FRAMOS / 생산자동화를 위한 머신비전 이미지 처리시스템의 3가지 주요개념 ①
개요
자동화는 Industry 4.0에 대한 생산 프로세스 최적화에서 가장 중요한 단계 중 하나다. 머신비전은 품질을 향상시키고 생산 라인의 효율성을 높일 수 있기 때문에 모든 분야와 산업에 적합한 기술이다. 이미지 프로세싱은 다양한 애플리케이션에 여러 가지 이점을 제공한다.
대개 이미지 처리 시스템은 생산 라인과의 동기화 및 상호 작용을 위한 처리 장치 및 제어 전자 장치와 함께 카메라, 렌즈, 조명, 그리고 케이블로 구성된다. 이러한 시스템의 성공적인 개발에는 일반적으로 대략적인 사양, 타당성 조사, 세부 사양, 시스템 구현, 그리고 시스템 통합 등 5가지 프로젝트 단계로 구성된 여러 접근 방식이 있다.
이 기사에서는 이미지 처리 시스템의 세 가지 주요 개념을 소개하고 생산 관리자가 특정 프로젝트 및 조건에 가장 적합한 방법을 선택하는 데 도움을 준다.
‘클래식’ 이미지 처리 시스템의 소프트웨어는 숙련된 개발팀이 개별적으로 프로그래밍하여 하드웨어 및 소프트웨어 라이브러리를 최대한 선택할 수 있는 유연성을 제공해야 한다. 개발 비용은 매우 높은 경향이 있으며 사전에 정확하게 예측하기가 어렵다. 고전적인 접근 방법은 애플리케이션이 매우 특정한 알고리즘을 요구하거나 쓸 수 있는 모든 계산 능력을 사용할 것으로 예상되는 경우에 권장된다. 이 접근법의 비용 효율성은 배치된 시스템의 수가 증가함에 따라 높아진다.
최근의 접근법은 인공지능 분야의 이미지 분석 방법인 소위 자체 학습 알고리즘과 함께 전통적인 이미지 수집 및 프로세싱 하드웨어를 결합한다. 이 접근법은 고전적인 접근법으로 분석하는 것을 어렵게 하는 높은 분산을 가진 천연 재료 및 기타 물체에 대한 테스트 시스템의 개발을 가속화한다.
스마트 카메라에 기반을 둔 가장 혁신적인 접근 방법은 차세대 이미지 처리 기술로 나아가는 길이다. 이러한 완벽한 솔루션은 전체 이미지 프로세싱 세트를 통합한다.
구성 요소 및 사용하기 쉬운 그래픽 프로그래밍 인터페이스가 있는 소프트웨어 패키지를 제공한다. 이 개념을 사용하면 경험이 부족한 개발자와 생산 엔지니어가 복잡한 시스템을 위험 부담 없이 신속하게 구현할 수 있다. 개발, 테스트 및 문서화에 필요한 노력은 일반적으로 ‘고전적’ 접근법의 일부분에 불과하다.
제조 자동화 시스템의 이점
‘검사’, ‘제어’ 그리고 ‘식별’은 이미지 처리를 통해 생산 시스템의 품질, 효율성을 높이는 가장 일반적인 애플리케이션이다.
검사
기업과 소비자 모두가 100% 품질을 기대한다. 따라서 생산된 제품의 100%가 품질 검사를 받아야 한다. 게다가 생산자는 불량 수와 원인에 대한 정확한 통계로부터 이익을 가져온다. 생산된 제품의 모양과 색상의 차이가 작을수록 산업 이미지 처리로 위의 요구 사항을 충족하는 것이 더 쉬워진다.
품질 검사를 위한 일반적인 접근 방법
1. 광학 측정
2. 표면 검사
3. 색상 검사
얼마나 정확하게 제품을 검사하고 있을까? 첫 번째 가능한 방법은, 카메라로 이미지를 캡처하고 사용자 정의된 알고리즘을 사용하여 객체를 광학적으로 측정하는 것이다. 카메라의 해상도가 높고 렌즈의 광학 왜곡이 낮을수록 결과가 더 정확해진다. 접촉식 좌표 측정과 비교하여 광학의 물리적 법칙은 이론적으로 달성할 수 있는 정확도를 낮은 수준에서 제한한다.
