AI·3D·초고속 영상의 진화, 머신비전 경쟁의 축이 바뀐다

글로벌 머신비전 전문 전시회 VISION 2026이 지난 10월 6일부터 8일까지 독일 슈투트가르트에서 열렸다. 제32회를 맞은 이번 전시회에는 494개 기업이 참가해 역대 최대 규모를 기록했다.2024년보다 참가기업 수는 2%, 전시면적은 5% 늘었으며, 전문 참관객도 9000명을 넘어 전회 대비 14% 증가했다. 해외 참관객 비중은 46%로 59개국에서 방문했다. 이번 전시회에서는 단순한 카메라 해상도와 촬영속도 경쟁을 넘어 AI 기반 영상처리 개발, 3D 공간 인식, 200GigE급 초고속 영상 전송, SWIR, 이벤트 기반 비전, 엣지 AI 등이 주요 기술 흐름으로 제시됐다. 머신비전이 독립된 검사장비에서 벗어나 로봇과 자동화 시스템, 컴퓨팅 플랫폼과 더욱 긴밀하게 연결되고 있다는 점도 두드러졌다. ▲ 독일 슈투트가르트에서 열린 VISION 2026. AI·3D 비전·초고속 영상처리 등 차세대 머신비전 기술이 대거 소개됐다. AI, 검사 알고리즘에서 비전 개발 환경으로 VISION 2026에서 주목할 변화 가운데 하나는 AI의 활용 범위가 검사 알고리즘을 넘어 머신비전 애플리케이션 개발 과정으로 확대되고 있다는 점이다. MVTec은 AI 에이전트를 활용한 프로토타입 ‘AI Vision Solver’를 공개했다. 차세대 HALCON 개발 환경인 HDevelopEVO를 기반으로 여러 AI 에이전트가 머신비전 프로젝트의 개발 과정을 지원하는 개념이다. 복잡한 영상처리 애플리케이션을 구축할 때 AI 를 이용해 개발 부담을 낮추는 데 초점을 맞췄다. 다만 AI가 산업용 검사 애플리케이션의 최종 판단까지 대신하는 구조는 아니다. MVTec은 AI 에이전트가 개발 노력을 줄일 수 있지만 최종 평가와 판단은 사용자에게 남는다고 설명했다. 머신비전 분야에서 AI가 사람을 대체하기보다 개발과 분석을 지원하는 도구로 영역을 확대하고 있음을 보여준다. ▲ MVTec의 ‘AI Vision Solver’ 3D 비전, 로봇의 ‘눈’으로 확대 3D 비전은 검사뿐 아니라 이동로봇과 로봇 핸들링을 위한 공간 인식 기술로 적용 범위를 넓히고 있다. Basler는 AMR, AGV 및 물류용 드론을 겨냥한 소형 3D 스테레오 카메라 ‘Stereo mini’를 전시했다. 깊이 데이터를 활용해 내비 게이션과 장애물 회피, 팔레트 취급 등을 지원하며 USB3, GigE, GMSL 인터페이스를 제공한다. 견고성과 넓은 시야각이 필요한 환경을 위한 blaze ToF 카메라도 함께 소개했다. Basler는 실제 머신비전 시스템과 동일한 장면을 디지털 환경에서 재현하는 ‘Vision Simulation’도 시연했다. 실제 시스템과 디지털 트윈을 나란히 비교해 물리적 프로토타입을 만들기 전 비전 구성을 검토하고 AI용 데이터 생성 가능성을 확인하는 방식이다. ▲ Basler의 ‘Stereo mini’ Mech-Mind 역시 3D 비전과 로봇을 결합한 실제 애플리케이션을 전면에 내세웠다. 투명·반투명 물체를 인식해 피킹하는 데모와 판금 부품의 빈피킹 및 정밀 로딩 작업 등을 선보였다.특히 Mech-Eye ULTRA M-GL은 자체 박벽 이미징 알고리즘과 광학기술을 이용해 두께 1mm 수준의 판금 부품에서도 가장자리와 홀 등의 세부 형상을 3D 포인트클라우드로 표현하도록 설계됐다. 투명물체 이미징도 지원해 로봇 인식과 피킹 적용 범위를 확대한다. ▲ Mech-Mind의 ‘Mech-Eye ULTRA M-GL’ 200GigE 등장, 고속 영상 전송의 한계 높여 산업용 카메라 분야에서는 센서 해상도뿐 아니라 대용량 영상 데이터를 얼마나 빠르게 전송하고 처리할 수 있는지가 새로운 경쟁 요소로 떠올랐다. Emergent Vision Technologies는 VISION 2026에서 200GigE를 적용한 HYPERION과 STRATOS 플랫폼을 공개했다. HYPERION의 첫 모델 AH-21000-G는 21MP 영상을 최대 1000fps로 전송하며, STRATOS의 LST-16KG5는 16K 해상도, 256단 TDI와 최대 1MHz의 라인 속도를 지원한다.두 플랫폼은 QSFP56 인터페이스와 GigE Vision 3.0/RDMA를 지원한다. 고해상도 영상을 압축하지 않은 상태에서 높은 프레임 레이트로 처리해야 하는 정밀 계측과 고속 검사 등에 대응하기 위한 기술이다. 반도체 검사, 100Gbit/s 급 영상 플랫폼으로 Teledyne Vision Solutions는 반도체 검사와 계측을 겨냥한 Sony IMX927 기반 100Gbit/s 영상 플랫폼을 공개했다. 이 시스템은 Adimec의 S-105A110 카메라와 DALSA의 Xtium3-QSFP28 프레임그래버를 결합한다. S-105A110은 Sony IMX927 센서를 탑재해 105MP 해상도에서 최대 110fps를 지원하며 CoaXPress over Fiber 인터페이스를 사용한다. 고해상도와 높은 프레임레이트를 동시에 요구하는 반도체 검사 에서는 센서 자체의 성능뿐 아니라 획득한 영상 데이터를 호스트 처리부까지 빠르게 전달하는 인터페이스와 프레임그래버까지 전체 영상처리 경로의 성능이 중요해지고 있음을 보여준다. ▲ Teledyne Vision Solutions의 100Gbit/s 영상 플랫폼 SWIR·이벤트 비전, 기존 가시광 검사의 한계 확장 가시광선 영역을 넘어서는 검사기술도 VISION 2026의 주요 흐름 가운데 하나였다. Allied Vision은 400~1700nm 영역을 지원하는 스마트 카메라 ‘Alecs VSWIR’를 소개했다. Sony SenSWIR 센서와 NVIDIA Jetson Orin 프로세싱을 IP67 하우징 안에 통합해 영상 획득과 엣지 AI 처리를 하나의 산업용 장치에서 수행하도록 설계했다.기존처럼 VSWIR 카메라와 GPU가 탑재된 외부 산업용 PC를 별도로 구성하는 복잡성을 줄이고, 공간이 제한되거나 실시간 판단이 필요한 현장에 적용할 수 있도록 한 것이 특징이다. ▲ Allied Vision의 ‘Alecs VSWIR’ 스마트 카메라 IDS는 이벤트 기반 비전, 3D iToF, AI 카메라와 임베디드 비전을전시했다. Prophesee와 함께 이벤트 기반 카메라를 이용한 드론·UAV·AGV용 객체 검출과 추적, 내비게이션 기술을 소개했고, 3D 분야에서는 간접 ToF 방식과 RGB·깊이 정보를 동기화하는 uEye 3D Nion 기술을 선보였다.프레임 기반 2D 카메라 중심이었던 머신비전이 고속 움직임과 3D 공간정보, 가시광선 밖의 스펙트럼까지 처리하는 방향으로 확대되고 있음을 보여주는 사례다. ▲ IDS의 uEye 3D Nion 2D·3D와 AI를 하나의 플랫폼으로 SICK도 VISION 2026에서 2D·3D 머신비전과 AI의 결합을 강조했다. SICK NOVA에는 3D 데이터용 AI 도구가 확대됐으며, 3D Anomaly Detection, Object Detection, 3D AI Classification 등을 이용해 형상이나 완전성, 품질 검사 등을 수행할 수 있도록 했다. 기존에는 3D 데이터를 규칙 기반으로 평가하는 경우가 많았다면, 새로운 AI 기능은 예제 이미지를 기반으로 검사를 구성할 수있도록 하는 데 초점을 맞췄다. Ranger NextGen, Ruler3000, Inspector 8xx 등 2D·3D 카메라 제품군과 소프트웨어 플랫폼의 통합도 주요 전시 내용이었다. 카메라 성능에서 ‘시스템 경쟁’으로 VISION 2026에서 확인된 변화는 새로운 카메라가 많이 등장했다는 데만 있지 않다. MVTec은 AI를 머신비전 개발환경으로 확장했고, Basler와 Mech-Mind는 3D 비전을 이동로봇과 로봇 핸들링에 연결했다.Emergent와 Teledyne은 고해상도 영상의 전송과 처리 성능을 높였으며, Allied Vision과 IDS는 SWIR와 이벤트 기반 비전, 엣지 AI 등 기존 프레임 기반 가시광 영상의 한계를 넓혔다. SICK은 3D 데이터 분석에 AI를 적용하며 소프트웨어와 센서의 통합을 강화했다. 결국 머신비전의 경쟁 기준은 개별 카메라의 해상도와 촬영속도 만으로 설명하기 어려워지고 있다. 카메라와 센서, 영상 인터페이 스, AI 소프트웨어, 엣지 컴퓨팅, 3D 공간 인식이 실제 자동화 시스템 안에서 어떻게 결합되는지가 새로운 경쟁력으로 부상하고 있다. ▲ SICK의 2D·3D 머신비전 솔루션 <표> VISION 2026 주요 기술 및 적용 분야 자료제공: Messe Stuttgart 및 각사 공식 발표자료

카메라·조명·모션 제어를 하나로 ... EtherCAT을 선택하는 5가지 이유

머신비전과 자동화 제어는 오랫동안 서로 분리된 시스템으로 구성돼 왔다. 별도의 비전 컨트롤러와 네트워크, PLC 간 인터페이스, 조명 트리거 시스템을 각각 구성하는 방식이다. 그러나 정밀도와 속도 요구가 높아질수록 이러한 분리 구조는 인터페이스 복잡성과 지연, 추가 하드웨어라는 부담으로 이어질 수 있다. Beckhoff는 EtherCAT을 공통 통신 기반으로 활용하면 카메라와 조명, 모션축을 하나의 시간축과 제어 시스템 안에서 통합할 수 있다고 설명한다. ▲ Beckhoff의 PC 기반 제어와 EtherCAT을 활용하면 머신비전을 별도의 부가 시스템이 아닌 통합 자동화 모듈로 구성할 수 있다. 1.카메라·조명·모션축을 하나의 시간 기준으로 첫 번째 이유는 표준화된 시간 기준(Standardized Time Base)이다. EtherCAT은 Distributed Clocks(DC)를 이용해 네트워크에 연결된 장치들을 공통 시간 기준으로 동기화한다. 첫 번째 DC 지원 슬레이브의 시간을 다른 장치에 주기적으로 전달하고, 네트워크 전파 지연을 측정해 보상하는 방식이다. Beckhoff에 따르면 이 방식의 지터는 1㎲보다 훨씬 낮으며 일반 적으로 수십 ns 수준이다. 절대 시스템 시간은 64비트로 저장되고 시간 측정 해상도는 1ns다. 머신비전에서는 이 시간 동기화가 특히 중요하다. 카메라와 조명, 모션축이 각각 별도의 시간 기준으로 동작하는 것이 아니라 하나의 시간축에 맞춰 움직일 수 있기 때문이다. 따라서 단순한 포토센서 신호와 소프트웨어 핸드셰이크에 의존하지 않고, 컨베이어 위치나 모션축의 특정 위치를 기준으로 정확한 시점에 이미지를 획득할 수 있다. 제품 추적이나 Track & Trace처럼 위치와 이미지의 정확한 대응이 필요한 애플리케이션 에서도 장점이 있다. ☞ Point: 카메라 + 조명 + 축 → 표준화된 시간 기준 2. 트리거와 조명을 정밀하게 동기화 두 번째 이유는 실시간 트리거와 조명 제어다.머신비전에서는 카메라만 정확하게 트리거한다고 끝나는 것이 아니다. 이미지가 촬영되는 순간 조명이 정확한 밝기와 시간으로 동작해야 안정적인 검사 이미지를 얻을 수 있다. Beckhoff는 EtherCAT의 Distributed Clocks와 Timestamp 기능을 이용하면 카메라와 조명을 동일한 시간 기준에서 제어할 수있다고 설명한다. 자사의 EL2596 LED 스트로브 제어 터미널과 EL2262 출력 터미널을 예로 들어, 조명 플래시와 카메라 하드웨어 트리거를 정밀하게 동기화하는 방식을 제시한다. 이 방식에서는 별도의 외부 트리거 루프를 구성하지 않고도 펄스 조명을 구현할 수 있다. 매우 짧은 시간 동안 높은 광량을 사용하면 빠르게 움직이는 대상도 정지된 것처럼 촬영할 수 있다.또한 검사 때문에 제품을 감속한 뒤 다시 가속할 필요를 줄일 수있어 설비 공간을 절약할 수 있으며, 조명의 전력과 냉각 요구를 낮추고 LED 수명을 늘리는 효과도 기대할 수 있다고 Beckhoff는 설명한다. ☞ Point: 이미지 촬영 시점과 조명 플래시를 정확하게 일치 ▲ EtherCAT Distributed Clocks는 카메라와 조명, 모션축을 공통 시간 기준으로 동기 화해 원하는 위치에서 정확한 시점에 이미지를 획득할 수 있도록 한다. 3. 비전 결과를 제어에 더 빠르게 반영 세 번째는 반응시간 단축(Shorter Reaction Times)이다.기존의 분리된 비전 시스템에서는 이미지 처리 결과가 별도의 네트워크와 인터페이스를 거쳐 PLC로 전달되는 경우가 많다. 이 과정에서 네트워크 스택이나 게이트웨이, 운영체제 등에 따른 지연이 발생할 수 있다. EtherCAT은 프레임이 네트워크를 통과하는 동안 각 장치가 필요한 데이터를 읽고 자신의 데이터를 삽입하는 On-the-fly 방식을 사용한다. 일반적으로 하나의 프레임으로 출력 데이터를 갱신하 면서 동시에 입력 데이터를 수집할 수 있다. 따라서 비전 시스템을 제어 시스템과 분리해 운용하는 것이 아니라, 제어 루프 안에 통합하는 구조가 가능해진다. 이미지 처리 결과를 받은 뒤 별도의 통신 단계를 기다리지 않고 PLC 프로그램에서 바로 판단을 수행하고, 그 결과를 모션축에 전달할 수 있다는 것이다. 고속 검사와 불량품 제거, 위치 보정, 로봇 핸들링처럼 ‘보고 바로 움직여야 하는’ 애플리케이션에서 특히 중요한 부분이다. ☞ Point: 검사 → 판단 → 모션제어의 지연 최소화 4. 하드웨어와 엔지니어링 비용 절감 네 번째는 하드웨어와 엔지니어링 비용 절감이다.기존 머신비전 시스템에서는 비전 컨트롤러, 플래시 컨트롤러, PLC 인터페이스, 네트워크 장치 등이 별도로 필요한 경우가 있다.시스템이 분리될수록 장비와 배선뿐 아니라 설정과 시운전 작업도 늘어난다. Beckhoff는 EtherCAT 기반으로 비전 구성요소를 통합하면 별도의 비전 컨트롤러와 플래시 컨트롤러 및 관련 인터페이스를 줄일수 있다고 설명한다. 비전 하드웨어도 하나의 엔지니어링 환경에서 설정할 수 있다.또한 EtherCAT은 라인, 스타, 트리 등 다양한 토폴로지를 조합할수 있어 카메라와 조명을 네트워크 스위치 위치가 아니라 공정에 필요한 위치에 배치할 수 있다. EtherCAT P를 사용하면 통신과 전원을 하나의 케이블을 통해 공급할 수 있다. 카메라와 조명을 계단식으로 연결하는 구성도 가능해 배선과 설치공간을 줄일 수있다는 설명이다.결국 시스템 통합은 단순히 통신 성능을 높이는 문제가 아니라 부품 수와 배선, 설치공간, 시운전 시간을 함께 줄이는 문제로 연결된다. ☞ Point: 비전 컨트롤러·인터페이스·배선·설정 작업 감소 ▲ EtherCAT P를 이용하면 카메라와 조명 시스템을 캐스케이드 방식으로 연결할 수 있어 전원 공급과 통신 배선을 단순화할 수 있다. 5. 비전과 제어를 하나의 진단 체계로 다섯 번째 이유는 일관된 진단(Consistent Diagnostics) 이다.EtherCAT에서는 각 슬레이브 컨트롤러가 통과하는 텔레그램을 체크섬으로 검사하고, 오류가 발생하면 관련 카운터를 증가시킨 다. 마스터는 이러한 정보를 이용해 네트워크에서 문제가 발생한 위치를 파악할 수 있다. 케이블이나 커넥터 문제도 Link-Lost-Counter 등을 이용해 진단할 수 있으며, 시스템 시작 시 네트워크 토폴로지를 확인하고 검증하는 기능도 제공한다.머신비전과 모션 데이터가 동일한 시간축에 놓인다는 점도 중요한 부분이다. 이미지에는 추적 가능한 Timestamp를 부여할 수있고, 이를 모션축의 위치 프로파일이나 I/O 신호와 함께 비교할수 있다. 예를 들어 검사 오류가 발생했을 때 당시 촬영된 이미지, 축 위치, I/O 상태를 같은 시간 기준으로 추적하면 문제의 원인을 보다 체계적으로 분석할 수 있다. 즉 진단 대상이 카메라 따로, PLC 따로, 네트워크 따로가 아니라 하나의 자동화 시스템 안으로 통합되는 것이다. ☞ Point: 이미지·축·I/O·네트워크 오류를 하나의 시간축에서 추적 <표> 머신비전에서 EtherCAT을 선택하는 5가지 이유 머신비전, ‘부가 시스템’에서 기계의 일부로 Beckhoff가 제시하는 다섯 가지 이유의 공통점은 머신비전을 자동화 시스템과 별도로 구성하지 않는 것이다. 카메라와 조명, PLC, I/O, 모션축이 동일한 EtherCAT 네트워크와 시간 기준을 사용하면 비전 시스템은 별도의 검사 장치가 아니라 기계 제어 시스 템의 일부로 통합될 수 있다. 결국 EtherCAT 기반 비전 통합의 핵심은 단순한 네트워크 속도에 있지 않다. 동기화, 실시간 반응, 시스템 단순화, 진단을 하나의 제어 아키텍처 안에서 구현하는 것이 핵심이다. Beckhoff는 이를 기존의 복잡한 add-on 형태에서 기계에 통합된 자동화 모듈로 머신비전의 역할이 변화하는 것으로 설명한다. 자료제공: Beckhoff (www.beckhoff.com)

