배너
닫기
배너

[헬로즈업] 라인스캔 이미징, 고속 머신비전 검사의 핵심 기술로 부상

URL복사

 

대면적·연속 생산 공정서 에어리어스캔 한계 보완…조명·3D·AI 결합으로 결함 검출 정밀도 고도화


고속·대량 생산 환경에서 라인스캔 이미징과 전용 조명 기술의 중요성이 커지고 있다. 연속 웹, 반도체 웨이퍼, 식품 컨베이어 등 빠르게 이동하는 검사 대상은 일반 에어리어스캔 카메라만으로는 균일하고 일관된 데이터를 확보하기 어렵다. 이에 따라 라인스캔 카메라는 고속 검사, 대면적 스캔, 3D 측정, AI 기반 결함 검출을 지원하는 현대 머신비전의 핵심 아키텍처로 자리 잡고 있다.


고속 제조 검사, 범용 비전 솔루션 한계 드러내


고처리량 제조 검사 환경은 범용 솔루션으로 해결하기 어려운 제약을 갖고 있다. 연속 웹은 분당 수백 미터 속도로 이동하고, 반도체 웨이퍼는 측정을 위해 멈추지 않은 채 공정 장비를 통과한다. 식품 컨베이어 라인에서는 유기적으로 변하는 표면을 대상으로 오염 여부, 치수 적합성, 충전 수준을 동시에 평가해야 한다.

 

이들 환경의 공통 요구사항은 명확하다. 이미징 시스템은 빠른 속도와 넓은 스캔 폭에서도 공간적으로 균일하고 일관된 데이터를 확보해야 한다. 그러나 이러한 조건은 에어리어스캔 카메라의 구조적 설계 한계를 드러낸다.

 

에어리어스캔 카메라는 2차원 픽셀 배열 전체에 빛을 적분한 뒤 한 프레임 단위로 전체 이미지를 읽어낸다. 글로벌 셔터 방식은 모든 픽셀을 동시에 노출하고, 롤링 셔터 방식은 거의 동시에 노출한 뒤 프레임을 읽는다.

 

문제는 컨베이어 속도가 빨라질수록 충분한 신호를 확보하기 위한 노출 시간이 모션 블러를 유발한다는 점이다. 이 흐림 현상은 이동 속도에 비례하며, 이를 줄이려면 감도를 희생하거나 조명을 강화하거나, 노출 시간 안에서 움직임을 정지시킬 만큼 강한 스트로브 조명을 사용해야 한다.

 

라인스캔, 한 줄씩 읽어 고속·대면적 검사 구현


라인스캔 센서는 2차원 배열 대신 단일 행의 광검출기를 사용한다. 각 라인은 마이크로초 단위로 노출되고 읽히며, 검사 대상이 이동하는 동안 연속 라인이 합성돼 하나의 이미지가 만들어진다.

 

라인당 적분 시간이 짧고 일정하기 때문에 모션 블러는 라인 속도와 컨베이어 속도의 관계로 결정된다. 이는 시스템 설계자가 직접 제어할 수 있는 변수다. 결과적으로 라인스캔 이미지는 검사 대상의 길이에 따라 사실상 임의의 길이를 가질 수 있으며, 에어리어스캔 시스템으로 유지하기 어려운 넓은 시야에서도 높은 공간 균일성을 확보할 수 있다.

 

라인스캔 카메라의 중요한 장점은 횡방향과 종방향 해상도를 분리할 수 있다는 점이다. 라인을 따라 배치된 픽셀 수는 현재 2K에서 32K 이상까지 확장되고 있으며, 멀티로우 합성 해상도 기술을 통해 크로스웹 방향의 공간 해상도를 획득 속도와 독립적으로 정의할 수 있다.

 

반면 라인 속도는 웹 진행 방향의 해상도를 픽셀 수와 별도로 결정한다. 엇갈린 픽셀 오프셋을 가진 멀티로우 CMOS 센서는 물리적 픽셀 피치보다 훨씬 높은 합성 해상도를 생성할 수 있다. 이를 통해 반도체와 PCB 표면에서 서브픽셀 수준의 결함 검출이 가능하다.

 

최신 CoaXPress-12 인터페이스는 이러한 데이터 속도를 지원한다. 상용 제품 기준으로 흑백 라인스캔 카메라의 라인 속도는 240kHz를 넘어서는 수준까지 도달했다.

 

CCD와 CMOS, 적용 분야 따라 강점 달라


라인스캔 센서는 CCD와 CMOS 방식으로 나뉘며, 각각의 장점이 다르다.

 

CCD 라인스캔 센서는 낮은 읽기 노이즈, 높은 전하 전달 효율, 잘 규정된 분광 응답 특성을 제공한다. 특히 RGB 필터가 적용된 세 개의 병렬 행을 사용하는 트릴리니어 CCD 구성은 픽셀 수준의 실제 색상 정합을 제공한다.

 

이러한 특성 때문에 트릴리니어 CCD는 인쇄 검사, 제약 라벨 검증, 섬유 등급 판정처럼 색상 측정 정확도가 중요한 애플리케이션에서 오랫동안 선호돼왔다.

