ML610M 렌즈와 딥러닝 OCR로 구현한 고해상도 문자 인식 시스템
제품 라벨, 시리얼 번호, 전자 부품 마킹 등 산업 현장에서 인쇄된 문자를 자동으로 판독하는 OCR 기술은 품질 관리와 추적성 확보를 위한 핵심 검사 기술로 자리잡고 있다. 특히 작은 문자나 유사한 형태의 문자를 정확하게 구분해야 하는 공정에서는 광학 해상도와 이미지 품질이 OCR 성능을 크게 좌우한다. 최근에는 고해상도 광학 시스템과 딥러닝 기반 OCR 알고리즘을 결합해 이러한 문제를 해결하려는 사례가 늘고 있다.
이 기사에서는 Theia Technologies의 ML610M 렌즈와 The Imaging Source 카메라, Zebra Aurora Vision Studio의 딥러닝 OCR을 결합해 근거리에서도 작은 문자를 정확하게 판독할 수 있도록 구현한 산업용 머신 비전 시스템 사례를 살펴본다.
Challenge
근거리에서 작은 문자까지 정확히 판독
산업 현장에서 제품 라벨, 시리얼 번호, 전자 부품 마킹 등을 자동으로 판독하기 위해서는 작고 촘촘한 문자까지 정확하게 인식할 수 있는 OCR 시스템이 필요하다. 특히 제품 시리얼라이제이 션(serialization), 라벨 검증(label verification), 전자 부품 검사 (electronics inspection), 추적성 관리(traceability)와 같은 공정에서는 작은 문자 하나의 오인식만으로도 생산 품질이나 규정 준수에 문제가 발생할 수 있다.
산업용 이미징 기업 The Imaging Source는 약 9인치(약 23cm) 의 근거리 작업 거리에서도 작은 문자들을 빠르고 안정적으로 판독할 수 있는 산업용 OCR 시스템을 구축하고자 했다. 이러한 시스템을 구현하기 위해서는 높은 해상도의 이미지를 확보할 수 있는 광학 성능과 다양한 문자 조건에서도 정확하게 판독할 수 있는 OCR 알고리즘이 동시에 요구됐다.
특히 OCR 작업에서는 ‘1’과 소문자 ‘l’, ‘5’와 ‘S’처럼 형태가 유사한 문자를 구분해야 하는 경우가 많기 때문에, 작은 문자에서도 에지 대비(edge contrast)를 유지하면서 문자 형태를 명확하게 재현하는 광학 성능이 매우 중요하다.
<그림1> Theia의 ML610M 렌즈와 The Imaging Source의 DFK 33UX178 카메라로 구성된 비전 시스템. 이 조합은 약 200 lp/mm 해상도의 고해상도 OCR 이미징 성능을 구현한다.
Solution
고해상도 광학과 딥러닝 OCR을 결합
The Imaging Source의 애플리케이션 엔지니어 Tommie Minor 는 이러한 요구 사항을 충족하기 위해 Theia Technologies의 ML610M 가변 초점 렌즈, The Imaging Source의 DFK 33UX178 카메라, 그리고 Zebra의 Aurora Vision Studio 소프트웨어 플랫폼에 포함된 Deep Learning OCR 기능을 결합한 머신비전 솔루션을 구축했다.
핵심 광학 장치인 ML610M 2/3인치 포맷 렌즈는 1.55㎛ 픽셀 센서를 기준으로 최대 300 line pairs/mm의 해상력을 제공하도록 설계됐다. 이러한 고해상도 성능 덕분에 매우 작고 촘촘하게 인쇄된 문자 획까지 선명하게 분해할 수 있으며, 카메라 센서에 투영되는 문자 형태도 명확하게 유지된다.
또한 ML610M 렌즈는 4K 및 1200만 화소급 이미징을 지원하는 광학 설계를 기반으로 하며, 20Hz → 200Hz → 20Hz 스윕 진동 조건에서 축당 10G를 30분 동안 견디는 항공우주 등급 진동 내성을 갖추고 있다. 여기에 440nm~940nm 범위의 IR 보정 기능이 적용돼 다양한 조명 환경에서도 안정적인 이미지 품질을 유지할수 있다.
이미지 캡처에는 2/3인치 포맷, 630만 화소 센서를 탑재한 DFK 33UX178 카메라가 사용됐다. 이 카메라는 2.4㎛ 픽셀 센서를 기반으로 ML610M 렌즈의 Ø11mm 이미지 서클과 잘 맞는 조합을 이룬다. 렌즈 자체는 최대 300 lp/mm 해상력을 제공할 수 있지만, 실제 시스템의 유효 해상도는 카메라 센서 특성에 의해 약 200 lp/mm 수준으로 결정된다.
이와 같은 조합은 센서 전체 영역에 걸쳐 균일한 에지 디테일과 높은 대비를 확보한 이미지를 제공한다.
한편 Aurora Vision Studio는 그래픽 기반 워크플로 환경을 제공해 엔지니어가 코딩없이도 OCR 애플리케이션을 구축하고 최적화할 수 있도록 지원한다. Deep Learning OCR 모델은 다양한 폰트, 문자 크기, 방향을 인식하도록 사전 학습돼 있으며, 기울어진 문자나 일부 마모된 문자도 판독할 수 있다.
<그림2> Zebra Aurora Vision Studio를 활용한 딥러닝 OCR 처리 화면. 6.3MP Imaging Source DFK 33UX178 카메라와 6mm 초점 거리 렌즈를 사용해 약 9인치 (23cm) 거리에서 촬영했으며, 17 pix/mm 픽셀 밀도를 확보했다.
Result
고해상도 이미지 기반 OCR 정확도 향상
약 23cm 작업 거리에서 구축된 시스템은 17 pix/mm 수준의 픽셀 밀도를 확보했으며, 매우 얇은 문자 획까지 최소한의 블러로 정확하게 포착할 수 있었다.
이처럼 선명하고 대비가 높은 이미지 입력을 기반으로 Aurora Vision Studio의 OCR 엔진은 ▲높은 문자 인식 신뢰도 확보 ▲ 오검출(false detection) 감소 ▲다중 촬영 필요성 최소화와 같은 성능을 달성했다. 또한 코드 작성이 필요없는(code-free) 플랫폼 덕분에 OCR 시스템 구축 속도도 크게 향상됐다. 운영자는 프로그래밍 전문 지식 없이도 문자 높이나 대비와 같은 일부 파라미 터만 조정해 시스템을 최적화할 수 있었다.
<그림3> 8.3MP 해상도 카메라 이미지를 HD 모니터에서 약 4인치 거리에서 표시한 모습. 고해상도 광학과 센서 조합이 문자 디테일을 선명하게 재현함을 보여준다.
Insight
산업용 문자 인식 성능 향상
이번 프로젝트는 고해상도 광학 시스템과 딥러닝 OCR 알고리즘의 결합이 산업용 문자 인식 성능을 크게 향상시킬 수 있음을 보여주는 사례다. 특히 17 pix/mm 수준의 픽셀 밀도와 높은 에지 대비를 확보한 이미지 품질이 딥러닝 OCR의 인식 정확도를 높이는 핵심 요소로 작용했다. 또한 이 시스템은 렌즈의 공식 최소 초점 거리인 0.5m보다 가까운 약 23cm 거리에서도 안정적으로 동작하며 선명한 고해상도 이미지를 제공했다.
자료제공: ZEBRA(www.zebra.com)
