTP) 가능하며, PC 용량에 맞게 사용 가능하다. 


Q : 딥러닝 모델 설계는 어떤 방식으로 하며 딥러닝의 부작용을 예방하는 방안은 무엇인가?

A : 당사 솔루션에서 제공하는 Confusion Matrix/ROC 등으로 판단하며, 잘못된 데이터 학습·파라미터 설정이 됐을 경우 부작용을 예방할 수 있게 Loss graph 등을 참조해 예방한다.


Q : 2D스캔 시 색은 어느 정도까지 구분하는가?
A : 당사의 컬러 카메라의 경우 바이엘필터 형태로 이미지를 취득하고 기본적으로 RGB 값에 각 색상마다 Darker, Highlights, Hues 같은 세부 추가 색상 정보를 포함해 학습 또는 구분할 수 있다.


Q : 당사의 엣지 인텔리전스는 어떤 목적으로 만들어졌으며, 보안 문제는 어떻게 대처하는가?
A : 엣지 인텔리전스의 경우 UI 및 데이터 연결용 포트와 코그넥스 카메라를 연결하는 내부 포트가 별도로 구성돼 있다. 외부에서 정보에 접근하기 위해서는 권한 확인이 필요하며, 접근 권한에 따라 모니터링되는 범위가 조절되며, 각각의 접근 권한에 따른 사용자를 각각 설정한다. 그리고 데이터를 전달하는 경우에는 MQTT 형태로 전달하게 된다. 


Q : DL과(CNN 포함) 기존의 이미지 프로세싱 기술, SIFT, Garbor filter, MSER, MMER와 SVM 등을 이용한 기법과의 차이는 무엇인가?
A : 기존 공장 프로세스에서 정형화된 물체를 식별하고 검사하는 부분에서는 룰베이스 방식의 비전으로 충분히 커버할 수 있다. 그 외에 정형화되지 않고 비선형적인 형태의 오염이나 이물 등을 검사 시에 룰베이스의 한계점을 보완하고자 DL을 접목시킨 개념이라고 생각하면 된다. 

 


‘제약·바이오 산업을 위한 딥러닝 및 솔루션’를 주제로 다양한 질의응답이 오고갔습니다. 제약·바이오 산업에 적용되는 딥러닝 및 솔루션을 이해하는데 조금이나마 도움이 되셨나요?

 

해당 주제와 관련해 궁금한 사항은 하단에 있는 댓글창에 댓글로 입력해주세요. 전문가가 직접 답변해드립니다. 이와 더불어 위 내용을 다룬 발표 자료를 공유 받고 싶다면, 댓글창에 메일 주소를 남겨주시길 바랍니다. 

 

 

배너

배너

배너











주요파트너/추천기업