그러나 광학 측정 기술은 표준 산업용 카메라 시스템이 이미 수십, 또는 수백 개의 개별 개체를 초당 확인할 수 있기 때문에 엄청난 속도 이점을 제공한다. 머신비전은 지폐 및 예금 토큰과 같은 인쇄 제품을 검사하는 유일한 신뢰할 수 있는 방법이기도 하다. 품질 보증에 대한 두 번째 접근법은 자연, 또는 가공된 표면을 검사하는 것이다. 비전 시스템은 표면의 기계적 오류나 오염을 검사한다. 세 번째 검사 시나리오는 포장, 직물 또는 재료의 색상과 질감을 검토하여 일관된 품질과 모양을 보장한다.
검사에 대한 적용 예
- 밀링, 커팅, 또는 벤딩으로 만들어진 부품의 기하학적 측정
- 다이캐스팅 부품의 표면 검사
- 식품 포장 검사 인쇄
- 의료 도구 유리 검사
- 자동차 생산 시 페인트 검사
제어
두 번째 주요 응용 분야는 생산 관리다. 여기서 이미지 분석 시스템의 출력은 원하는 결과를 얻기 위해 활성 시스템의 매개변수를 수정하는 데 사용된다. 예를 들어, 현대 자동차 생산에서 카메라는 로봇에 의해 적용된 접착제의 양과 위치를 검토한다. 목표 결과로부터 벗어난 경우, 로봇은 이미지 처리 프로그램에 의해 트리거된 설정을 조정한다.
카메라가 병의 채우기 수준을 모니터링하고 목표와 실제 사이에 차이가 발생할 때 제어 시스템이 수량을 조정하는 보틀링 시설의 경우도 마찬가지다. 유리와 같은 쓰레기의 분류 및 재활용에서 이미지 처리 시스템은 색이 다른 유리 부품을 다른 분류 선으로 날려 보내는 통풍구를 제어한다. 어셈블리, 또는 물류 로봇은 처리 능력이 강화되고 신뢰할 수 있는 알고리즘을 갖춘 산업용 카메라 및 컴퓨터 시스템을 사용하여 객체를 적절하게 선택하고 배치할 수 있도록 적절하게 방향을 맞춘다.
머신비전은 이러한 많은 애플리케이션을 가능하게 하는 동시에 비용을 줄이고 품질을 향상시킨다. 또한, 머신비전은 중요성이 커지고 있는 생산 안전에 기여한다. 이미지 프로세싱은 인체, 또는 신체 부위의 존재 및 정확한 위치를 감지하고 보류 중인 위험에 대한 경고를 하거나 생산 라인을 자동으로 정지시킬 수 있다.
식별
물류 및 복잡한 제품의 제조에서 수백(때로는 수십만)의 서로 다른 물체를 처리해야 한다. 집중적인 자동화를 위해서는 각 객체를 식별할 수 있어야 한다. 1차원 바코드 및 보다 최근에는 2차원 코드, 예를 들면, QR 또는 데이터 매트릭스 코드가 사용된다. 후자는 더 작은 공간에서 더 많은 정보를 엔코딩할 수 있다. 레이저 스캐너는 바코드 판독에 널리 사용된다.
그러나 카메라 기반 시스템은 2차원 코드를 읽고 객체의 크기나 위치와 같은 추가 정보를 수집할 수도 있다. 전자 부품의 경우 판독 가능한 1D, 또는 2D 코드와 함께 판독할 수 있는 숫자 코드를 인쇄하기에 충분한 공간이 없는 경우가 있다. 따라서 이러한 구성 요소는 영어나 숫자 제품 코드의 광학 문자 인식으로 식별된다.
성공 요인: 외부 컨설팅 vs. 시스템 인텔리전스 및 내부 적합성
이 부분에서는 생산 과정의 어떤 단계를 자동화해야 하는지에 대한 좋은 아이디어가 있을 때 따라야 할 가장 보편적이고 유망한 접근법에 대한 개요를 제공한다. 첫 번째 단계는 목표에 대해 분명히 밝히는 것이다. 여기에는 예상되는 상업적 이익, 투자 기회 및 쓸 수 있는 공간, 최종 시스템 통합 중 생산 중단 최대 기간 및 기타 우려 사항과 같이 예상되는 기술적 제약이 포함된다.
다음으로 고려해야 할 중요한 사항은 프로젝트 구현, 특히 생산 공장의 제어 로직을 적용하기 위한 사내 기술 및 자원의 가용성이다.
다음 질문에 대해 먼저 답이 있어야 한다.
1. 달성하고자 하는 것이 무엇인가? 목표를 정량화해야 한다.
2. 상업적 제약은? 예산, 마감 시간 및 내부 자원을 명확히 해야 한다.
