엔비디아 GPU 하나만으로 고해상도 이미지 빠르게 처리
코그넥스 블루, 레드, 그린으로 다양한 옵션 제공

코그넥스는 딥러닝 기반의 머신 비전 소프트웨어 ‘코그넥스 비디 스위트’를 출시했다. 기존 머신 비전 기술이 하지 못한 비정형적인 패턴에서의 불량 검출, 변형이 많은 패턴 인식 등을 보완했다. 이를 통해 국내 비전 시장을 공략하겠다고 밝혔다.

머신비전은 영상 내 정교한 패턴 및 특징을 인식, 수집 후 정밀 가이드, 검사, 계측 및 고속 판독을 하며 스마트 공장에서 자동화와 효율성을 높이는 데 필요한 기술이다. 제조 과정 중 얼라이먼트 단계는 정밀 안착이 중요하다. 정확한 배치가 이루어지지 않으면 시간 및 비용적 측면이 많이 소요되어 전체적인 비용이나 불량품 비중이 증가할 수 있다.

머신 비전의 가장 큰 특징은 정밀성이다. 사람이 할 수 없는 마이크로미터 단위까지의 세밀한 부분과 특징을 찾아서 확인한다. 카메라가 앞단에서 라인 세그먼트나, 엣지 등을 정밀한 부분을 촬영 및 파악, 계측하고 얼라이먼트 위치에서 벗어나면 이를 바로잡는다. 이것이 머신비전이 자동화에서 필요한 이유다.
기존의 머신 비전은 비정형적인 배경에서 불량을 찾아내거나 변형이 많은 복잡한 패턴에서의 검출과 및 문자 인식에 한계점을 드러냈다. 사람은 한눈에 알아차릴 수 있는 불량 패턴에 대해서 비전은 검사를 하는 데 어려움을 겪었다. 위와 같은 이유로 현재 베트남의 제조 시장은 50만 명 이상이 검사에 투입되고 있다. 전체적인 자동화에는 효율적이지만 스마트 팩토리의 ‘맞춤형 생산’에서 요구되는 세부적인 검출에서는 취약한 모습을 드러내 왔다.

머신 비전은 다양한 신호처리로 만들어진 룰이 검사를 가능하게 한다. 사람들이 보면 바로 알 수 있는 비정형, 변형이 많은 패턴을 검출하는 룰을 만들어내기가 어렵다. 코그넥스 비디 스위트는 룰베이스 기반을 넘어 인간의 학습을 딥러닝에 적용해 사람만이 해결할 수 있는 패턴 검출을 가능하게 했다.

코그넥스 비전 솔루션 매니저인 김민수 상무는 “기존의 머신 비전으로 자동화를 높이고 신제품 솔루션을 혼합해서 사용한다면 생산성과 불량품을 줄이며 효율성을 높일 수 있다”고 말했다.

미국 재퍼디쇼의 유명 퀴즈 프로그램에서 IBM의 왓슨은 사람들을 다 누르고 1등을 차지했다. 또 IBM의 딥블루는 체스판을 보고 현재 놓여있는 수를 기반으로 다섯 수 앞을 보고 최적의 수를 둔다. 이는 모두 룰 베이스 기반의 시스템으로서 많은 부분에서 사람을 앞서 왔다.

한 가지 이길 수 없다고 생각한 게임이 바로 바둑이다. 이는 서치 공간의 거의 무한대에 가까워 룰 베이스 방식으로 접근할 수 없다고 생각했다. 그러나 구글의 알파고가 이를 깨버렸다. 알파고는 바둑판을 이미지로 판단하여 각 점을 흑, 백, 빈 공간이라는 세 개의 값으로 판단한다. 알파고의 학습 능력은 기보라는 방대한 양의 데이터로 학습시킨다. 여기에 인공지능끼리 대국을 펼쳐서 강화학습을 한다.
네트워크를 학습할 때는 데이터가 중요하다. 페이스북, 구글, 아마존 등은 빅데이터를 갖췄다. 이들은 인공지능을 만들고 대량의 데이터를 학습시켜 사람과 같이 작동시킨다. 풍부한 데이터와 고성능 컴퓨팅, 딥러닝 알고리즘으로 인해 딥러닝은 점차 발전했다. 하지만 이 딥러닝을 산업계에 활용하는 데에는 여러 문제가 있다. 구글이나 페이스북은 대량의 데이터를 활용하기 위한 서버를 갖추고 있다. 하지만 산업계는 대량의 데이터가 없다. 게다가 서버를 갖추고 있지 않아 빅데이터 중심의 딥러닝을 적용하기에는 어려움이 있다.

즉, 소량의 데이터도 처리할 수 있어야 한다. 코그넥스 비디 스위트는 이러한 문제를 해결했다. 한 번에 다량의 이미지 처리가 필요한 것이 아니기 때문에 빠르게 속도를 처리할 수 있는 GPU 하나로도 고해상도의 이미지 처리가 가능하다. 대량의 서버가 필요하지 않다. 또한, 비디 스위트 블루, 레드, 그린 툴을 기반으로 공장 자동화에 최적화된 기능을 제공한다. 이는 기존 딥 러닝 기반의 머신비전 솔루션과는 달리 몇십장에서 최대 백 여장의 이미지 데이터 세트로도 학습이 가능하다. 또한, 광학효과 처리, 고행상도의 컬러 및 열 이미지 인식까지 가능해 정확하게 검사를 수행한다.

기존의 머신 비전은 패스와 패일 만을 가리고 딥러닝에 학습을 맡기지만 비디는 블루, 레드, 그린으로 구성되어 다양하고 세밀한 특징과 옵션을 처리한다.

비디 블루는 하나의 이미지에서 여러 개의 특징을 찾아 위치를 파악하는 데 사용된다. 노이즈가 많은 배경에 있는 심각하게 변형된 문자, 여러 개의 복잡한 물체 등 특징이 복잡한 개체도 주석이 있는 이미지를 인식하는 방식을 통해 위치를 찾아 식별할 수 있다. 블루 툴을 학습시키기 위해서는 대상 특징이 표시된 이미지를 제공하면 된다.

비디 레드는 이상 및 미적 결함을 감지하는 데 사용된다. 뚜렷하지만 허용 가능한 변형을 포함해 물체의 정상적 외관을 학습하여 장식이 있는 표면의 긁힘, 불완전하거나 부적합한 조립품, 직물의 짜임새 등을 비롯한 수많은 문제를 식별할 수 있다.

비디 그린은 물체나 전체 장면 분류에 활용할 수 있다. 포장을 바탕으로 한 제품 식별, 용접 이음매의 분류, 허용 가능하거나 허용 불가능한 결함의 분리 등 라벨 표시된 이미지 컬렉션을 바탕으로 서로 다른 등급을 구분한다. 서로 다른 등급에 따라 할당되고 라벨 표시된 이미지를 통해 그린 툴을 학습할 수 있다.

코그넥스 문응진 대표는 “세 가지 툴로 비전 전문가가 아니더라도 쉽게 설계할 수 있고 유연하게 사용할 수 있다. 그리고 적은 양의 데이터 처리가 가능해 개인 소비자와 산업용 모두 적용이 가능하다”라고 말했다. 이어 “기존의 딥러닝은 학습 시간이 커서 모델이 변하면 산업현장에 적용되기 힘든 현실이었지만 코그넥스는 컴퓨팅 파워와 이미지가 적기 때문에 빠른 학습이 가능하다”라고 밝혔다.