캐비테이션(Cavitation) 분석에 필요한 초고속 이미징의 5가지 핵심 조건

캐비테이션(Cavitation)은 액체 내부에서 생성된 증기 기포가 성장한 뒤 급격히 붕괴하는 현상으로, 매우 짧은 시간에 충격파와 마이크로제트 등을 발생시킨다.이러한 순간적인 변화를 분석하려면 높은 시간 해상도와 공간 해상도를 갖춘 초고속 이미징 기술이 필요하다. 이 기사에서는 캐비테이션 분석을 사례로 프레임 레이트, 공간 해상도, 트리거·동기화, 광감도 등 고속 카메라 선택의 핵심 요소 5가지를 살펴본다. ▲ 캐비테이션의 기포 거동을 관찰하는 초고속 이미징 시스템을 시각화한 모습 (이미지: AI 생성) 캐비테이션은 수처리 시스템과 선박 프로펠러, 연료 인젝터, 바이오메디컬 분야 등 다양한 영역에서 관찰된다. 이러한 현상을 분석하려면 단순히 빠른 영상을 얻는 것만으로는 충분하지 않다. 기포가 언제 형성되고 어떻게 성장 하며, 주변 기포 또는 표면과 어떤 상호작용을 거쳐 붕괴하는지를 시간 흐름에 따라 확인할 수 있어야 한다. 특히 캐비테이션 과정에서는 기포의 성장과 붕괴가 매우 짧은 시간에 연속 적으로 일어나기 때문에, 일반적인 영상 장비로는 주요 변화 단계를 놓치기쉽다. 따라서 시간 해상도가 충분한 초고속 영상 데이 터를 확보해야 기포의 형상 변화와 붕괴 과정, 충격파및 마이크로제트 발생 등을 보다 세밀하게 분석할 수 있다. 캐비테이션 분석은 초고속 이미징 시스템에 요구되는 성능을 잘 보여주는 사례다. 카메라는 충분한 프레임 레이트뿐 아니라 미세 구조를 식별할 수 있는 공간 해상도, 외부 장비와 정확하게 연동할 수 있는 트리거 성능, 짧은 노출시간에서도 영상을 확보할 수 있는 감도를 함께 갖춰야 한다. Specialised Imaging은 캐비테 이션 분석용 카메라를 선택할 때 다음 다섯 가지 요소를 주요 기준으로 제시한다. 1. 순간 거동을 포착하는 초고속 프레임레이트 캐비테이션 현상은 매우 빠르게 진행된다. 단일 기포가 성장하고 붕괴하는 데 걸리는 시간은 수 마이 크로초에 불과할 수 있으며, 붕괴 과정에서는 높은 압력의 충격파와 빠른 마이크로제트가 발생한다. 충분한 시간 해상도를 확보하지 못하면 기포 붕괴 과정의 핵심 단계를 놓치게 된다. 따라서 고속 카메라는 기포의 성장과 붕괴를 구분할수 있을 만큼 높은 프레임레이트를 제공해야 하며, 붕괴 과정에서 모션 블러를 최소화할 수 있어야 한다. 또한 외부 트리거와 진단 장비에 정밀하게 동기화할 수있어야 한다. 프레임레이트가 충분하면 충격파 방출과 마이크로제트의 침투, 기포 분열, 인접한 기포 사이의 상호작용 등을 시간 흐름에 따라 분석할 수 있다. 특히 매우 작고 수명이 짧은 마이크로버블을 관찰할 경우 프레임레 이트 부족은 일부 과정을 기록하지 못하게 만들고, 결과적으로 데이터의 완전성과 모델링 신뢰성을 떨어뜨릴 수 있다. 결국 초고속 촬영에서 높은 fps는 단순히 더 많은 장면을 기록하기 위한 요소가 아니라, 짧은 시간 안에 연속적으로 일어나는 물리적 변화를 구분하기 위한 기본 조건이라고 볼 수 있다. 2. 프레임레이트와 해상도의 균형 고속 이미징에서는 프레임레이트와 공간 해상도가 서로 독립적인 성능 요소가 아니다. 일반적으로 프레임레이트를 높이기 위해 센서의 판독 영역을 줄이면 사용할 수 있는 해상도도 제한된다. 그러나 캐비테이션과 같은 마이크로 이미징에서는 시간 해상도뿐 아니라 작은 기포의 형상과 구조를 구분할 수 있는 공간 해상도 역시 중요하다. 마이크로버블을 분석하려면 기포 직경을 정확하게 측정하고, 붕괴 과정의 변형을 추적하며, 마이크로제트의 방향과 침투 정도, 주변 표면과의 상호작용까지 확인해야 한다. 프레임레이트만 높이고 해상도가 지나치게 낮아지면 기포의 경계나 형상 변화를 세밀하게 구분하기 어렵고, 반대로 해상도만 높이고 촬영 속도가 부족하면 붕괴 과정 자체를 충분히 분해해 볼 수 없다. 따라서 최대 프레임레이트만을 기준으로 카메라를 선택하기보다는 실험 목적에 따라 촬영 속도와 해상도를 조정할 수 있는 유연 성이 중요하다. 분석하려는 현상의 크기와 속도, 필요한 측정 정밀도에 따라 적절한 균형점을 찾는 것이 핵심이다. 3. 마이크로버블 분석을 위한 공간 해상도 일부 캐비테이션 연구에서는 개별 기포 수준까지 분석한다.이러한 마이크로 이미징에서는 높은 공간 해상도가 필수적이다.카메라는 증기 기포의 경계를 명확하게 구분할 수 있어야 하고, 영상을 확대했을 때 과도한 픽셀화가 발생하지 않아야 한다. 또한 정량적인 측정을 위한 정확한 스케일링과 전체 시야에서 일관된 이미지 선명도가 요구된다. 특히 기포가 터빈 블레이드나 마이크로유체 채널 같은 고체 표면과 상호작용할 경우 미세한 기포 형상 변화가 침식 패턴이나 에너지 전달과 연관될 수 있다. 이때 공간 해상도가 충분하지 않으면 기포 경계의 미세한 변화나 표면과의 상호작용을 정확하게 구분 하기 어렵다. 따라서 마이크로버블 캐비테이션을 분석할 때는 단순히 높은 촬영 속도만 확보하는 것이 아니라, 고배율 광학 시스템에서도 의미있는 공간 해상도를 유지할 수 있는지가 중요하다. 4. 외부 계측 장비와의 정밀한 동기화 고속 이미징 시스템의 역할은 영상 획득에만 그치지 않는다. 실험 환경에서는 캐비테이션이 레이저 펄스, 압력파, 빠른 밸브 작동, 음향 가진 등 외부 자극에 의해 발생하는 경우가 많기 때문에 영상 촬영 시점을 이러한 발생 메커니즘과 정확하게 맞춰야 한다. 이를 위해 카메라 시스템은 외부 트리거 입력과 정밀하고 일관된 타이밍 제어 기능을 지원해야 한다. 압력 센서나 다른 진단 장비와 연동할 수 있어야 하며, 여러 차례의 실험에서 동일한 조건으로 반복 촬영할 수 있는 성능도 필요하다. 동일한 시점에서 영상과 압력, 음향 등 다른 측정 데이터를 함께 확보할 수 있다면 개별 영상만으로는 확인하기 어려운 현상을 보다 종합적으로 해석할 수 있다. 따라서 트리거와 측정 시스템 통합은 영상 장비의 부가 기능이라기보다 정량 분석을 가능하게 하는 핵심 조건에 가깝다. 5. 짧은 노출시간에서 중요한 광감도 프레임레이트가 높아지면 한 프레임당 사용할 수 있는 노출시간은 짧아지고, 센서가 확보할 수 있는 빛의 양도 감소한다.이는 초고속 이미징에서 피할 수 없는 제약이다.캐비테이션 실험에서는 높은 배율, 제한된 광학 접근 공간, 고속 조명, 짧은 레이저 펄스 등의 조건이 함께 적용될 수 있어 광량 확보가 더욱 어려워질 수 있다. 센서 감도가 충분하지 않으면 영상 노이즈가 증가하거나 대비가 낮아지고, 이는 미세 기포의 경계와 내부 구조를 식별하는 능력에 직접적인 영향을 미친다. 특히 노출시간이 매우 짧은 초고속 촬영 에서는 확보할 수 있는 광량 자체가 제한되기 때문에 센서 감도와 노이즈 특성이 영상 품질을 좌우하는 중요한 요소가 된다. 따라서 고속 카메라를 평가할 때는 센서의 양자효율(Quantum Efficiency), 짧은 노출시간에서의 노이즈 성능, 펄스 조명과의 호환성, 실험 목적에 맞는 광학 구성 지원 여부 등을 함께 살펴봐야 한다. 특히 제한된 광량에서도 미세 기포의 경계와 형상 변화를 선명하게 포착할 수 있는지가 중요하다. 자료제공: Specialised Imaging (specialised-imaging.com)

와이어 하네스 조립 자동화를 위한 머신비전 기반 로봇 제어 적용 사례

자동차 산업에서 와이어 하네스 조립은 자동화하기 까다로운 공정으로 꼽힌다. 케이블이 유연해 작업할 때마다 위치와 형상이 달라지기 때문이다. 독일의 자동화 전문기업 Cellios는 TE Connectivity와 협력해 와이어 하네스 조립부터 전기적 검사까지 수행하는 모듈형 로봇 시스템을 개발했다. 이 과정에서 MVTec의 머신비전 소프트웨어 MERLIC을 활용해 단자와 커넥터의 위치를 측정하고 로봇의 움직임을 보정했다. 이번 사례는 머신비전과 정밀 로봇 제어를 결합해 수작업 중심의 조립 공정을 자동화한 기술을 살펴본다. ▲ 와이어 하네스 조립 자동화 셀. 유연한 케이블을 다루는 로봇에는 정밀한 위치 인식과 제어가 요구된다. Challenge 위치가 계속 변하는 케이블, 0.1mm 정밀도 요구 와이어 하네스는 여러 전선을 묶어 전기적 연결을 구성하는 부품 으로, 자동차의 전장 시스템에 폭넓게 사용된다. 그러나 케이블은 단단한 기계 부품과 달리 쉽게 휘어지고 작업 과정에서 위치가 달라진다. 로봇이 동일한 동작을 반복하더라도 케이블 끝에 부착된 단자의 위치와 방향이 일정하게 유지되지 않는다는 의미다. 특히 어려운 작업은 전선 끝에 압착된 단자(crimp)를 커넥터의 작은 삽입구에 정확하게 넣는 공정이다. 단자와 삽입구의 크기는 수mm 수준이며, 안정적인 삽입을 위해서는 약 0.1mm의 위치 정밀도가 요구된다. 케이블을 잡는 과정에서 단자의 위치가 미세하게 달라지기 때문에 사전에 설정한 로봇 좌표만으로는 정확한 삽입이 어렵다. 기존 와이어 하네스 제조에서는 일부 작업을 자동화하더라도 케이블 배선과 단자 삽입 등은 작업자의 수작업에 의존하는 경우가 많았다. Cellios는 이러한 한계를 해결하기 위해 개별 작업뿐 아니라 조립부터 최종 전기적 검사까지 연계하는 자동화 시스템 개발에 나섰다. ▲ 로봇 팔 위쪽의 카메라가 커넥터 위치를 측정해 로봇의 위치 보정을 지원한다. Solution 2D 머신비전과 힘 제어를 결합한 단자 삽입 Cellios는 커넥터 공급, 전선 준비, 단자 압착, 배선, 접합, 테이핑,최종 전기적 검사 등의 공정을 모듈형 로봇 셀로 구성했다. 핵심 기술은 단자 삽입 과정에서 머신비전과 로봇의 힘 제어를 함께 사용하는 방식이다. 로봇이 압착 단자(crimp)를 파지하면 한 대의 2D 카메라가 단자의 X·Y 위치와 Z축 회전각을 측정한다. 다른 카메라는 커넥터 삽입구의 위치를 확인한다. MVTec의 MERLIC은 영상 처리와 매칭 기술을 통해 로봇의 위치 보정에 필요한 정보를 제공한다. 이를 통해 케이블의 유연한 특성과 앞선 가공 과정에서 발생한 위치 편차에 대응한다. ▲ 머신비전 카메라를 이용해 압착 단자의 위치와 방향을 측정한다. 삽입 단계에서는 로봇에 장착된 힘·토크 센서가 작용한다. 머신 비전이 단자와 삽입구의 기하학적 위치를 파악한다면, 힘 제어는 실제 삽입 과정에서 발생하는 힘을 감지하고 조절한다. 이를 통해 미세한 위치 차이로 부품이 손상될 가능성을 줄이면서 정밀한 삽입 작업을 수행하도록 설계했다. Cellios는 영상 처리 소프트웨어로 MVTec MERLIC을 적용하고, MQTT와 REST 인터페이스를 통해 머신비전 시스템을 로봇 셀의 제어 환경과 연동했다. MERLIC은 로우코드(Low-Code) 기반 개발 환경을 제공해 복잡한 프로그래밍 없이 영상 처리 기능을 구성할 수 있도록 지원한다. 실제로 Cellios의 직원 두 명은 별도의 추가 교육 없이 동영상 자료와 예제 애플리케이션을 활용해 비전 애플리케이션을 구현했다. 유연한 케이블을 파지하고 조작하는 과정 역시 중요하다. 로봇 그리퍼는 서로 다른 굵기의 케이블을 취급하도록 구성돼 있으며, 위치 인식과 파지 동작을 연계해 작업 대상의 변화에 대응한다. Result 수작업 중심의 조립 공정을 로봇 시스템으로 구현 Cellios와 TE Connectivity는 와이어 하네스 조립 공정 전반을 자동화하는 시스템의 시제품을 개발하고, 2025년 11월 공개했다. 특히 위치가 일정하지 않은 단자와 커넥터를 각각 측정하고 로봇의 움직임을 보정하는 방식으로, 작업자의 육안 확인과 숙련도에 크게 의존했던 단자 삽입 공정을 로봇으로 자동화하는 방식을 구현했다. 이 시스템은 단자 삽입 과정의 데이터를 디지털 방식으로 기록하고 모니터링할 수 있도록 구성됐다. 이는 조립 과정의 추적성을 확보하고, 문제 발생 시 작업 이력을 확인하는 데 활용될 수 있다. Insight 정밀 위치 인식과 힘 제어의 결합이 핵심 이번 사례는 머신비전이 단순한 완제품 검사 기술을 넘어 로봇의 조립 동작을 직접 지원하는 핵심 기술로 활용될 수 있음을 보여준다. 유연한 케이블처럼 작업 과정에서 형상과 위치가 변하는 부품은 고정된 좌표와 반복 동작만으로 다루기 어렵다. 따라서 실제 부품의 위치를 측정하고 그 결과를 로봇 제어에 반영하는 과정이 필요하다. Cellios는 MERLIC 기반 머신비전으로 단자와 커넥터의 위치를 파악하고, 힘·토크 센서로 삽입 과정을 제어하는 방식을 채택했다. 영상 기반 위치 보정과 물리적 접촉 제어를 결합했다는 점에서, 이번 사례는 유연 부품의 정밀 조립 자동화에 적용할 수 있는 기술적 접근법을 제시한다. Cellios는 향후 머신비전을 활용한 추가 품질검사와 공정 편차를 감지하고 대응하는 셀프 힐링(Self-Healing) 기능도 검토하고 있다. 이는 머신비전의 역할을 조립 위치 보정에서 공정 상태의 감시와 제어로 확장하려는 방향이다. 자료출처: MVTec (www.mvtec.com)

