딥 러닝의 융합으로 주목받는 머신비전 기술...딥 러닝 이해부터 시작

2022.09.10 18:56:46

김진희 기자 jjang@hellot.net

[무료 초대] 마감임박!!! 머신비전, AI, 디지털트원, SaaS, 클라우드, 5G, 디지털ESG, 3D프린팅...AI자율제조혁신포럼 개최 (3/27~29, 코엑스3층 컨퍼런스룸 317~318호)

딥러닝 소프트웨어는 머신비전 도구 상자에서 강력한 도구를 대표하지만, 먼저 기술이 어떻게 작동하고 어디에 가치를 더하는지 이해해야 한다.

 

 

딥 러닝은 산업용 머신비전 시스템의 통합 및 구현에 유용한 도구로 인식되었다. 딥 러닝은 인공지능(AI)을 활용하여 데이터 중심 모델의 지속적인 분석에서 학습할 수 있는 기능을 통해 결함 감지 및 조립 검증을 포함한 특정 산업 품질 검사 애플리케이션에서 가치를 제공한다.

 

인공지능은 자연어 처리, 음성 인식 및 로봇 공학을 포함하여 많은 다양한 것들을 포함할 수 있다. 따라서 AI는 머신비전, 컴퓨터 비전, 머신 러닝 및 딥 러닝을 포함한 여러 기술과 공학 분야를 포괄하기 때문에 기술과 반대되는 과학으로 간주된다.

 

 

최종 사용자, 부가가치 파트너 및 제조업체로 구성된 머신비전 시장에서 AI라는 용어는 일반적으로 산업 자동화 및 검사를 가능하게 하는 딥 러닝 플랫폼을 의미한다. 이러한 맥락에서 AI의 가치 제안을 이해하려면, 지난 수십 년 동안 기술이 어떻게 발전했는지 이해하는 것이 도움이 된다.

 

AI, 머신 비전, 컴퓨터 비전 및 딥러닝의 진화

 

'AI의 아버지'로 꼽히는 존 매카시 스탠퍼드대 컴퓨터공학과 교수는 1955년 '인공지능'이라는 용어를 만들었다. 그는 다음과 같은 정의를 제시했다.

 

‘지능형 기계, 특히 지능형 컴퓨터 프로그램을 만드는 과학과 공학이다. 그것은 인간의 지능을 이해하기 위해 컴퓨터를 사용하는 유사한 작업과 관련이 있지만, AI는 생물학적으로 관찰할 수 있는 방법에만 국한할 필요가 없다’

 

매카시는 1958년 최초의 실용적인 AI 프로그래밍 언어인 LISP를 개발했다. 1950년대 후반에는 사진을 컴퓨터화할 수 있는 최초의 디지털 이미지 스캐너의 개발과 디지털화된 2D 이미지로부터 3D 정보를 추출하는 로렌스 로버츠의 연구를 포함하여 머신비전의 선구자인 컴퓨터 비전의 출현을 보았다.

 

이후 10년 동안 AI와 컴퓨터 비전에 대한 흥분이 고조되었다. 1966년, MIT의 시모어 페이퍼트 교수는 10명의 학생들에게 사람처럼 컴퓨터를 ‘보는’ 것을 도전하는 여름 비전 프로젝트를 제안했다. 이 야심찬 시도는 특별히 성공적이지는 않았지만, 컴퓨터 비전에 대한 이후의 연구와 이해를 위한 촉매제 역할을 했다. 1960년대에는 또한 아즈리엘 로젠펠트 교수가 쓴 최초의 컴퓨터 비전 교과서가 출판되었다. 그 책에 나오는 수학의 대부분은 뒤이어 나온 머신비전 도구의 기본 구성 요소로 작용했다.

 

그러나 10년 말에 이르러 AI에 대한 과대 선전은 마빈 밍키와 시모어 페이퍼트가 1958년 프랭크 로젠블랫에 의해 개발된 학습 알고리듬인 단층 퍼셉트론의 주요 한계를 입증하는 논문을 발표하면서 약화되었다.

 

AI는 최초의 AI 겨울로 알려진 시기인 1970년대에 인기가 떨어졌다. 하지만 인공지능에 대한 자금과 연구가 줄어들면서 머신비전에 대한 관심이 번성했다. 디지털 카메라가 등장했고 그라데이션 기반 및 콘트라스트 기반 알고리즘의 상당한 기술적 발전은 산업 자동화 기술로서 머신비전의 성장을 촉진했다.

 

발전은 머신비전의 황금기로 많은 사람들이 인정하는 10년인 1980년대까지 계속되었다. 제프리 힌튼, 데이비드 루멜하트, 로널드 윌리엄스가 다층 신경망을 훈련하는 데 사용되는 알고리즘인 역 전파 개념을 발전시키면서 AI도 부활을 누렸다. 이 기간 동안, 전문가의 지식에서 파생된 규칙과 논리를 사용하는 AI의 형태인 전문가 시스템은 전 세계 기업들에게 인기를 얻었다. 1980년대에는 AI가 하이테크와 딥사상과 같은 체스 게임 프로그램에도 적용되어 궁극적으로 인간 플레이어를 물리쳤다.