3. 기술적인 제약은? 쓸 수 있는 공간과 생산 라인의 제어 시스템에 대한 인터페이스를 명확히 해야 한다.
주요 내부 매개변수가 명확해지면 그림 1의 절차를 통해 투자 위험을 낮추고 기술적으로 경제적으로 실현할 수 있는 프로젝트에 대해 원하는 결과를 얻을 수 있음이 입증되었다.
대상 시스템에 대한 대략적인 요구 사항을 지정할 때 다음과 같은 중요한 질문을 고려할 수 있는 유능한 파트너를 참여시키는 것이 가장 좋다.
A. 어떤 유형의 애플리케이션을 다루고 있는가?
B. 분석 대상의 특성(대상의 크기, 이동 속도, 감지되는 요소, 또는 결함의 크기)은 어떤 것인가?
C. 시스템 주변 장치(공간 제한, 생산 제어 장치 및 통신 버스 등)에 관한 요구 사항은?
D. 성공, 또는 실패 시 수행해야 할 작업은?
E. 내부 및 외부에서 어떤 개발 작업을 구현할 것인가?
공정한 조언을 얻으려면 특정 컨설턴트, 또는 기술적으로 숙련된 유통 업체에 특정 애플리케이션에 적합한 기술 및 제품을 평가할 수 있는 광범위한 이미징 구성 요소 포트폴리오에 관해 문의하는 것이 좋다.
전체 시스템을 개발하기 전에 모든 당사자는 가능한 한 깊이 있는 이미지 처리 작업을 이해해야 한다. 적절한 알고리즘 접근 방식을 선택하고 테스트한 타당성 조사를 통해 이를 보장할 수 있다.
시스템 복잡성에 따라 개발 및 통합을 위해 적절한 회사에 참여하는 것이 좋다. 이미지 프로세싱 하드웨어 및 소프트웨어 분야의 전문성을 구축하는 것뿐만 아니라 특정 제어 시스템과 생산 라인의 상호 운영을 실현하는 시스템 통합자를 선택한다. 컨설팅 회사, 또는 신뢰할 수 있는 유통 업체의 권장 사항을 요청한다. 자동화 작업이 스마트 카메라 기반 솔루션으로 해결할 수 있다면 프로젝트는 사내 자원 및 시스템 전문성으로 구현할 수 있다.
최고의 시스템 통합자를 식별하는 기준
- 비슷한 이미징 요구 사항을 가진 참조 프로젝트
- 알고리즘 개발에 대한 폭넓은 경험
- 생산 관리 시스템에 대한 기존 경험
- 지역 근접성
- 고정 가격 제안에 기반을 둔 구현
초기 단계의 타당성 조사는 이러한 고려 사항에 큰 도움이 된다. 이 연구는 후속 개발 및 통합 프로젝트를 위한 작업 명세서 역할을 하는 상세한 시스템 사양을 작성한다. 구현 단계에서 시스템 테스트가 승인 기준으로 지정되어 있는지 확인한다.
필요한 하드웨어와 그 선택
산업 이미지 처리를 위한 다양한 프로그램이 존재하더라도 대부분의 시스템은 동일한 기본 빌딩 블록으로 구성된다.
렌즈
렌즈는 물체의 빛을 카메라의 이미지 센서에 초점을 맞춘다. 초점 거리, 시야, 공간 해상도 및 투사된 이미지 원의 크기가 주요 정량 변수다. 품질이 좋고, 왜곡이 적고, 투과율이 좋고, 여러 생산 라인에서 광학 특성의 편차가 적어 어셈블리 라인과 테스트 스테이션에서 일관된 성능을 보장하는 것이 중요하다.
산업용 카메라
이미지 센서는 카메라 전자 회로 및 통신 인터페이스와 함께 카메라의 해상도, 프레임 속도 및 최소 노출 시간을 다른 매개변수 중에서 결정한다. 해상도가 높을수록 캡처된 이미지에서 인식할 수 있는 요소의 크기가 작아진다.
프레임 속도가 높을수록 주어진 시간 동안 분석을 위해 시스템에 기록되고 전송될 수 있는 오브젝트의 수가 더 커진다. 최소 노출 시간은 이미지가 흐리게 생성되지 않고 객체가 얼마나 빨리 움직일 수 있는지 결정한다. 최소 노출 시간은 프레임 속도의 역수보다 작아야 한다. 그렇지 않으면 프레임 속도는 최소 노출 시간의 역수로 제한된다. 이 경우, 최소한의 노출 시간을 줄이고 카메라의 프레임 속도를 높이기 위해 검사 시간을 줄이거나 조명을 높일 필요가 있다.