투명·고반사 반도체 소재의 3D 정밀 검사 기술

반도체 제조에서는 생산 전 과정에서 치수 확인, 핵심 형상 검사, 결함 검출, 조립 상태 확인 등이 요구된다. 소자와 패키지 구조가 미세해질수록 필요한 측정 정확도와 반복성도 높아지는데, 검사 대상이 투명하거나 반사성이 높으면 측정 난도는 더욱 커진다. LMI Technologies는 유리 웨이퍼, 디스플레이 기판, 광학 부품, 연마 표면, 첨단 패키징 소재를 대표적인 검사 난제로 꼽는다. 표면 반사는 필요한 형상을 가릴 수 있고, 굴절은 측정 정확도에 영향을 줄 수 있다. 표면 간 대비가 낮거나 형상이 복잡하고 경사가 급한 경우에도 안정적인 3D 데이터를 얻기가 어렵다. 특히 TGV(Through Glass Via)는 유리 기판을 관통하도록 미세 비아를 형성하는 기술로, 투명한 기판에 만들어진 미세 구조를 정밀하게 측정해야 한다. 반사와 굴절의 영향을 받는 유리 소재 특성까지 고려해야 하기 때문에 3D 측정 난도가 높은 검사 대상 가운데 하나다. ▲ Gocator 4000 시리즈를 이용한 실리콘 웨이퍼 3D 검사. 동축 라인 공초점 기술로 반사·투명·복잡 표면의 형상을 측정한다. 사각 영역 줄이고 급경사 형상까지 측정 Gocator 4000 시리즈는 이러한 검사 과제에 대응하기 위해 동축 라인 공초점 기술을 사용한다. LMI에 따르면 이 방식은 투명·반사·복합 표면을 고해상도 3D로 측정하고, 사각 영역을 최소화하는 동축 광학 구조를 통해 기존 검사 방식에서 데이터가 누락되기 쉬운 형상의 표면 정보를 취득하도록 설계됐다. 동축 광학 구조는 급경사 형상과 깊은 홈, 돌출 구조처럼 측정 시사각 영역이 발생하기 쉬운 대상에 유리하다. Gocator 4000 시리즈는 시리즈 기준으로 프로파일당 1920 포인트, 최대 1.9 μm의 X 해상도, 최대 5.0 mm의 측정 시야(FOV), 최대 ±85°의 경사각, 가속 시 최대 36 kHz의 스캔 속도를 지원한다. 다만 이 수치는 개별 모델과 설정에 따라 달라질 수 있으므로 실제 적용에서는 해당 모델의 사양 확인이 필요하다. 센서에는 GoPxL 소프트웨어가 탑재돼 측정과 분석, 검사를 엣지 에서 직접 수행한다. LMI는 이를 통해 외부 데이터 처리 구성을단순화하고 인라인 환경에서 검사 결과를 빠르게 활용할 수 있다고 설명한다. 웨이퍼부터 TGV·BGA·와이어 본딩까지 LMI가 제시하는 적용 범위는 웨이퍼 검사에만 한정되지 않는다.반도체 패키징, BGA 검사, 와이어 본딩 검사, 정밀 계측, 표면 결함 검출, 유리 기판 및 TGV 검사 등 다양한 공정에서 동축 라인 공초점 기반의 3D 측정을 활용할 수 있다. BGA의 미세 범프나 복잡한 와이어 본딩 구조처럼 형상 변화가 크고 사각 영역이 발생하기 쉬운 대상에서는 표면 데이터의 누락을 줄이면서 형상을 안정적으로 측정하는 것이 중요하다. 투명·반사 소재 검사의 핵심은 단순히 해상도를 높이는 데 있지 않다. 반사와 굴절, 급경사와 깊은 구조처럼 측정을 방해하는 조건에서도 안정적인 3D 데이터를 확보하고, 이를 인라인 검사 흐름에서 바로 분석할 수 있어야 한다. LMI는 동축 라인 공초점 기술을 이러한 반도체 검사 과제에 대응하는 방법으로 제시하고 있다. 자료제공: LMI Technologies (www.lmi3d.com)

먼저 비밀번호를 입력하여 주세요.

창닫기확인


  • 2026 Buyers Guide

    2026 Buyers Guide

    2025 Buyers Guide

  • Motion Control show

    Motion Control show

    Motion Control show

기술정보

더보기

캐비테이션(Cavitation) 분석에 필요한 초고속 이미징의 5가지 핵심 조건

캐비테이션(Cavitation)은 액체 내부에서 생성된 증기 기포가 성장한 뒤 급격히 붕괴하는 현상으로, 매우 짧은 시간에 충격파와 마이크로제트 등을 발생시킨다.이러한 순간적인 변화를 분석하려면 높은 시간 해상도와 공간 해상도를 갖춘 초고속 이미징 기술이 필요하다. 이 기사에서는 캐비테이션 분석을 사례로 프레임 레이트, 공간 해상도, 트리거·동기화, 광감도 등 고속 카메라 선택의 핵심 요소 5가지를 살펴본다. ▲ 캐비테이션의 기포 거동을 관찰하는 초고속 이미징 시스템을 시각화한 모습 (이미지: AI 생성) 캐비테이션은 수처리 시스템과 선박 프로펠러, 연료 인젝터, 바이오메디컬 분야 등 다양한 영역에서 관찰된다. 이러한 현상을 분석하려면 단순히 빠른 영상을 얻는 것만으로는 충분하지 않다. 기포가 언제 형성되고 어떻게 성장 하며, 주변 기포 또는 표면과 어떤 상호작용을 거쳐 붕괴하는지를 시간 흐름에 따라 확인할 수 있어야 한다. 특히 캐비테이션 과정에서는 기포의 성장과 붕괴가 매우 짧은 시간에 연속 적으로 일어나기 때문에, 일반적인 영상 장비로는 주요 변화 단계를 놓치기쉽다. 따라서 시간 해상도가 충분한 초고속 영상 데이 터를 확보해야 기포의 형상 변화와 붕괴 과정, 충격파및 마이크로제트 발생 등을 보다 세밀하게 분석할 수 있다. 캐비테이션 분석은 초고속 이미징 시스템에 요구되는 성능을 잘 보여주는 사례다. 카메라는 충분한 프레임 레이트뿐 아니라 미세 구조를 식별할 수 있는 공간 해상도, 외부 장비와 정확하게 연동할 수 있는 트리거 성능, 짧은 노출시간에서도 영상을 확보할 수 있는 감도를 함께 갖춰야 한다. Specialised Imaging은 캐비테 이션 분석용 카메라를 선택할 때 다음 다섯 가지 요소를 주요 기준으로 제시한다. 1. 순간 거동을 포착하는 초고속 프레임레이트 캐비테이션 현상은 매우 빠르게 진행된다. 단일 기포가 성장하고 붕괴하는 데 걸리는 시간은 수 마이 크로초에 불과할 수 있으며, 붕괴 과정에서는 높은 압력의 충격파와 빠른 마이크로제트가 발생한다. 충분한 시간 해상도를 확보하지 못하면 기포 붕괴 과정의 핵심 단계를 놓치게 된다. 따라서 고속 카메라는 기포의 성장과 붕괴를 구분할수 있을 만큼 높은 프레임레이트를 제공해야 하며, 붕괴 과정에서 모션 블러를 최소화할 수 있어야 한다. 또한 외부 트리거와 진단 장비에 정밀하게 동기화할 수있어야 한다. 프레임레이트가 충분하면 충격파 방출과 마이크로제트의 침투, 기포 분열, 인접한 기포 사이의 상호작용 등을 시간 흐름에 따라 분석할 수 있다. 특히 매우 작고 수명이 짧은 마이크로버블을 관찰할 경우 프레임레 이트 부족은 일부 과정을 기록하지 못하게 만들고, 결과적으로 데이터의 완전성과 모델링 신뢰성을 떨어뜨릴 수 있다. 결국 초고속 촬영에서 높은 fps는 단순히 더 많은 장면을 기록하기 위한 요소가 아니라, 짧은 시간 안에 연속적으로 일어나는 물리적 변화를 구분하기 위한 기본 조건이라고 볼 수 있다. 2. 프레임레이트와 해상도의 균형 고속 이미징에서는 프레임레이트와 공간 해상도가 서로 독립적인 성능 요소가 아니다. 일반적으로 프레임레이트를 높이기 위해 센서의 판독 영역을 줄이면 사용할 수 있는 해상도도 제한된다. 그러나 캐비테이션과 같은 마이크로 이미징에서는 시간 해상도뿐 아니라 작은 기포의 형상과 구조를 구분할 수 있는 공간 해상도 역시 중요하다. 마이크로버블을 분석하려면 기포 직경을 정확하게 측정하고, 붕괴 과정의 변형을 추적하며, 마이크로제트의 방향과 침투 정도, 주변 표면과의 상호작용까지 확인해야 한다. 프레임레이트만 높이고 해상도가 지나치게 낮아지면 기포의 경계나 형상 변화를 세밀하게 구분하기 어렵고, 반대로 해상도만 높이고 촬영 속도가 부족하면 붕괴 과정 자체를 충분히 분해해 볼 수 없다. 따라서 최대 프레임레이트만을 기준으로 카메라를 선택하기보다는 실험 목적에 따라 촬영 속도와 해상도를 조정할 수 있는 유연 성이 중요하다. 분석하려는 현상의 크기와 속도, 필요한 측정 정밀도에 따라 적절한 균형점을 찾는 것이 핵심이다. 3. 마이크로버블 분석을 위한 공간 해상도 일부 캐비테이션 연구에서는 개별 기포 수준까지 분석한다.이러한 마이크로 이미징에서는 높은 공간 해상도가 필수적이다.카메라는 증기 기포의 경계를 명확하게 구분할 수 있어야 하고, 영상을 확대했을 때 과도한 픽셀화가 발생하지 않아야 한다. 또한 정량적인 측정을 위한 정확한 스케일링과 전체 시야에서 일관된 이미지 선명도가 요구된다. 특히 기포가 터빈 블레이드나 마이크로유체 채널 같은 고체 표면과 상호작용할 경우 미세한 기포 형상 변화가 침식 패턴이나 에너지 전달과 연관될 수 있다. 이때 공간 해상도가 충분하지 않으면 기포 경계의 미세한 변화나 표면과의 상호작용을 정확하게 구분 하기 어렵다. 따라서 마이크로버블 캐비테이션을 분석할 때는 단순히 높은 촬영 속도만 확보하는 것이 아니라, 고배율 광학 시스템에서도 의미있는 공간 해상도를 유지할 수 있는지가 중요하다. 4. 외부 계측 장비와의 정밀한 동기화 고속 이미징 시스템의 역할은 영상 획득에만 그치지 않는다. 실험 환경에서는 캐비테이션이 레이저 펄스, 압력파, 빠른 밸브 작동, 음향 가진 등 외부 자극에 의해 발생하는 경우가 많기 때문에 영상 촬영 시점을 이러한 발생 메커니즘과 정확하게 맞춰야 한다. 이를 위해 카메라 시스템은 외부 트리거 입력과 정밀하고 일관된 타이밍 제어 기능을 지원해야 한다. 압력 센서나 다른 진단 장비와 연동할 수 있어야 하며, 여러 차례의 실험에서 동일한 조건으로 반복 촬영할 수 있는 성능도 필요하다. 동일한 시점에서 영상과 압력, 음향 등 다른 측정 데이터를 함께 확보할 수 있다면 개별 영상만으로는 확인하기 어려운 현상을 보다 종합적으로 해석할 수 있다. 따라서 트리거와 측정 시스템 통합은 영상 장비의 부가 기능이라기보다 정량 분석을 가능하게 하는 핵심 조건에 가깝다. 5. 짧은 노출시간에서 중요한 광감도 프레임레이트가 높아지면 한 프레임당 사용할 수 있는 노출시간은 짧아지고, 센서가 확보할 수 있는 빛의 양도 감소한다.이는 초고속 이미징에서 피할 수 없는 제약이다.캐비테이션 실험에서는 높은 배율, 제한된 광학 접근 공간, 고속 조명, 짧은 레이저 펄스 등의 조건이 함께 적용될 수 있어 광량 확보가 더욱 어려워질 수 있다. 센서 감도가 충분하지 않으면 영상 노이즈가 증가하거나 대비가 낮아지고, 이는 미세 기포의 경계와 내부 구조를 식별하는 능력에 직접적인 영향을 미친다. 특히 노출시간이 매우 짧은 초고속 촬영 에서는 확보할 수 있는 광량 자체가 제한되기 때문에 센서 감도와 노이즈 특성이 영상 품질을 좌우하는 중요한 요소가 된다. 따라서 고속 카메라를 평가할 때는 센서의 양자효율(Quantum Efficiency), 짧은 노출시간에서의 노이즈 성능, 펄스 조명과의 호환성, 실험 목적에 맞는 광학 구성 지원 여부 등을 함께 살펴봐야 한다. 특히 제한된 광량에서도 미세 기포의 경계와 형상 변화를 선명하게 포착할 수 있는지가 중요하다. 자료제공: Specialised Imaging (specialised-imaging.com)