 

1980년대가 끝나가면서 상업적으로 실행 가능한 애플리케이션이 실현되지 못하고 자금이 사라지면서 AI에 대한 대중의 매력은 다시 한번 수그러들었다. 두 번째 AI 겨울이 왔다. 그러나 머신비전은 산업 자동화 애플리케이션에서 신뢰할 수 있는 검사 필요성에 의해 1990년대와 2000년대 초반에 걸쳐 계속 성장했다.

 

인공지능의 주요 활성화는 2012년경에 다층 컨볼루션 신경망 또는 ‘딥 러닝’이라는 개념이 등장하면서 이루어졌으며, 현재 이 기술은 광범위한 응용 분야에 적용되고 있다.

 

학습하는 머신비전

 

오늘날, 머신비전의 시장은 성숙된 시장이다. 수십 년 동안 그것은 검사 시스템을 혁신한 구성 요소와 소프트웨어를 제조업체에 제공했다. 딥 러닝과 AI가 머신비전 제공업체의 능력을 보완하고 강화함에 따라 업체들은 점점 더 나아지고 있다.

 

룰 기반 기술과 달리 딥 러닝은 전통적인 수학 알고리즘과 컨볼루션의 특정 숫자 입력을 사용하여 프로그래밍되지 않는다. 대신, 딥 러닝은 인간 전문가들에 의해 분류되고 분류된 이미지의 데이터베이스를 분석함으로써 그 자체를 ‘프로그래밍’한다.

 

딥러닝 소프트웨어는 데이터 중심이기 때문에, 인간이 어떤 것이 ‘좋은’ 것인지 ‘나쁜’ 것인지를 결정하기 위해 사용하는 작은 이미지 변형과 다른 단서들로 수학적 모델을 만든다. 그런 다음 이 모델은 새 제품의 품질을 검사하는 데 사용됩니다. 이러한 방식으로 딥 러닝 시스템은 전문가로부터 지식을 습득하고 성공적인 작업을 반복함으로써 인간처럼 학습한다.

 

딥 러닝을 이용한 자동 검사는 독특하게도 부품과 공정의 변화에 빠르게 적응할 수 있다. 이러한 학습 능력은 종종 변동하는 산업 자동화 환경의 애플리케이션에 적합한 기술이다.

 

데이터 중심 접근 방식

 

제품이나 공정의 가변성(조명의 변화, 주관적 특징의 변화 또는 얼룩이나 먼지와 같은 미묘한 결함)은 모든 머신비전 시스템을 방해할 수 있다. 딥 러닝 머신비전 솔루션은 인간 운영자에 의해 전문적으로 태그된 기능의 통계적 분석을 기반으로 이미지에서 좋은 부분과 나쁜 부분이 어떻게 보이는지 모델을 만든다. 그 결과, 이 기술은 적절하게 훈련되었을 때 그러한 변화에 대해 매우 관대할 수 있는 능력을 가지고 있다.

 

딥 러닝 소프트웨어를 성공적으로 적용하는 비결은 학습 데이터의 정확성과 품질에 있다. 딥 러닝 모델에서 10%의 데이터만 정확하지 않다면 모델을 최적화하려면 3배의 데이터가 필요하다. 매년 수십 개의 프로젝트를 개발하는 시스템 통합업체의 경우 데이터 정확성을 관리하는 것이 무엇보다 중요히다. 여기에는 잘못 레이블링된 이미지와 서로 다른 전문가 인간 레이블 간의 불일치를 식별하는 AI/딥 러닝 설계 도구가 필요하다.

 

사실상 데이터 중심 AI/딥러닝 설계 접근법은 설계자가 특정 값을 변경하거나 이미지를 샘플링하고 모델을 만드는 데 사용되는 통계적 방법을 변경함으로써 결과 모델을 조정하려고 하기보다는 AI 모델을 훈련하는 데 사용되는 데이터의 품질에 초점을 맞추는 것을 의미한다. 이 접근 방식은 딥 러닝 시스템 설계를 프로그래머가 아닌 사람들에게 사용할 수 있도록 하는 동시에 매우 효과적인 데이터 중심 머신비전 설계를 최적화할 수 있는 도구를 제공한다.

 

머신비전 기술은 지난 70년 동안 큰 발전을 이루었으며 AI/딥러닝 소프트웨어 솔루션이 모든 애플리케이션에 적합하지는 않을 수 있지만, 지속적인 검사 정확도 개선이 공장 현장에서 중요한 목표인 경우 가시적인 이점을 제공한다.

 

헬로티 김진희 기자 |

Copyright ⓒ 첨단 & Hellot.net




상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 | 본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호 copyright(c) HelloT all right reserved.