이미징 시스템의 하드웨어 구성 요소
- 카메라 + 렌즈
- 조명
- 처리 장치
- 케이블 연결
- 스마트 카메라
- 생산 제어 장치에 케이블 연결
LED 조명
이미지 처리 시스템이 주변 광의 변화에도 불구하고 빠르게 움직이는 물체를 분석하거나 잘 작동해야 하는 경우 강력한 인공 조명이 필요하다. 거의 모든 애플리케이션은 내구성과 신뢰성 때문에 LED를 사용한다. 스테퍼(steppers), 또는 광전지(photoelectric cells)와 같은 제어 전자 장치는 카메라 및 LED 스트로브(LED strobe)를 활성화한다.
플래시 모드 동작은 전력 소비를 낮추고 LED의 열 노화를 줄이면서 훨씬 더 큰 광도를 생성한다. 컬러 LED와 일치하는 카메라 필터를 사용하면 주변 광의 영향을 더욱 줄이는 동시에 캡처한 이미지를 더욱 쉽게 처리할 수 있는 이미지에 대비를 제공한다.
또한, 특히 품질 보증 애플리케이션의 경우, 광원의 전략적 배치는 그림자, 또는 반사에 기반한 특정 결함의 식별을 향상시킨다.
케이블 연결
케이블도 중요한 역할을 한다. 제어 펄스 및 비디오 데이터의 신뢰성 있는 전력 및 오류가 없는 전송은 100% 작동 런타임이 요구되는 시스템에 필수적이다.
특히, 카메라가 로봇 암과 같은 이동 장치에 장착될 때, 케이블은 존재할 수 있는 전자기 노이즈의 영향을 받지 않도록 적절히 차폐되는 동시에 지속적인 굽힘 및 비틀림 힘을 견뎌야 한다.
이미지 프로세싱 PC
이미지 분석 결과를 실시간으로 짧은 지연 시간에 얻으려면 강력한 연산 장치가 필요하다. 계산 부하는 카메라 분해능에 따라 적어도 선형적으로 증가한다. 최소한 컬러 처리는 그레이 스케일 이미징에 비해 계산 작업을 3배로 증가시킨다. 또한, 컴퓨터는 카메라의 데이터 인터페이스를 지원해야 하며 생산 라인의 컨트롤 유닛에 추가 인터페이스를 제공해야 한다.
먼지나 습기가 많은 환경에서는 이미지 처리 컴퓨터에 냉각 팬과 같이 지속적으로 움직이는 부품이 없는지 확인해야 한다. 설계 엔지니어는 요구 사항을 충족시키기 위해 모든 시스템 구성 요소를 정확하게 일치시키는 것이 중요하다. 애플리케이션에 적합하지 않거나 서로 일치하지 않는 하드웨어 구성 요소는 이미지 처리 시스템의 문제 중 50%를 차지한다.
매칭에는 상당한 전문 지식과 경험이 필요하다. 숙련된 하드웨어 유통 업체, 또는 기타 전문가의 조언을 구한다. 스마트 카메라는 대부분 시스템 구성 요소의 일치가 더는 사용되지 않는다. 일부 스마트 카메라 제조업체는 멀티 카메라 시스템 구현을 지원하는 완벽하게 매칭된 이미지 프로세서를 제공한다.
스마트 카메라
스마트 카메라는 시간을 크게 절약하고 비호환성 문제를 줄이기 위해 렌즈, 카메라, 조명, 조명 제어 및 처리 장치를 하나의 소형 장치에 결합한다. 이는 높은 통합 밀도로 완전히 통합된 시스템에서 얻을 수 있고, 사용할 수 있는 계산 능력을 제한하지만 핵심 하드웨어 구성 요소가 서로 완벽하게 일치하도록 한다. 그러나 하드웨어 요소가 잘 조화되어 있다는 사실은 자동화 시스템의 계획 및 최종 구현에서 중요한 이점을 구성한다.
IT 부문의 새로운 세대의 강력한 프로세서와 광범위한 해상도, 프레임 속도, 렌즈 및 조명 시스템의 가용성 덕분에 이 제품은 많은 응용 분야에 가장 적합하다. 대부분의 스마트 카메라는 그래픽 개발 인터페이스와 전용 소프트웨어 프레임 워크를 통합하여 시스템 개발의 위험, 시간 및 비용을 최소화한다. <다음 호에 계속>
자료 제공: FRAMOS(www.framos.com)