와이어 하네스 조립 자동화를 위한 머신비전 기반 로봇 제어 적용 사례

자동차 산업에서 와이어 하네스 조립은 자동화하기 까다로운 공정으로 꼽힌다. 케이블이 유연해 작업할 때마다 위치와 형상이 달라지기 때문이다. 독일의 자동화 전문기업 Cellios는 TE Connectivity와 협력해 와이어 하네스 조립부터 전기적 검사까지 수행하는 모듈형 로봇 시스템을 개발했다. 이 과정에서 MVTec의 머신비전 소프트웨어 MERLIC을 활용해 단자와 커넥터의 위치를 측정하고 로봇의 움직임을 보정했다. 이번 사례는 머신비전과 정밀 로봇 제어를 결합해 수작업 중심의 조립 공정을 자동화한 기술을 살펴본다. ▲ 와이어 하네스 조립 자동화 셀. 유연한 케이블을 다루는 로봇에는 정밀한 위치 인식과 제어가 요구된다. Challenge 위치가 계속 변하는 케이블, 0.1mm 정밀도 요구 와이어 하네스는 여러 전선을 묶어 전기적 연결을 구성하는 부품 으로, 자동차의 전장 시스템에 폭넓게 사용된다. 그러나 케이블은 단단한 기계 부품과 달리 쉽게 휘어지고 작업 과정에서 위치가 달라진다. 로봇이 동일한 동작을 반복하더라도 케이블 끝에 부착된 단자의 위치와 방향이 일정하게 유지되지 않는다는 의미다. 특히 어려운 작업은 전선 끝에 압착된 단자(crimp)를 커넥터의 작은 삽입구에 정확하게 넣는 공정이다. 단자와 삽입구의 크기는 수mm 수준이며, 안정적인 삽입을 위해서는 약 0.1mm의 위치 정밀도가 요구된다. 케이블을 잡는 과정에서 단자의 위치가 미세하게 달라지기 때문에 사전에 설정한 로봇 좌표만으로는 정확한 삽입이 어렵다. 기존 와이어 하네스 제조에서는 일부 작업을 자동화하더라도 케이블 배선과 단자 삽입 등은 작업자의 수작업에 의존하는 경우가 많았다. Cellios는 이러한 한계를 해결하기 위해 개별 작업뿐 아니라 조립부터 최종 전기적 검사까지 연계하는 자동화 시스템 개발에 나섰다. ▲ 로봇 팔 위쪽의 카메라가 커넥터 위치를 측정해 로봇의 위치 보정을 지원한다. Solution 2D 머신비전과 힘 제어를 결합한 단자 삽입 Cellios는 커넥터 공급, 전선 준비, 단자 압착, 배선, 접합, 테이핑,최종 전기적 검사 등의 공정을 모듈형 로봇 셀로 구성했다. 핵심 기술은 단자 삽입 과정에서 머신비전과 로봇의 힘 제어를 함께 사용하는 방식이다. 로봇이 압착 단자(crimp)를 파지하면 한 대의 2D 카메라가 단자의 X·Y 위치와 Z축 회전각을 측정한다. 다른 카메라는 커넥터 삽입구의 위치를 확인한다. MVTec의 MERLIC은 영상 처리와 매칭 기술을 통해 로봇의 위치 보정에 필요한 정보를 제공한다. 이를 통해 케이블의 유연한 특성과 앞선 가공 과정에서 발생한 위치 편차에 대응한다. ▲ 머신비전 카메라를 이용해 압착 단자의 위치와 방향을 측정한다. 삽입 단계에서는 로봇에 장착된 힘·토크 센서가 작용한다. 머신 비전이 단자와 삽입구의 기하학적 위치를 파악한다면, 힘 제어는 실제 삽입 과정에서 발생하는 힘을 감지하고 조절한다. 이를 통해 미세한 위치 차이로 부품이 손상될 가능성을 줄이면서 정밀한 삽입 작업을 수행하도록 설계했다. Cellios는 영상 처리 소프트웨어로 MVTec MERLIC을 적용하고, MQTT와 REST 인터페이스를 통해 머신비전 시스템을 로봇 셀의 제어 환경과 연동했다. MERLIC은 로우코드(Low-Code) 기반 개발 환경을 제공해 복잡한 프로그래밍 없이 영상 처리 기능을 구성할 수 있도록 지원한다. 실제로 Cellios의 직원 두 명은 별도의 추가 교육 없이 동영상 자료와 예제 애플리케이션을 활용해 비전 애플리케이션을 구현했다. 유연한 케이블을 파지하고 조작하는 과정 역시 중요하다. 로봇 그리퍼는 서로 다른 굵기의 케이블을 취급하도록 구성돼 있으며, 위치 인식과 파지 동작을 연계해 작업 대상의 변화에 대응한다. Result 수작업 중심의 조립 공정을 로봇 시스템으로 구현 Cellios와 TE Connectivity는 와이어 하네스 조립 공정 전반을 자동화하는 시스템의 시제품을 개발하고, 2025년 11월 공개했다. 특히 위치가 일정하지 않은 단자와 커넥터를 각각 측정하고 로봇의 움직임을 보정하는 방식으로, 작업자의 육안 확인과 숙련도에 크게 의존했던 단자 삽입 공정을 로봇으로 자동화하는 방식을 구현했다. 이 시스템은 단자 삽입 과정의 데이터를 디지털 방식으로 기록하고 모니터링할 수 있도록 구성됐다. 이는 조립 과정의 추적성을 확보하고, 문제 발생 시 작업 이력을 확인하는 데 활용될 수 있다. Insight 정밀 위치 인식과 힘 제어의 결합이 핵심 이번 사례는 머신비전이 단순한 완제품 검사 기술을 넘어 로봇의 조립 동작을 직접 지원하는 핵심 기술로 활용될 수 있음을 보여준다. 유연한 케이블처럼 작업 과정에서 형상과 위치가 변하는 부품은 고정된 좌표와 반복 동작만으로 다루기 어렵다. 따라서 실제 부품의 위치를 측정하고 그 결과를 로봇 제어에 반영하는 과정이 필요하다. Cellios는 MERLIC 기반 머신비전으로 단자와 커넥터의 위치를 파악하고, 힘·토크 센서로 삽입 과정을 제어하는 방식을 채택했다. 영상 기반 위치 보정과 물리적 접촉 제어를 결합했다는 점에서, 이번 사례는 유연 부품의 정밀 조립 자동화에 적용할 수 있는 기술적 접근법을 제시한다. Cellios는 향후 머신비전을 활용한 추가 품질검사와 공정 편차를 감지하고 대응하는 셀프 힐링(Self-Healing) 기능도 검토하고 있다. 이는 머신비전의 역할을 조립 위치 보정에서 공정 상태의 감시와 제어로 확장하려는 방향이다. 자료출처: MVTec (www.mvtec.com)

투명·고반사 반도체 소재의 3D 정밀 검사 기술

반도체 제조에서는 생산 전 과정에서 치수 확인, 핵심 형상 검사, 결함 검출, 조립 상태 확인 등이 요구된다. 소자와 패키지 구조가 미세해질수록 필요한 측정 정확도와 반복성도 높아지는데, 검사 대상이 투명하거나 반사성이 높으면 측정 난도는 더욱 커진다. LMI Technologies는 유리 웨이퍼, 디스플레이 기판, 광학 부품, 연마 표면, 첨단 패키징 소재를 대표적인 검사 난제로 꼽는다. 표면 반사는 필요한 형상을 가릴 수 있고, 굴절은 측정 정확도에 영향을 줄 수 있다. 표면 간 대비가 낮거나 형상이 복잡하고 경사가 급한 경우에도 안정적인 3D 데이터를 얻기가 어렵다. 특히 TGV(Through Glass Via)는 유리 기판을 관통하도록 미세 비아를 형성하는 기술로, 투명한 기판에 만들어진 미세 구조를 정밀하게 측정해야 한다. 반사와 굴절의 영향을 받는 유리 소재 특성까지 고려해야 하기 때문에 3D 측정 난도가 높은 검사 대상 가운데 하나다. ▲ Gocator 4000 시리즈를 이용한 실리콘 웨이퍼 3D 검사. 동축 라인 공초점 기술로 반사·투명·복잡 표면의 형상을 측정한다. 사각 영역 줄이고 급경사 형상까지 측정 Gocator 4000 시리즈는 이러한 검사 과제에 대응하기 위해 동축 라인 공초점 기술을 사용한다. LMI에 따르면 이 방식은 투명·반사·복합 표면을 고해상도 3D로 측정하고, 사각 영역을 최소화하는 동축 광학 구조를 통해 기존 검사 방식에서 데이터가 누락되기 쉬운 형상의 표면 정보를 취득하도록 설계됐다. 동축 광학 구조는 급경사 형상과 깊은 홈, 돌출 구조처럼 측정 시사각 영역이 발생하기 쉬운 대상에 유리하다. Gocator 4000 시리즈는 시리즈 기준으로 프로파일당 1920 포인트, 최대 1.9 μm의 X 해상도, 최대 5.0 mm의 측정 시야(FOV), 최대 ±85°의 경사각, 가속 시 최대 36 kHz의 스캔 속도를 지원한다. 다만 이 수치는 개별 모델과 설정에 따라 달라질 수 있으므로 실제 적용에서는 해당 모델의 사양 확인이 필요하다. 센서에는 GoPxL 소프트웨어가 탑재돼 측정과 분석, 검사를 엣지 에서 직접 수행한다. LMI는 이를 통해 외부 데이터 처리 구성을단순화하고 인라인 환경에서 검사 결과를 빠르게 활용할 수 있다고 설명한다. 웨이퍼부터 TGV·BGA·와이어 본딩까지 LMI가 제시하는 적용 범위는 웨이퍼 검사에만 한정되지 않는다.반도체 패키징, BGA 검사, 와이어 본딩 검사, 정밀 계측, 표면 결함 검출, 유리 기판 및 TGV 검사 등 다양한 공정에서 동축 라인 공초점 기반의 3D 측정을 활용할 수 있다. BGA의 미세 범프나 복잡한 와이어 본딩 구조처럼 형상 변화가 크고 사각 영역이 발생하기 쉬운 대상에서는 표면 데이터의 누락을 줄이면서 형상을 안정적으로 측정하는 것이 중요하다. 투명·반사 소재 검사의 핵심은 단순히 해상도를 높이는 데 있지 않다. 반사와 굴절, 급경사와 깊은 구조처럼 측정을 방해하는 조건에서도 안정적인 3D 데이터를 확보하고, 이를 인라인 검사 흐름에서 바로 분석할 수 있어야 한다. LMI는 동축 라인 공초점 기술을 이러한 반도체 검사 과제에 대응하는 방법으로 제시하고 있다. 자료제공: LMI Technologies (www.lmi3d.com)

고속·AI 비전 시스템에서 중요해지는 시스템 통합과 데이터 처리

산업 제조에서 머신비전은 갈수록 중요한 역할을 맡고 있다.고성능 비전 시스템은 다수의 개별 센서를 대체하고 보다 컴팩트하고 유연한 자동화 솔루션 구현을 가능하게 한다. 이를 통해 개발자와 엔지니어는 생산 품목 변화에 보다 유연하게 대응하고, 정밀한 품질검사 시스템을 구축할 수 있다. 최근에는 카메라 자체의 성능뿐 아니라 하드웨어와 소프트웨 어, 시스템 통합의 연계가 중요해지고 있다. 특히 고성능·데 이터 집약적인 환경에서는 각 구성요소가 원활하게 연결돼야 안정적이고 확장 가능한 자동화 시스템을 구현할 수 있다. AI 도입이 확대되면서 산업용 이미지 처리의 활용 범위도 넓어지고 있다. 결함 검출부터 적응형 애플리케이션까지 다양한 분야에서 AI 활용이 늘고 있으며, 이에 따라 머신비전 시스템의 연산 성능과 데이터 처리 구조에 대한 요구도 함께 높아지고 있다. ▲ 반도체 검사 공정에 적용되는 고정밀 머신비전 차세대 자동화를 위한 통합 머신비전 최신 하드웨어를 비교적 쉽게 확보할 수 있게 됐지만 산업용 머신비전 시스템 자체의 복잡성은 오히려 커지고 있다. 오늘날의 비전 애플리케이션은 광학계와 카메라, 머신 제어, 소프트웨어 스택, 이미지 처리 및 AI 추론을 위한 컴퓨팅 플랫 폼이 정밀하게 연계되는 구조로 구현된다. 특히 고속 애플리케이션과 멀티카메라 시스템에서는 데이터 처리와 동기화, 전체 시스템 아키텍처에 높은 성능이 요구된 다. 높은 생산 속도에서도 안정적인 운전과 일관된 처리 성능을 확보해야 하기 때문이다. AI 기반 품질검사는 머신비전의 활용 범위를 넓히는 동시에 연산 성능과 메모리 대역폭에 대한 요구도 증가시킨다. 따라서 초기 평가 단계부터 실제 생산라인 적용에 이르기까지 하드웨어와 소프트웨어, 데이터 처리 구조를 하나의 시스템 관점에서 설계하는 것이 중요하다. 시스템 오버헤드는 줄이고 이미지 처리에 집중 적절한 하드웨어를 선택하는 것만으로는 충분하지 않다. 카메 라와 소프트웨어를 얼마나 효율적으로 연계하는지도 시스템 성능에 영향을 미친다.Baumer neoAPI는 C++, C#, Python을 지원하는 프로그래밍 인터페이스로, 카메라 통합과 설정을 지원한다. 특히 GigE Vision 3.0과 RDMA를 함께 사용하면 이미지 데이터를 전송하는 과정에서 CPU의 개입을 줄일 수 있다. 일반 적인 데이터 처리에서는 네트워크를 통해 들어온 이미지가 CPU와 시스템 메모리를 거치는 과정이 필요하지만, RDMA 는 데이터 이동 과정에서 CPU 부담을 줄이는 데 활용된다. 또한 카메라가 데이터 재전송을 관리해 잠재적인 이미지 손실을 줄일 수 있다. 이를 통해 높은 대역폭을 요구하는 멀티카 메라 시스템이나 AI 워크플로에서도 실제 이미지 처리와 비전 알고리즘에 보다 많은 시스템 자원을 활용할 수 있다. GPU 가속 AI 이미지 처리를 위한 neoAPI 카메라 해상도와 프레임 속도가 높아지고 AI 이미지 처리가 확대되면서 GPU와 전용 AI 가속기의 활용도 증가하고 있다.Baumer neoAPI는 설정 가능한 이미지 버퍼 관리와 NVIDIA GPUDirect를 지원한다. 이를 통해 RDMA 데이터 전송 경로를 GPU 메모리까지 확장할 수 있다. 즉, 이미지 데이터를 CPU를 거쳐 다시 GPU로 전달하는 대신 GPU 메모리로 직접 전송할 수 있다. 이를 통해 불필요한 데이터 이동과 CPU 부하를 줄이고, 데이터 집약적인 AI 워크플로의 처리 효율을 높일 수 있다. neoAPI는 Windows 워크스테이션부터 Linux 기반 산업용및 엣지 시스템까지 다양한 플랫폼을 지원한다. 예를 들어 Windows 환경에서 Python으로 프로토타입을 개발한 뒤 서버나 NVIDIA Jetson과 같은 엣지 플랫폼에서 C++ 기반으로 전환할 수 있다. ARM 기반 플랫폼이나 Raspberry Pi와 같은 컴팩트 시스템 에서도 카메라를 분산형 아키텍처에 통합할 수 있다. 이미지가 생성되는 위치에서 일부 전처리를 수행하면 중앙 시스템 으로 전송되는 데이터량을 줄이는 데도 도움이 된다. 반도체와 디스플레이, 배터리 생산에 사용되는 고속 검사 시스템은 매우 짧은 시간 안에 방대한 양의 데이터를 생성한다.여러 대의 고해상도 카메라가 높은 프레임 속도로 이미지 데이터를 동기화해 획득하는 동시에 AI 모델은 결함과 이상, 공정 편차를 거의 실시간으로 검출해야 한다. GigE Vision 3.0과 RDMA, NVIDIA GPUDirect를 결합하면 이미지 데이터를 CPU를 거치지 않고 카메라 시스템에서 GPU 메모리로 직접 전송할 수 있다. 이를 통해 데이터 집약적인 AI 워크플로를 사용하는 복잡한 멀티카메라 시스템에서도 낮은 지연시간으로 데이터를 처리할 수 있다. 초고속·대용량 애플리케이션을 위한 고속 레코딩 또 다른 기능은 고속·대용량 애플리케이션을 위한 고속 레코딩이다.필요한 원시 데이터를 먼저 기록하면 이미지 획득과 실제 분석을 분리할 수 있다. 이를 통해 이미지 처리 과정에서 발생하는 순간적인 피크 부하를 줄이고, 연산 집약적인 작업을 보다 효율적으로 배분할 수 있다.시스템 성능 분석이나 대규모 멀티카메라 시스템의 데이터 기록에도 활용할 수 있으며, 사용되는 SSD에 따라 초당 20GB 이상의 데이터를 연속적으로 기록할 수 있다. 철도 차량 검사 시스템에서는 고해상도 멀티카메라를 이용해 고속으로 이동하는 열차와 철도 차량을 주행 중 촬영한다. 이과정에서 휠과 브레이크 부품, 팬터그래프, 표면 구조 등을 분석하기 위한 대량의 이미지 데이터가 짧은 시간 안에 생성된다.고속 레코딩을 이용하면 필요한 이미지 데이터를 연속적으로 기록하고, 실제 이미지 분석과 AI 기반 결함 검출은 이후 별도의 처리 단계에서 수행할 수 있다. 카메라를 넘어 시스템 전체를 봐야 고성능 머신비전 애플리케이션에서는 단순한 카메라 통합만 으로 시스템 요구사항을 충족하기 어렵다.고성능 하드웨어와 효율적인 데이터 파이프라인, 최적화된 소프트웨어 아키텍처가 함께 연계돼야 한다. 특히 복잡한 멀티카메라 시스템이나 데이터 집약적인 AI 워크플로에서는 카메라 자체의 성능뿐 아니라 데이터를 어떤 경로로 전송하고, 어느 연산 장치에서 처리하며, 시스템 부하를 어떻게 관리할 것인지까지 고려해야 한다. 결국 고속·고해상도·AI 기반 머신비전에서는 개별 카메라의 성능만으로 전체 시스템의 성능을 결정하기 어렵다. 높은 데이터 처리량과 낮은 지연시간, 안정적인 실시간 처리, 다양한 연산 플랫폼으로의 확장성을 함께 고려한 시스템 설계가 중요해지고 있다. 자료제공: Barmer (www.baumer.com)

거리·정밀도·조명환경에 따라 달라지는 창고 AMR용 3D 비전 설계

창고 자동화와 AMR에서 깊이 카메라는 단순한 센서 부품이 아니라 시스템 통합과 연산 자원, 유지보수까지 영향을 미치는 핵심 요소다. Orbbec은 장거리 통로 주행, 좁은 코너 이동, 빈피킹, 실외 도크등 작업 환경에 따라 필요한 거리 범위와 정밀도, 시야각, 환경 내성이 달라진다고 설명한다. 이 기사는 Orbbec이 최근 공개한 ‘Depth Camera Buyer’s Guide for Warehouse Automation & AMR Navigation’을 바탕으로 창고 자동화와 AMR에 적용되는 깊이 카메라의 주요 선택 기준을 정리했다. 용도에 따라 달라지는 깊이 카메라 요구조건 창고 자동화와 AMR에서 깊이 카메라를 선택할 때는 특정 센서 기술이나 제품부터 정하기보다 로봇이 수행하는 기능과 작업 거리, 운용 환경, 정확도 요구조건을 먼저 정의해야 한다. 장거리 통로 주행에 적합한 카메라가 빈피킹에도 적합한 것은 아니며, 반대의 경우도 마찬가지다. 장거리 팔레트 운송에서는 10m 이상의 측정 거리와 장거리에서 의 깊이 정확도, IP 등급이 중요하다. 스테레오 카메라는 거리가 멀어질수록 깊이 오차가 커질 수 있으며, 넓은 베이스라인은 장거 리에서 삼각측량 정확도를 보완하는 데 유리하다. 반대로 빈피킹이나 로봇 암 조작에서는 장거리 측정보다 0.1~1m 범위에서의 공간 정밀도가 더 중요하다. Orbbec은 실제 로봇 암작업 거리가 대체로 200~500mm이며, 이 구간에서는 3D 포인 트클라우드가 인접한 물체와 형상을 얼마나 세밀하게 구분하는 지가 핵심이라고 설명한다. 이때는 공간 정밀도뿐 아니라 인접한 포인트를 얼마나 가깝게 구분할 수 있는 최소 포인트 간격도 중요한 기준이 된다. 장거리 내비게이션과 근거리 정밀 조작을 모두 수행해야 한다면 각각의 기능에 최적화된 별도 센서를 적용하는 구성이 필요할 수 있다. <표> 창고 자동화 용도별 깊이 카메라 선택 기준 ▲ 깊이 카메라는 일반 영상과 함께 물체까지의 거리 정보를 깊이맵 형태로 생성해 AMR의 주변 환경 인식과 장애물 감지에 활용할 수 있다. Stereo·ToF·LiDAR, 적용 환경별 특성 달라 창고 자동화에서 대표적인 깊이 측정 기술은 Stereo Vision, ToF(Time of Flight), LiDAR다. 각 방식은 거리 범위와 외부 조명 대응, 호스트 연산 부하에서 서로 다른 특성을 보인다. Stereo Vision은 약 0.1m부터 20m 이상까지 비교적 넓은 거리 범위를 지원할 수 있으며, 내비게이션과 조작을 모두 포괄하기 쉽다. 능동 IR 조명을 사용하는 스테레오 방식은 천창이나 실외 도크처럼 주변광 변화가 큰 환경에서도 수동 스테레오나 ToF보다 안정적인 깊이 측정에 유리할 수 있다. ToF는 약 0.1~6m 범위의 근거리 실내 환경에 적합하고 센서 내부에서 깊이 정보를 생성하기 때문에 통합이 비교적 단순하다. 다만 강한 외부 적외선이나 햇빛에서는 성능이 저하될 수 있다. LiDAR는 제품에 따라 100m 이상의 장거리 측정이 가능해 대형 야외 물류 야드나 고속 자율주행 차량에 적합하다. Orbbec은 일반적인 실내 AMR 환경에서는 스테레오 카메라가 필요한 거리 성능을 제공하면서 비용 측면에서도 실용적일 수 있다고 설명한다. 깊이 연산을 카메라 안에서 처리하는 이유 깊이 카메라 선택에서는 센서의 거리와 정밀도뿐 아니라 깊이 데이터를 어디에서 처리하는지도 중요하다. 일부 스테레오 카메라는 좌우 원본 영상을 호스트 프로세서로 보내 깊이 연산을 수행하 는데, 고해상도·고프레임레이트에서는 호스트 연산 부담이 커질수 있다. 반면 카메라 내부 ASIC에서 깊이 연산과 컬러 정렬을 수행하면 호스트에는 처리된 깊이 스트림만 전달할 수 있다. 이를 통해 필요한 호스트 성능을 낮추고 처리 지연과 전력 소비를 줄일 수 있다. 특히 장애물 회피처럼 영상 획득부터 제어 명령까지의 시간이 중요한 AMR에서는 전체 처리 지연이 중요한 설계 조건이 된다. SDK·ROS와 동기화도 선택 기준 로봇용 깊이 카메라는 기계적으로 장착하는 것만으로 끝나지 않는다. 실제 시스템에서는 운영체제와 프로세서 플랫폼, ROS·ROS2 연동, Python 바인딩, 여러 카메라 간 동기화 등 소프 트웨어 통합 조건을 함께 확인해야 한다. Orbbec은 SDK가 지원하는 운영체제와 플랫폼, ROS·ROS2 래퍼 제공 여부, 기존 카메라 플랫폼에서 교체할 때 필요한 코드 수정 범위 등을 사전에 확인해야 한다고 설명한다. 여러 대의 카메라가 동일 공간에서 작동하는 경우에는 하드웨어 트리거를 통한 동기화 기능도 중요한 요소다. 데이터시트보다 실제 환경 검증이 중요 제조사가 제시하는 거리와 정확도 사양은 통제된 거리와 조명 조건에서 측정되는 경우가 많다. 따라서 실제 창고에 적용하기 전에는 로봇의 최소·최대 작업 거리와 조명 변화, 도크 주변의 강한 외부광 등 실제 운용 조건에서 성능을 검증해야 한다. 파일럿 단계에서는 최소·최대 거리의 깊이 정확도, 시간대별 조명 변화, 환경 조건에 따른 캘리브레이션 안정성을 확인하고, 양산·운영 단계에서는 카메라 교정 절차와 SDK 버전, OS 및 프로 세서 아키텍처의 호환성을 관리해야 한다. 카메라 장착 위치와 열관리, 애플리케이션별 튜닝값을 표준화하는 것도 다수의 AMR을 동일한 성능으로 운영하기 위한 조건이다. 또한 먼지와 습도, 세척 환경 등을 고려해 실제 현장 조건에 맞는 IP 등급을 확인해야 한다.대규모 AMR 플릿에 적용할 경우에는 센서 성능뿐 아니라 장기 공급 안정성과 제품 수명주기 지원도 살펴볼 필요가 있다. 로봇 플랫폼은 수년간 운영되는 만큼 부품 단종 시 대체 제품과 소프트 웨어 마이그레이션 경로를 제공할 수 있는지도 중요한 선정 기준이다. 최고 사양보다 용도에 맞는 센서 구성이 핵심 창고 자동화에서 깊이 카메라 선택의 핵심은 가장 높은 사양의 제품을 고르는 데 있지 않다. 장거리 내비게이션과 근거리 정밀 조작은 요구되는 거리 범위와 정밀도, 조명 대응 조건이 다르기 때문에 로봇이 수행하는 기능별로 적절한 센서를 선택해야 한다. AMR이 장애물 회피와 팔레트 인식, 빈피킹, 로봇 암 조작 등 더다양한 작업을 수행하면서 3D 비전 시스템의 역할도 확대되고 있다. 이에 따라 작업 거리와 공간 정밀도뿐 아니라 조명 변화 대응, 인카메라 연산, 동기화, SDK 호환성, 장기 공급 안정성까지 포함한 시스템 관점의 카메라 선정이 중요해지고 있다. 자료제공: Orbbec (www.orbbec.com)

배터리 상부 커버의 미세 변형까지 검출하는 3D 레이저 프로파일러

▲ SinceVision의 3D 레이저 프로파일러를 이용한 리튬이온 배터리 탑 커버 측정. 레이저로 표면을 스캔하고 획득한 높이 데이터를 3D 형상으로 변환해 분석한다. 리튬이온 배터리 제조에서는 탑 커버의 형상과 높이를 정밀하게 측정하는 공정이 요구된다. 특히 탑 커버의 평탄도와 본딩 높이, 국부적으로 가장 높게 돌출된 부분의 높이는 정량적인 측정이 필요한 항목이다.SinceVision은 이러한 배터리 탑 커버(top cover) 측정에 SRI8000시리즈 3D 레이저 프로파일링 시스템을 적용한 애플리케이션을 공개했다. SRI8000은 배터리 탑 커버의 표면 형상을 스캔해 평탄도(flatness), 본딩 높이(bonding height), 최대 돌출 높이(peak protrusion height)를 측정한다. 최대 스캔 속도는 67kHz, Z축 반복정밀도는 0.4μm로 제시됐다. SinceVision은 이를 수작업 측정을 대신해 고속 생산라인에서 적용할 수 있는 3D 측정 방식으로 설명한다. ▲ 3D 레이저 프로파일러가 배터리 탑 커버 표면을 비접촉 방식으로 스캔하는 모습. 레이저 스캔으로 표면의 높이와 형상 데이터를 획득한다. 3D 레이저 프로파일러는 어떻게 높이를 측정하나 3D 레이저 프로파일러는 대상물 표면에 레이저 라인을 투사하고, 표면 형상에 따라 변형된 레이저 정보를 이용해 높이 프로파일을 취득한다. 부품을 이동시키면서 연속적으로 프로파일을 쌓으면 표면의 높이 분포를 3차원 데이터로 구성할 수 있다. 이를 통해 특정 한 지점의 높이뿐 아니라 평탄도와 단차, 돌출부 등 표면 형상을 함께 측정할 수 있다. SinceVision의 SRI 시리즈는 센서 헤드와 컨트롤러를 일체화한 구조로 설계됐으며, 산업 자동화 시스 템과 연결해 3D 측정 데이터를 활용할 수 있도록 구성돼 있다. 평탄도와 높이를 하나의 3D 데이터로 탑 커버 측정에서 중요한 것은 단순히 특정 한 지점의 높이를 확인하는 것에 그치지 않는다. 부품 전체의 표면 상태를 스캔하고, 획득한 높이 데이터를 기반으로 서로 다른 측정 항목을 구분해야 한다.이번 애플리케이션에서 SinceVision이 제시한 측정 항목은 크게세 가지다. 탑 커버 전체의 평탄도를 확인하는 Flatness, 기준면을 중심으로 본딩 영역의 높이를 측정하는 Bonding Height, 그리고 측정 영역 가운데 가장 돌출된 위치의 높이를 확인하는 Peak Protrusion Height다. 이처럼 3D 데이터를 이용하면 한 번의 표면 스캔 데이터를 바탕으로 탑 커버의 전체적인 형상과 특정 영역의 높이를 정량적으로 확인할 수 있다.SinceVision은 자사의 3D 레이저 프로파일러가 표면을 레이저 라인으로 스캔해 높이·폭·깊이 등 3차원 프로파일 정보를 취득하는 방식이라고 설명하고 있다. 비접촉 방식으로 움직이는 부품의표면 데이터를 취득할 수 있다는 것이 3D 레이저 프로파일링의 특징이다. ▲ 3D 레이저 스캔으로 획득한 배터리 탑 커버의 높이 데이터. 표면의 높이 분포를 기반으로 평탄도와 본딩 높이, 돌출부 등을 정량적으로 분석할 수 있다. 최대 67kHz로 고속 생산라인 대응 측정 정밀도와 함께 이번 애플리케이션에서 강조되는 부분은 속도다.SRI8000 시리즈는 최대 67kHz의 스캔 속도를 지원한다. Since Vision은 이 속도를 기반으로 배터리 탑 커버를 생산라인에서 스캔 하면서 높이 데이터를 획득하도록 구성했다. Z축 반복정밀도는 0.4μ m로 제시된다. 특히 원문은 이 시스템의 적용 목적을 고속 생산라인에서 수작업 검사를 대체하는 것으로 설명한다. 즉, 작업자가 탑 커버의 높이를 개별적으로 확인하는 방식에서 벗어나, 3D 프로파일 데이터를 통해 필요한 형상 정보를 자동으로 측정하는 구조다. 여기서 중요한 것은 67kHz라는 수치가 제품 하나를 초당 6만 7000개 검사한다는 의미는 아니라는 점이다. 이는 3D 프로파일 러가 표면 프로파일을 취득하는 스캔 주파수다. 실제 한 제품의 검사 속도는 측정 영역, 이동속도, 필요한 프로파일 수 등 시스템 구성에 따라 달라질 수 있다. 탑 커버 형상을 정량 데이터로 전환 이번 애플리케이션은 3D 레이저 프로파일러가 배터리 외관을 단순히 촬영하는 장비가 아니라 표면 높이와 형상을 수치화하는 측정 장치로 사용된다는 점을 보여준다.SRI8000 시리즈가 측정하는 대상도 흠집이나 오염과 같은 일반 적인 외관 불량이 아니라 평탄도, 본딩 높이, 최대 돌출 높이다. 따라서 이 적용은 2D 영상검사보다는 배터리 부품의 3차원 치수를 정량적으로 확인하는 3D 계측 애플리케이션에 가깝다. 특히 배터리 탑 커버처럼 한 부품 안에서 여러 높이 정보를 확인 해야 하는 경우, 표면 전체를 스캔해 얻은 3D 데이터를 이용하면 필요한 위치의 높이와 전체 형상을 함께 분석할 수 있다. SinceVision은 SRI8000 시리즈를 이용해 이러한 탑 커버 형상 측정을 자동화하고, 고속 생산라인에서 수작업 검사 대신 사용할수 있는 방식으로 제시하고 있다. 최대 67kHz의 스캔 속도와 0.4 μm의 Z축 반복정밀도를 기반으로 평탄도·본딩 높이·최대 돌출 높이를 하나의 3D 측정 시스템에서 확인하는 것이 이번 애플리케 이션의 핵심이다. 자료제공: SinceVision (www.sincevision.com)


이슈/뉴스

더보기

AI·3D·초고속 영상의 진화, 머신비전 경쟁의 축이 바뀐다

글로벌 머신비전 전문 전시회 VISION 2026이 지난 10월 6일부터 8일까지 독일 슈투트가르트에서 열렸다. 제32회를 맞은 이번 전시회에는 494개 기업이 참가해 역대 최대 규모를 기록했다.2024년보다 참가기업 수는 2%, 전시면적은 5% 늘었으며, 전문 참관객도 9000명을 넘어 전회 대비 14% 증가했다. 해외 참관객 비중은 46%로 59개국에서 방문했다. 이번 전시회에서는 단순한 카메라 해상도와 촬영속도 경쟁을 넘어 AI 기반 영상처리 개발, 3D 공간 인식, 200GigE급 초고속 영상 전송, SWIR, 이벤트 기반 비전, 엣지 AI 등이 주요 기술 흐름으로 제시됐다. 머신비전이 독립된 검사장비에서 벗어나 로봇과 자동화 시스템, 컴퓨팅 플랫폼과 더욱 긴밀하게 연결되고 있다는 점도 두드러졌다. ▲ 독일 슈투트가르트에서 열린 VISION 2026. AI·3D 비전·초고속 영상처리 등 차세대 머신비전 기술이 대거 소개됐다. AI, 검사 알고리즘에서 비전 개발 환경으로 VISION 2026에서 주목할 변화 가운데 하나는 AI의 활용 범위가 검사 알고리즘을 넘어 머신비전 애플리케이션 개발 과정으로 확대되고 있다는 점이다. MVTec은 AI 에이전트를 활용한 프로토타입 ‘AI Vision Solver’를 공개했다. 차세대 HALCON 개발 환경인 HDevelopEVO를 기반으로 여러 AI 에이전트가 머신비전 프로젝트의 개발 과정을 지원하는 개념이다. 복잡한 영상처리 애플리케이션을 구축할 때 AI 를 이용해 개발 부담을 낮추는 데 초점을 맞췄다. 다만 AI가 산업용 검사 애플리케이션의 최종 판단까지 대신하는 구조는 아니다. MVTec은 AI 에이전트가 개발 노력을 줄일 수 있지만 최종 평가와 판단은 사용자에게 남는다고 설명했다. 머신비전 분야에서 AI가 사람을 대체하기보다 개발과 분석을 지원하는 도구로 영역을 확대하고 있음을 보여준다. ▲ MVTec의 ‘AI Vision Solver’ 3D 비전, 로봇의 ‘눈’으로 확대 3D 비전은 검사뿐 아니라 이동로봇과 로봇 핸들링을 위한 공간 인식 기술로 적용 범위를 넓히고 있다. Basler는 AMR, AGV 및 물류용 드론을 겨냥한 소형 3D 스테레오 카메라 ‘Stereo mini’를 전시했다. 깊이 데이터를 활용해 내비 게이션과 장애물 회피, 팔레트 취급 등을 지원하며 USB3, GigE, GMSL 인터페이스를 제공한다. 견고성과 넓은 시야각이 필요한 환경을 위한 blaze ToF 카메라도 함께 소개했다. Basler는 실제 머신비전 시스템과 동일한 장면을 디지털 환경에서 재현하는 ‘Vision Simulation’도 시연했다. 실제 시스템과 디지털 트윈을 나란히 비교해 물리적 프로토타입을 만들기 전 비전 구성을 검토하고 AI용 데이터 생성 가능성을 확인하는 방식이다. ▲ Basler의 ‘Stereo mini’ Mech-Mind 역시 3D 비전과 로봇을 결합한 실제 애플리케이션을 전면에 내세웠다. 투명·반투명 물체를 인식해 피킹하는 데모와 판금 부품의 빈피킹 및 정밀 로딩 작업 등을 선보였다.특히 Mech-Eye ULTRA M-GL은 자체 박벽 이미징 알고리즘과 광학기술을 이용해 두께 1mm 수준의 판금 부품에서도 가장자리와 홀 등의 세부 형상을 3D 포인트클라우드로 표현하도록 설계됐다. 투명물체 이미징도 지원해 로봇 인식과 피킹 적용 범위를 확대한다. ▲ Mech-Mind의 ‘Mech-Eye ULTRA M-GL’ 200GigE 등장, 고속 영상 전송의 한계 높여 산업용 카메라 분야에서는 센서 해상도뿐 아니라 대용량 영상 데이터를 얼마나 빠르게 전송하고 처리할 수 있는지가 새로운 경쟁 요소로 떠올랐다. Emergent Vision Technologies는 VISION 2026에서 200GigE를 적용한 HYPERION과 STRATOS 플랫폼을 공개했다. HYPERION의 첫 모델 AH-21000-G는 21MP 영상을 최대 1000fps로 전송하며, STRATOS의 LST-16KG5는 16K 해상도, 256단 TDI와 최대 1MHz의 라인 속도를 지원한다.두 플랫폼은 QSFP56 인터페이스와 GigE Vision 3.0/RDMA를 지원한다. 고해상도 영상을 압축하지 않은 상태에서 높은 프레임 레이트로 처리해야 하는 정밀 계측과 고속 검사 등에 대응하기 위한 기술이다. 반도체 검사, 100Gbit/s 급 영상 플랫폼으로 Teledyne Vision Solutions는 반도체 검사와 계측을 겨냥한 Sony IMX927 기반 100Gbit/s 영상 플랫폼을 공개했다. 이 시스템은 Adimec의 S-105A110 카메라와 DALSA의 Xtium3-QSFP28 프레임그래버를 결합한다. S-105A110은 Sony IMX927 센서를 탑재해 105MP 해상도에서 최대 110fps를 지원하며 CoaXPress over Fiber 인터페이스를 사용한다. 고해상도와 높은 프레임레이트를 동시에 요구하는 반도체 검사 에서는 센서 자체의 성능뿐 아니라 획득한 영상 데이터를 호스트 처리부까지 빠르게 전달하는 인터페이스와 프레임그래버까지 전체 영상처리 경로의 성능이 중요해지고 있음을 보여준다. ▲ Teledyne Vision Solutions의 100Gbit/s 영상 플랫폼 SWIR·이벤트 비전, 기존 가시광 검사의 한계 확장 가시광선 영역을 넘어서는 검사기술도 VISION 2026의 주요 흐름 가운데 하나였다. Allied Vision은 400~1700nm 영역을 지원하는 스마트 카메라 ‘Alecs VSWIR’를 소개했다. Sony SenSWIR 센서와 NVIDIA Jetson Orin 프로세싱을 IP67 하우징 안에 통합해 영상 획득과 엣지 AI 처리를 하나의 산업용 장치에서 수행하도록 설계했다.기존처럼 VSWIR 카메라와 GPU가 탑재된 외부 산업용 PC를 별도로 구성하는 복잡성을 줄이고, 공간이 제한되거나 실시간 판단이 필요한 현장에 적용할 수 있도록 한 것이 특징이다. ▲ Allied Vision의 ‘Alecs VSWIR’ 스마트 카메라 IDS는 이벤트 기반 비전, 3D iToF, AI 카메라와 임베디드 비전을전시했다. Prophesee와 함께 이벤트 기반 카메라를 이용한 드론·UAV·AGV용 객체 검출과 추적, 내비게이션 기술을 소개했고, 3D 분야에서는 간접 ToF 방식과 RGB·깊이 정보를 동기화하는 uEye 3D Nion 기술을 선보였다.프레임 기반 2D 카메라 중심이었던 머신비전이 고속 움직임과 3D 공간정보, 가시광선 밖의 스펙트럼까지 처리하는 방향으로 확대되고 있음을 보여주는 사례다. ▲ IDS의 uEye 3D Nion 2D·3D와 AI를 하나의 플랫폼으로 SICK도 VISION 2026에서 2D·3D 머신비전과 AI의 결합을 강조했다. SICK NOVA에는 3D 데이터용 AI 도구가 확대됐으며, 3D Anomaly Detection, Object Detection, 3D AI Classification 등을 이용해 형상이나 완전성, 품질 검사 등을 수행할 수 있도록 했다. 기존에는 3D 데이터를 규칙 기반으로 평가하는 경우가 많았다면, 새로운 AI 기능은 예제 이미지를 기반으로 검사를 구성할 수있도록 하는 데 초점을 맞췄다. Ranger NextGen, Ruler3000, Inspector 8xx 등 2D·3D 카메라 제품군과 소프트웨어 플랫폼의 통합도 주요 전시 내용이었다. 카메라 성능에서 ‘시스템 경쟁’으로 VISION 2026에서 확인된 변화는 새로운 카메라가 많이 등장했다는 데만 있지 않다. MVTec은 AI를 머신비전 개발환경으로 확장했고, Basler와 Mech-Mind는 3D 비전을 이동로봇과 로봇 핸들링에 연결했다.Emergent와 Teledyne은 고해상도 영상의 전송과 처리 성능을 높였으며, Allied Vision과 IDS는 SWIR와 이벤트 기반 비전, 엣지 AI 등 기존 프레임 기반 가시광 영상의 한계를 넓혔다. SICK은 3D 데이터 분석에 AI를 적용하며 소프트웨어와 센서의 통합을 강화했다. 결국 머신비전의 경쟁 기준은 개별 카메라의 해상도와 촬영속도 만으로 설명하기 어려워지고 있다. 카메라와 센서, 영상 인터페이 스, AI 소프트웨어, 엣지 컴퓨팅, 3D 공간 인식이 실제 자동화 시스템 안에서 어떻게 결합되는지가 새로운 경쟁력으로 부상하고 있다. ▲ SICK의 2D·3D 머신비전 솔루션 <표> VISION 2026 주요 기술 및 적용 분야 자료제공: Messe Stuttgart 및 각사 공식 발표자료

카메라·조명·모션 제어를 하나로 ... EtherCAT을 선택하는 5가지 이유

머신비전과 자동화 제어는 오랫동안 서로 분리된 시스템으로 구성돼 왔다. 별도의 비전 컨트롤러와 네트워크, PLC 간 인터페이스, 조명 트리거 시스템을 각각 구성하는 방식이다. 그러나 정밀도와 속도 요구가 높아질수록 이러한 분리 구조는 인터페이스 복잡성과 지연, 추가 하드웨어라는 부담으로 이어질 수 있다. Beckhoff는 EtherCAT을 공통 통신 기반으로 활용하면 카메라와 조명, 모션축을 하나의 시간축과 제어 시스템 안에서 통합할 수 있다고 설명한다. ▲ Beckhoff의 PC 기반 제어와 EtherCAT을 활용하면 머신비전을 별도의 부가 시스템이 아닌 통합 자동화 모듈로 구성할 수 있다. 1.카메라·조명·모션축을 하나의 시간 기준으로 첫 번째 이유는 표준화된 시간 기준(Standardized Time Base)이다. EtherCAT은 Distributed Clocks(DC)를 이용해 네트워크에 연결된 장치들을 공통 시간 기준으로 동기화한다. 첫 번째 DC 지원 슬레이브의 시간을 다른 장치에 주기적으로 전달하고, 네트워크 전파 지연을 측정해 보상하는 방식이다. Beckhoff에 따르면 이 방식의 지터는 1㎲보다 훨씬 낮으며 일반 적으로 수십 ns 수준이다. 절대 시스템 시간은 64비트로 저장되고 시간 측정 해상도는 1ns다. 머신비전에서는 이 시간 동기화가 특히 중요하다. 카메라와 조명, 모션축이 각각 별도의 시간 기준으로 동작하는 것이 아니라 하나의 시간축에 맞춰 움직일 수 있기 때문이다. 따라서 단순한 포토센서 신호와 소프트웨어 핸드셰이크에 의존하지 않고, 컨베이어 위치나 모션축의 특정 위치를 기준으로 정확한 시점에 이미지를 획득할 수 있다. 제품 추적이나 Track & Trace처럼 위치와 이미지의 정확한 대응이 필요한 애플리케이션 에서도 장점이 있다. ☞ Point: 카메라 + 조명 + 축 → 표준화된 시간 기준 2. 트리거와 조명을 정밀하게 동기화 두 번째 이유는 실시간 트리거와 조명 제어다.머신비전에서는 카메라만 정확하게 트리거한다고 끝나는 것이 아니다. 이미지가 촬영되는 순간 조명이 정확한 밝기와 시간으로 동작해야 안정적인 검사 이미지를 얻을 수 있다. Beckhoff는 EtherCAT의 Distributed Clocks와 Timestamp 기능을 이용하면 카메라와 조명을 동일한 시간 기준에서 제어할 수있다고 설명한다. 자사의 EL2596 LED 스트로브 제어 터미널과 EL2262 출력 터미널을 예로 들어, 조명 플래시와 카메라 하드웨어 트리거를 정밀하게 동기화하는 방식을 제시한다. 이 방식에서는 별도의 외부 트리거 루프를 구성하지 않고도 펄스 조명을 구현할 수 있다. 매우 짧은 시간 동안 높은 광량을 사용하면 빠르게 움직이는 대상도 정지된 것처럼 촬영할 수 있다.또한 검사 때문에 제품을 감속한 뒤 다시 가속할 필요를 줄일 수있어 설비 공간을 절약할 수 있으며, 조명의 전력과 냉각 요구를 낮추고 LED 수명을 늘리는 효과도 기대할 수 있다고 Beckhoff는 설명한다. ☞ Point: 이미지 촬영 시점과 조명 플래시를 정확하게 일치 ▲ EtherCAT Distributed Clocks는 카메라와 조명, 모션축을 공통 시간 기준으로 동기 화해 원하는 위치에서 정확한 시점에 이미지를 획득할 수 있도록 한다. 3. 비전 결과를 제어에 더 빠르게 반영 세 번째는 반응시간 단축(Shorter Reaction Times)이다.기존의 분리된 비전 시스템에서는 이미지 처리 결과가 별도의 네트워크와 인터페이스를 거쳐 PLC로 전달되는 경우가 많다. 이 과정에서 네트워크 스택이나 게이트웨이, 운영체제 등에 따른 지연이 발생할 수 있다. EtherCAT은 프레임이 네트워크를 통과하는 동안 각 장치가 필요한 데이터를 읽고 자신의 데이터를 삽입하는 On-the-fly 방식을 사용한다. 일반적으로 하나의 프레임으로 출력 데이터를 갱신하 면서 동시에 입력 데이터를 수집할 수 있다. 따라서 비전 시스템을 제어 시스템과 분리해 운용하는 것이 아니라, 제어 루프 안에 통합하는 구조가 가능해진다. 이미지 처리 결과를 받은 뒤 별도의 통신 단계를 기다리지 않고 PLC 프로그램에서 바로 판단을 수행하고, 그 결과를 모션축에 전달할 수 있다는 것이다. 고속 검사와 불량품 제거, 위치 보정, 로봇 핸들링처럼 ‘보고 바로 움직여야 하는’ 애플리케이션에서 특히 중요한 부분이다. ☞ Point: 검사 → 판단 → 모션제어의 지연 최소화 4. 하드웨어와 엔지니어링 비용 절감 네 번째는 하드웨어와 엔지니어링 비용 절감이다.기존 머신비전 시스템에서는 비전 컨트롤러, 플래시 컨트롤러, PLC 인터페이스, 네트워크 장치 등이 별도로 필요한 경우가 있다.시스템이 분리될수록 장비와 배선뿐 아니라 설정과 시운전 작업도 늘어난다. Beckhoff는 EtherCAT 기반으로 비전 구성요소를 통합하면 별도의 비전 컨트롤러와 플래시 컨트롤러 및 관련 인터페이스를 줄일수 있다고 설명한다. 비전 하드웨어도 하나의 엔지니어링 환경에서 설정할 수 있다.또한 EtherCAT은 라인, 스타, 트리 등 다양한 토폴로지를 조합할수 있어 카메라와 조명을 네트워크 스위치 위치가 아니라 공정에 필요한 위치에 배치할 수 있다. EtherCAT P를 사용하면 통신과 전원을 하나의 케이블을 통해 공급할 수 있다. 카메라와 조명을 계단식으로 연결하는 구성도 가능해 배선과 설치공간을 줄일 수있다는 설명이다.결국 시스템 통합은 단순히 통신 성능을 높이는 문제가 아니라 부품 수와 배선, 설치공간, 시운전 시간을 함께 줄이는 문제로 연결된다. ☞ Point: 비전 컨트롤러·인터페이스·배선·설정 작업 감소 ▲ EtherCAT P를 이용하면 카메라와 조명 시스템을 캐스케이드 방식으로 연결할 수 있어 전원 공급과 통신 배선을 단순화할 수 있다. 5. 비전과 제어를 하나의 진단 체계로 다섯 번째 이유는 일관된 진단(Consistent Diagnostics) 이다.EtherCAT에서는 각 슬레이브 컨트롤러가 통과하는 텔레그램을 체크섬으로 검사하고, 오류가 발생하면 관련 카운터를 증가시킨 다. 마스터는 이러한 정보를 이용해 네트워크에서 문제가 발생한 위치를 파악할 수 있다. 케이블이나 커넥터 문제도 Link-Lost-Counter 등을 이용해 진단할 수 있으며, 시스템 시작 시 네트워크 토폴로지를 확인하고 검증하는 기능도 제공한다.머신비전과 모션 데이터가 동일한 시간축에 놓인다는 점도 중요한 부분이다. 이미지에는 추적 가능한 Timestamp를 부여할 수있고, 이를 모션축의 위치 프로파일이나 I/O 신호와 함께 비교할수 있다. 예를 들어 검사 오류가 발생했을 때 당시 촬영된 이미지, 축 위치, I/O 상태를 같은 시간 기준으로 추적하면 문제의 원인을 보다 체계적으로 분석할 수 있다. 즉 진단 대상이 카메라 따로, PLC 따로, 네트워크 따로가 아니라 하나의 자동화 시스템 안으로 통합되는 것이다. ☞ Point: 이미지·축·I/O·네트워크 오류를 하나의 시간축에서 추적 <표> 머신비전에서 EtherCAT을 선택하는 5가지 이유 머신비전, ‘부가 시스템’에서 기계의 일부로 Beckhoff가 제시하는 다섯 가지 이유의 공통점은 머신비전을 자동화 시스템과 별도로 구성하지 않는 것이다. 카메라와 조명, PLC, I/O, 모션축이 동일한 EtherCAT 네트워크와 시간 기준을 사용하면 비전 시스템은 별도의 검사 장치가 아니라 기계 제어 시스 템의 일부로 통합될 수 있다. 결국 EtherCAT 기반 비전 통합의 핵심은 단순한 네트워크 속도에 있지 않다. 동기화, 실시간 반응, 시스템 단순화, 진단을 하나의 제어 아키텍처 안에서 구현하는 것이 핵심이다. Beckhoff는 이를 기존의 복잡한 add-on 형태에서 기계에 통합된 자동화 모듈로 머신비전의 역할이 변화하는 것으로 설명한다. 자료제공: Beckhoff (www.beckhoff.com)

Cognex, RealSense 5억 달러에 인수

Cognex가 3D 깊이 카메라와 로봇 인지 기술 기업 RealSense를 약 5억 달러에 인수한다. 양사는 최종 인수 계약을 체결했으며, 거래는 관계 당국의 승인 등 통상적인 절차를 거쳐 2026년 4분기 중 마무리될 예정이다. RealSense는 로봇과 자율 시스템이 주변 환경의 깊이와 공간 정보를 인식할 수 있도록 지원하는 3D 비전 기술을 공급하고 있다. 고정형 로봇 팔과 자율이동로봇(AMR), 4족 보행 로봇, 휴머노이드 등 다양한 로봇 분야에 적용 되고 있으며, 피지컬 AI를 위한 3D 로봇 인지 플랫폼을 주요 사업으로 하고 있다. Cognex는 이번 인수를 통해 기존 산업용 ID와 2D·3D 머신비전 측정 기술에 3D 깊이 인지와 로봇 내비게이션 기능을 추가할 계획이다. 이를 통해 제조·물류 현장의 검사와 측정을 넘어 로봇이 주변 환경을 인식하고 이동·작업할 수 있도록 지원하는 비전 플랫폼으로 사업 영역을 확대한다는 전략이다. RealSense는 2014년 Intel에서 시작돼 2025년 독립 회사로 분사했다. 독자적인 3D 인지 기술과 개발자 생태계를 기반으로 로보틱스 시장에서 사업 을 확대해 왔으며, Cognex는 자사의 글로벌 고객 기반과 영업망을 결합해 RealSense 기술의 산업 현장 적용을 넓힐 계획이다. 한편 거래 완료에 앞서 RealSense의 얼굴 인증(Facial Authentication) 제품 사업은 별도 독립 회사로 분리된다. Cognex는 이번 인수를 통해 머신비전과 3D 깊이 인지, 로봇 내비게이션을 연결하는 통합 비전 기술 기반을 강화하고 피지컬 AI 및 로봇 인지 시장에서의 사업 확대를 추진할 방침이다.

Vision Components - QDI Systems, 양자점 기반 SWIR MIPI 카메라 공동 개발

▲ 양자점 SWIR 센서를 활용한 가시광·SWIR 영상 비교 Vision Components와 QDI Systems가 양자점(Quantum Dot) 이미지센 서를 적용한 SWIR MIPI 카메라 공동 개발에 나선다. 양사는 QDI Systems 의 SWIR 센서 기술과 Vision Components의 MIPI 카메라 모듈을 결합해 산업, 스마트팜, 보안, 드론 등 다양한 분야에서 SWIR 영상 기술의 적용 범위를 확대한다. 첫 제품은 QDI 6410 SWIR 이미지센서를 탑재한 VC MIPI CSI-2 카메라다.해상도는 640×512픽셀(VGA, 0.3MP)이며, 350~1,850nm의 넓이사은 스펙트럼 범위를 지원한다. 평가와 프로토타이핑용 제품은 VISION 2026 이후 제공될 예정이며, SXGA와 Full HD 해상도 모델도 추가로 개발 중이다. 이번 협력의 핵심은 기존 InGaAs 기반 SWIR 센서보다 비용 부담을 낮출 수있는 양자점 기술이다. QDI Systems의 이미지센서는 표준 실리콘 ROIC 웨이퍼에서 생산할 수 있어 확장성과 생산 수율을 높일 수 있으며, 유럽에서 개발·생산된다. 이를 통해 그동안 높은 센서 가격 때문에 적용이 제한됐던 SWIR 영상 기술을 보다 다양한 산업 분야에 활용할 수 있도록 한다. Vision Components는 QDI 6410뿐 아니라 QDI 12810(SXGA), QDI 19205(Full HD) 센서도 산업용 MIPI CSI-2 카메라 모듈에 통합할 계획이다.양사는 이번 협력을 통해 SWIR 영상 기술의 진입 장벽을 낮추고, 기존 산업 검사뿐 아니라 농업과 보안, 스마트 디바이스 등 새로운 임베디드 비전 시장으로 적용 영역을 넓힌다는 계획이다.

Artec 3D, AI 추적 기술의 무선 3D 스캐너 ‘Artec Neo’ 출시

▲ 청색광 광학계와 AI 기반 추적 기술을 적용한 Artec Neo Artec 3D가 정밀 치수 검사와 역설계를 위한 무선 3D 스캐너 ‘Artec Neo’를 선보였다. 청색광 광학계와 AI 기반 하이브리드 추적 기술을 결합한 이 제품은 타깃을 활용한 측정 조건에서 최대 0.025mm의 정확도를 제공한다. 특히 공차 관리가 중요한 영역에 정밀 측정을 집중하고, 나머지 표면은 AI 기반으로 추적하는 ‘공차 중심 3D 스캐닝(Tolerance-driven 3D Scanning)’ 기술이 특징이다. Artec Neo는 부품 전체에 기준 마커를 부착하는 대신 정밀도가 필요한 영역에만 타깃을 선택적으로 배치할 수 있다. 주요 부위에서는 타깃 기반 측정으로 정확도를 확보하고, 다른 영역에서는 형상·질감· 색상 정보를 활용한 AI 추적으로 3D 데이터를 획득한다. 이를 통해 하나의 스캔 과정에서 주요 치수 측정과 부품 전체의 형상 디지털화를 수행할 수 있다. 측정 성능은 0.025mm의 정확도와 0.025mm+0.035mm/m의 체적 정확도, 최대 0.05mm의 3D 해상 도를 제공한다. 또한 유선과 무선 방식으로 운용할 수 있으며, 배터리 사용 시 최대 50분 연속 스캐닝을 지원한다. Wi-Fi 연결을 통해 장비 내부나 협소한 공간에서도 이동하며 측정할 수 있도록 했다.

TKH, Vitronic 용접부 검사 사업 인수하며 3D 머신비전 확대

TKH가 Vitronic Machine Vision 의 용접부 검사(Weld Seam Inspection, WSI) 사업부를 인수한다. 양사는 지난 10월 초 인수 계약을 체결했으며, 거래는 2026년 4분기 중 마무리될 예정이다. 이번 인수를 통해 TKH는 기존 3D 머신비전 사업에 용접 검사 애플리케이션을 추가 하며 턴키 검사 솔루션 영역을 확대한다. WSI 사업은 용접 후 검사 환경을 위한 턴키 검사 시스템을 공급하고 있으며, 복잡한 검사 조건에 대응하기 위해 엣지 AI 기반 비전 기능도 제공 한다. 주요 고객은 자동차와 중공업 분야에 분포해 있으며, 자동화 생산 수요가 높은 제조 현장을 중심으로 사업을 전개하고 있다. TKH는 인수한 WSI 사업을 자사의 3D 머신비전 사업에 통합할 계획이다. 기존 Gocator 3D 센서와 GoPxL, GoFactory 소프트웨어 플랫폼에 용접부 검사 애플리케이션을 결합해 센서와 소프트웨어, 검사 시스템을 아우르는 통합 솔루션 제공 역량을 강화한다는 전략이다. 특히 TKH는 이번 인수를 통해 기존 3D 머신비전 제품을 개별 센서 공급에 그치지 않고, 실제 생산 현장에 적용되는 턴키 검사 시스템으로 확장할 수 있게 된다. 용접 후 검사 공정에 특화된 WSI의 애플리케이션 경험을 더함으로써 자동차와 중공업 분야에서 요구되는 자동 검사 수요에 보다 직접적으로 대응할 수 있을 것으로 기대된다.


제품정보

더보기

IMAGO Technologies, 산업용 AI 비전 가속기 ‘Vision AI Xcelerix’

▲ USB4 연결을 통해 GPU 연산 성능을 확장하는 ‘Vision AI Xcelerix’ IMAGO Technologies가 산업용 머신비전 시스템의 AI 처리 성능을 확장하기 위한 GPU 가속 장치 ‘Vision AI Xcelerix’를 선보 였다. 이 제품은 MXM GPU 기술을 기반으로 설계됐으며, 기존 비전 컴퓨터에 USB4로 연결해 추가적인 GPU 연산 성능을 확보할 수 있다. 머신비전 시스템의 요구 성능이 높아지더라도 기존 컴퓨터나 시스템 구조를 전면 교체하지 않고 확장할 수 있다는 점이 특징이다. Vision AI Xcelerix는 산업용 장비와 제어반에 통합할 수 있는 소형 설계를 채택했다. 24V 전원 공급과 장기적인 하드웨어 공급을 지원하며, 산업 현장의 연속 운용 환경을 고려했다. 딥러닝 기반 영상 분석과 AI 검사, 대용량 영상 데이터의 병렬 처리 등높은 GPU 연산 성능이 필요한 분야에 활용할 수 있다. 특히 IMAGO Technologies의 산업용 비전 컴퓨터 ‘Vision BoxAGE-X6’와 연계해 확장형 AI 비전 시스템을 구축할 수 있다. 초기 에는 CPU 기반 시스템으로 운용하다가 AI 처리 성능이 추가로 필요해지면 USB4를 통해 GPU 가속 장치를 연결하는 방식이다. 자료제공: IMAGO Technologies (www.imago-technologies.com)

Teledyne DALSA, 32K 초고해상도로 300mm 웨이퍼 검사 산업용 라인스캔 카메라

Teledyne DALSA가 반도체 웨이퍼와 전자부품의 초고해상도 검사를 위한 라인스캔 카메라 ‘Linea ML 32K’를 출시했다. 기존 Linea ML 제품군을 32K 해상도로 확장한 신제품으로, 최대 150kHz의 라인 레이 트와 멀티라인 CMOS 센서 기술을 적용했다. ▲ Teledyne DALSA의 32K 초고해상도 라인스캔 카메라 ‘Linea ML 32K’ 32K 초고해상도로 웨이퍼 미세 결함 검사 반도체 웨이퍼와 고밀도 전자부품의 제조공정에서는 넓은 검사 영역과 미세 결함을 동시에 확인할 수 있는 고해상도 영상 획득 기술이 중요하다. 특히 검사 대상의 크기가 커질수록 촬영 영역을 확보하면서 작은 결함을 구분해야 하므로 카메라의 해상도와 데이터 처리 성능이 요구된다. Linea ML 32K는 이러한 검사 환경을 위해 32K 해상도를 제공한다.제조사에 따르면 300mm 웨이퍼 전체 폭을 카메라 한 대로 검사할 수있도록 설계됐으며, 여러 대의 카메라를 사용하는 방식에 비해 영상 획득 시스템의 구성을 단순화할 수 있다. 또한 최대 150kHz의 라인 레이트를 지원해 높은 해상도를 유지하면서도 빠르게 이동하는 검사 대상의 영상을 획득할 수 있다. 이를 통해 반도체 웨이퍼와 전자부품의 생산라인에서 미세한 표면 이상을 확인하는 검사 시스템에 활용할 수 있다. 멀티라인 CMOS와 HDR로 결함 검출 성능 강화 Linea ML 32K는 Teledyne DALSA의 멀티라인 CMOS 기술을 기반 으로 한다. Linea ML 제품군은 기존 8K·16K에서 32K까지 확장됐으 며, 용도에 따라 다양한 영상 획득 구성을 제공한다. 멀티라인 구조는 동일한 검사 대상에서 여러 영상 정보를 획득할 수 있도록 한다. 특히 HDR과 순차 노출(Sequential Exposure) 기능은 서로 다른 노출 조건의 영상을 활용해 밝기 차이가 크거나 표면 특성이 복잡한 대상의 미세 결함을 보다 선명하게 구분하는 데 도움을 준다. Camera Link HS 기반 고속 영상 전송 Linea ML 32K는 고해상도 영상 데이터를 전송하기 위해 Camera Link HS 인터페이스를 적용했다. CX4 커넥터를 통해 액티브 광케이블을 연결할 수 있으며, 광전송 방식을 활용해 전자기 간섭(EMI)에 영향을 받지 않는 영상 데이터 전송 환경을 구축할 수 있다. 이는 고속 모터와 각종 산업용 전기장치가 함께 작동하는 생산설비에서 안정적인 데이터 전송 환경을 마련하는 데 도움이 된다.Linea ML 제품군은 반도체 웨이퍼와 인쇄회로기판(PCB), 전자부품 등 높은 해상도와 다양한 영상 획득 조건을 요구하는 검사 분야에 대응한다. 자료제공: Teledyne DALSA (www.teledynedalsa.com)

Vision Components, 시스템 통합 간소화한 산업용 MIPI 카메라 ‘Blueline’ 출시

Vision Components가 새로운 산업용 MIPI 카메라 시리즈 ‘VC MIPI Blueline’을 선보였다. 이 제품은 Mainline Linux 지원과 산업용 품질을 바탕으로 장기간 안정적으로 사용할 수 있도록 설계됐다.Sony와 onsemi의 이미지 센서를 기반으로 2~12.5MP 해상도의 6개 모델을 제공하며, 시제품 개발부터 양산 시스템까지 폭넓게 적용할수 있다. ▲ Vision Components의 산업용 ‘VC MIPI Blueline’ 카메라 모듈 2~12.5MP 해상도의 6개 카메라 모델 구성 VC MIPI Blueline은 Sony와 onsemi의 컬러 이미지 센서를 적용한 MIPI CSI-2 카메라 시리즈다. 초기 제품군은 Sony STARVIS 계열의 IMX662·IMX832, IMX678·IMX838, IMX676과 onsemi AR0246 센서를 탑재한 6개 모델로 구성된다. 해상도는 2~12.5MP이며, 센서 크기는 1/4인치부터 1/1.6인치까지 제공된다. 카메라는 독일에서 개발·생산되며, Vision Components의 기존 MIPI 카메라 제품군에서 검증된 산업용 품질과 장기 공급성을 유지한다. 다양한 이미지 센서와 렌즈를 선택할 수 있어 임베디드 AI 비전과 스마트 디바이스 등 여러 응용 분야에 대응할 수 있다. 또한 2027년에는 IMX335, IMX477, IMX908 센서를 적용한 모델을 추가할 계획이다. Mainline Linux 지원으로 시스템 통합 간소화 VC MIPI Blueline의 핵심적인 차별성은 Mainline Linux 드라이버 지원이다. 카메라 드라이버가 메인라인 리눅스 소스에 포함돼 있거나 업스트림 통합이 추진되고 있어, Linux 기반 프로세서 보드에서 드라이버 수정과 유지보수에 필요한 작업을 줄일 수 있다. 일반적으로 임베디드 비전 시스템은 프로세서 보드나 운영체제 버전에 따라 카메라 드라이버를 조정해야 하는 경우가 있다. VC MIPI Blueline은 이러한 통합 부담을 낮추고, 개발 단계부터 양산 이후까지 드라이버 관리의 효율성을 높이는 데 초점을 맞췄다. 표준화된 모듈 구성으로 적용 범위 확대 VC MIPI Blueline은 카메라 모듈뿐 아니라 렌즈와 케이블을 포함한 표준 번들 구성도 제공한다. Vision Components는 이러한 표준화와 생산 규모 확대를 통해 기존 산업용 카메라의 품질을 유지하면서 가격 경쟁력을 확보했다고 설명했다. 또한 기존 VC MIPI Bricks 액세서리 시스템과 호환돼 다양한 프로세서 보드와 설치 환경에 맞춰 카메라 시스템을 구성할수 있다. 이를 통해 개별 부품 선정과 시스템 통합에 필요한 작업을 줄이고, 임베디드 비전 프로젝트를 신속하게 구축할 수있도록 했다. 신제품은 2026년 11월부터 공급할 예정이다. 초기 판매는 Vision Components의 자회사인 Notavis를 통해 진행하고, 2027년 초부터 기존 유통망으로 확대할 계획이다. 자료제공: Vision Components (www.vision-components.com)

EVT, 고속 영상 획득·데이터 처리 효율 높인 HYPERION·STRATOS·AEOLUS 3종 공개

Emergent Vision Technologies(이하 EVT)가 VISION 2026에서 초고속 영상 획득과 데이터 전송 효율을 높이기 위한 산업용 카메라 제품군을 공개했다. 세계 최초의 200GigE 카메라로 소개한 ‘HYPERION’과 ‘STRATOS’, H.265 엣지 압축 기술을 적용한 ‘AEOLUS’가 주인공이다. ▲ EVT의 산업용 카메라 3종. (사진 왼쪽부터) HYPERION, STRATOS, AEOLUS 200GigE 기반 초고속 영상 획득 HYPERION과 STRATOS는 200GigE 인터페이스를 기반으로 대용량 영상 데이터를 고속 전송하는 산업용 카메라 제품군이다. HYPERION은 에어리어스캔, STRATOS는 라인스캔 방식으로 구성돼 서로 다른 영상 획득 환경에 대응한다. HYPERION의 ‘AH-21000-G’ 모델은 Gpixel의 GSPRINT4521 센서를 탑재해 21MP 해상도에서 최대 1000fps의 영상 획득을 지원한다. STRATOS의 ‘LST-16KG5’는 16K 해상도와 256단 TDI 기술을 적용했으며, 최대 1MHz의 라인 레이트를 제공한다. 이를 통해 고해상도와 고속 촬영이 동시에 필요한 산업 검사 및 연구용 영상 시스템에 대응할 수 있다. GigE Vision 3.0과 GPU 직접 전송 지원 EVT는 고속 영상 데이터 처리를 위해 GigE Vision Streaming Protocol의 자체 제로카피(Zero-copy) 구현 기술을 제공한다. 또한 RDMA/RoCEv2를 활용하는 GigE Vision 3.0을 지원해 영상 데이터 전송 과정의 메모리 복사 부담을 줄일 수 있도록 했다. NVIDIA GPUDirect도 Windows와 Linux 환경에서 지원 한다. 이를 통해 카메라에서 획득한 영상 데이터를 GPU 메모리로 직접 전송할 수 있으며, Emergent의 네트워크인터페이스 카드(NIC)와도 연동할 수 있다.200GigE 카메라는 영상 정보를 압축 없이 보존해야 하는 정밀 계측, 저대비 미세 결함 검사, 정확한 픽셀값 분석 및 고속 연구 영상 획득 등에 적합하다. 특히 고해상도 영상을 빠르게 처리하면서 원본 영상의 세부 정보를 유지해야 하는 분야에서 활용할 수 있다. H.265 엣지 압축으로 데이터 부담 줄인 ‘AEOLUS’ AEOLUS는 고해상도 영상 획득 성능을 유지하면서 네트워크와 저장 인프라의 부담을 줄이기 위한 압축형 카메라 제품군이다. 동급 25GigE 카메라에 해당하는 해상도와 프레임 속도를 제공하면서, 카메라 내부의 H.265 압축 기술로 1GigE 카메라 수준의 영상 파일 크기를 구현하는 데초점을 맞췄다. AEOLUS는 압축 후에도 검사에 필요한 영상 특징이 유지되는 애플리 케이션에 적합하다. 물체 유무 확인이나 분류 등 데이터 용량 절감이 중요한 분야에서 활용할 수 있으며, 비압축 영상의 고속 전송에 중점을 둔 HYPERION·STRATOS와는 다른 방식으로 시스템 효율을 높인다. 자료제공: EVT (www.emergentvisiontec.com)

KUKA, 2D·3D 물체 인식 및 파지점 계산 AI 로봇 비전 소프트웨어

KUKA가 산업용 로봇의 영상 처리와 작업 자동화를 간소화하기 위한 AI 비전 소프트웨어 ‘iiQKA.AI Vision’을 선보였다. 이 제품은 2D·3D 영상 처리와 AI 기반 객체 인식 기능을 KUKA의 로봇 자동화 환경에 통합한 솔루션이다. ▲ KUKA의 AI 비전 소프트웨어 ‘iiQKA.AI Vision’을 활용한 로봇 비전 시스템 NVIDIA Jetson Orin 기반 엣지 AI 처리 iiQKA.AI Vision은 NVIDIA Jetson Orin 모듈을 기반으로 하는 ‘KUKA AI Extension Platform’에서 영상 데이터를 처리한다. 로봇 제어 시스템에 통합된 엣지 컴퓨팅 환경을 활용해 별도의 외부 영상 처리용 PC나 클라우드 인프라 없이 AI 추론과 영상 분석을 수행할 수 있다. 이미지 처리와 저장은 시스템 내부에서 이뤄지므로 외부 네트워크 연결에 대한 의존도를 낮추고 데이터 보안을 강화할 수 있다. 또한 로봇 제어와 영상 처리 기능을 하나의 시스템으로 연결해 외부 장치와 인터페이스를 줄이고, 유지보수 부담을 완화하도록 했다. AI 객체 인식과 자동 파지점 계산 iiQKA.AI Vision은 2D 이미지와 3D 포인트 클라우드를 활용해 물체의 위치와 자세를 인식한다. AI 알고리즘은 대상물을 배경과 구분하고, 부품의 종류나 조명 조건이 달라지는 환경에서도 안정적으로 물체를 검출할 수 있도록 설계됐다. 특히 영상 데이터나 포인트 클라우드를 분석해 물체의 위치 정보와 적절한 파지점을 자동 계산하고, 그 결과를 로봇에 직접 전달한다. 이를 통해 대상물 검출부터 파지 동작까지 하나의 작업 흐름으로 연결할 수 있다. 이러한 기능은 부품이 불규칙하게 놓인 상태에서 물체를 집어 올리는 빈 피킹이나 팔레트에 적재된 물품을 내리는 디팔레타이징 작업 등에 활용할 수 있다. 드래그 앤 드롭 방식으로 비전 시스템 구축 간소화 iiQKA.AI Vision은 KUKA의 엔지니어링 소프트웨어 ‘iiQWorks’ 와 통합돼 비전 애플리케이션의 설정부터 시운전까지 일관된 작업 환경을 제공한다. 사용자는 그래픽 인터페이스에서 드래그 앤드롭 방식으로 기능을 구성하고, 일반적인 비전 작업을 위한 사전 제작 템플릿을 활용할 수 있다. 또한 설치와 시운전 과정을 안내하는 단계별 워크플로를 제공해 복잡한 프로그래밍과 전문적인 영상 처리 설정에 대한 부담을 줄인다. 웹 기반 인터페이스를 통한 중앙집중식 관리와 모니터링도 지원한다. 주요 적용 분야는 2D·3D 빈 피킹, 조립, 품질 관리, 디팔레타이징 등이다. 자료제공: KUKA (www.kuka.com)

Leopard Imaging, 20m 이상 장거리 물체 인식 지원하는 3D 인식 시스템 ‘Sirius Max’

Leopard Imaging이 Lumotive와 함께 장거리 3D 인식 플랫폼 ‘Sirius Max’를 선보였다. 이 제품은 로봇, 산업 자동화, 자율주행 기계, 지능형 엣지 시스템을 위한 차세대 솔리드스테이트 3D LiDAR로, RGB 영상과 iToF 기반 깊이 센싱, 프로그래머블 빔 조향 기술을 하나의 플랫폼에 통합한 것이 특징이 다. 특히 20m 이상 거리에서 3D 인식이 가능하며, 1MP 깊이 해상도와 소프트웨어 정의형 스캐닝 기능을 통해 다양한 AI 비전 애플리케이션에 대응하도록 설계됐다. ▲ Leopard Imaging의 장거리 3D 인식 플랫폼 ‘Sirius Max’ 프로그래머블 빔 조향으로 장거리 3D 인식 Sirius Max의 핵심은 Lumotive의 프로그래머블 빔 조향 기술이다. 기존 플러드 조명 방식의 ToF 시스템이 넓은 영역에 빛을 일괄 조사하는 방식이라면, Sirius Max는 방향성 빔 조향을 이용해 조사 영역과 깊이 스캔을 동적으로 제어한다. 이를 통해 광 효율과 주변광 억제 성능, 신호대잡음비(SNR), 장거리 센싱 성능을 높이면서도 움직이는 기계 부품이 없는 완전 솔리드스테이트 구조를 유지했다. 또한 필요한 영역만 선택적으로 스캔하는 소프트웨어 정의형 센싱과 관심영역(ROI) 제어를 지원해, 하나의 센서 플랫폼으로 다양한 인식 기능을 통합할 수 있도록 했다. RGB·깊이 데이터 융합과 GMSL2 통합 설계 Sirius Max는 고성능 RGB 이미징과 지능형 iToF 깊이 센싱·처리 기능, 임베디드 동기화, 프로그래머블 조명 제어 기능을 결합한 장거리 RGB+Depth 인식 플랫폼이다. 핵심 기술로는 ISP를 포함한 고성능 RGB 이미징, onsemi AF0130 기반의 iToF 깊이 센싱, Lumotive의 LCM(Light Control Metasurface) 프로그래머블 빔 조향 모듈이 적용됐다. 이 플랫폼은 RGB 비디오와 깊이 데이터, 제어 신호를 단일 동축 케이 블로 전송하는 GMSL2 카메라 시스템으로 설계됐다. 이를 통해 임베디드 컴퓨팅과 엣지 AI 시스템에 보다 간단하게 통합할 수 있으며, 실시간 RGB-Depth 융합 처리도 지원한다. 로봇·엣지 AI까지 적용 범위 확대 Leopard Imaging은 Sirius Max를 휴머노이드 로봇, 자율주행 플랫 폼, 산업 자동화, 자동차 모니터링, 스마트 인프라 등 다양한 분야에 적용할 수 있다고 밝혔다. 하나의 센서로 SLAM, 절벽 감지, 충돌 방지, 물체 핸들링, 내비게이션, 비주얼 인스펙션 등 여러 기능을 수행할 수 있어 센서 구성을 단순화하면서도 성능과 배치 유연성을 높일수 있다는 설명이다. 또한 장거리 능동형 깊이 인식과 소프트웨어 정의형 스캐닝 기능을 통해 AI 시스템이 더 먼 거리의 물체를 인식하고, 더 빠르게 반응하며, 보다 복잡한 작업을 수행할 수 있도록 지원한다. 자료제공: Leopard Imaging (www.leopardimaging.com)