 

CMOS 라인스캔 센서는 더 높은 피크 라인 속도, 낮은 전력 소비, 유연한 읽기 방식을 제공한다. 최신 CMOS 설계는 단일 패스에서 400~960nm 범위의 RGB와 근적외선(NIR)을 동시에 획득할 수 있다.

 

표면 화학 특성과 외관을 동시에 평가해야 하는 분야에서는 이러한 동시 다중분광 획득이 유리하다. 예를 들어 배터리 전극 검사에서는 NIR 투과 특성을 통해 표면 아래 코팅 균일성을 확인할 수 있다. 식품 품질 등급 판정에서는 NIR이 표면 색상과 수분 함량을 구분하는 데 도움을 준다. 이처럼 동시 다중분광 획득은 순차 채널 전환 방식에서 발생하는 정합 문제를 줄인다.

 

분광 범위는 가시광선을 넘어 확장되고 있다. SWIR 센서, 즉 900~1,700nm 영역의 단파적외선 센서는 식품의 수분 분포, 복합재의 표면 아래 박리, 표면 코팅 아래 숨겨진 오염을 드러낼 수 있다. UV 감도 구성은 제약 및 전자 검사에서 중요한 형광 마커와 표면 화학 신호를 감지하는 데 활용된다.

 

따라서 적절한 분광 범위 선택은 공간 해상도 선택만큼이나 기본적인 설계 결정 요소가 되고 있다.

 

조명 품질, 라인스캔 성능 실현의 핵심 변수


라인스캔 시스템에서 조명은 이론적 센서 성능을 실제 현장에서 구현할 수 있는지를 결정하는 핵심 요소다.

 

라인스캔 카메라는 노출마다 정확히 한 행의 픽셀을 획득한다. 여러 라인에 걸친 공간 평균화가 본질적으로 존재하지 않으며, 이미지 형성 과정에서 조명 불균일성을 보정할 기회도 제한적이다.

 

조명 라인 전체에서 2~3% 수준의 밝기 구배만 발생해도 이미지에는 체계적 아티팩트로 직접 나타난다. 이는 보정되기 전까지 실제 표면 특징과 구분하기 어렵다.

 

형광등, 할로겐, 메탈할라이드 같은 기존 광원은 수십~수백 kHz 수준의 라인 속도에서 실질적으로 스트로브 운용이 어렵다. 또한 온도와 사용 기간에 따라 분광 출력이 변하기 때문에 재보정만으로 완전히 추적하기 어려운 드리프트가 발생한다.

 

라인스캔용 고휘도 LED 조명은 이러한 한계를 보완한다. LED 드라이버는 라인 속도에 맞춘 전자식 변조가 가능하고, 운용 수명 동안 분광 출력 안정성이 높으며, 정밀 광학 설계를 통해 조명 라인에 플럭스를 집중시키고 균일성을 제어할 수 있다.

 

조명 강도만큼 중요한 것이 표면에 대한 조명의 기하학적 배치다. 낮은 각도의 다크필드 조명은 비스듬한 빛의 산란 차이를 활용해 스크래치, 엠보싱, 텍스처 등 표면 형상을 강조한다. 브라이트필드 조명은 반사율과 색상을 강조한다.

 

최신 LED 컨트롤러는 독립적인 채널 타이밍 제어를 지원하기 때문에 하나의 검사 스테이션 안에서 여러 조명 기하 구조를 순차적으로 적용할 수 있다. 이를 통해 단일 물리적 패스에서 다차원 데이터셋을 후속 처리 파이프라인에 제공할 수 있다.

 

조명 파장 선택도 기본값이 아니라 설계 변수다. 검사 대상의 광학 응답에 맞춘 단색 조명은 결함 대비를 크게 높일 수 있다. 예를 들어 적색 필터 기판에는 적색광, 구리나 유기 염료에는 청색광, 형광 자극이 필요한 경우에는 UV 조명을 적용할 수 있다. 이를 통해 후단 이미지 처리 부담도 줄일 수 있다.

 

3D 라인스캔, 생산 속도 유지하며 높이 데이터 확보


점점 더 많은 검사 과제는 2D 이미지만으로 해결하기 어렵다. 납땜 접합부 높이, 기판 휨, 충전 수준, 성형 금속 부품의 치수 적합성 등은 높이 데이터가 필요하다.

 

스테레오 포토그래메트리는 높은 라인스캔 처리량을 유지하면서 동시 2D 컬러 획득까지 추가할 수 있는 상용화된 접근법으로 부상하고 있다.

 

스테레오 라인스캔 시스템에서는 두 대의 카메라가 고정된 기준 거리와 각도로 검사 대상 표면의 동일한 라인을 촬영한다. GPU 가속 스테레오 시차 알고리즘은 두 이미지의 대응 특징 사이 픽셀 오프셋을 계산하고, 보정된 기하 구조를 통해 이 시차를 높이로 변환한다. 이를 통해 모든 라인에 대해 실시간으로 조밀한 3D 포인트 클라우드를 생성할 수 있다.

 

2D 컬러 이미지는 동시에 획득되며, 별도 2차 패스 없이 3D 데이터와 정합된다.

 

성능 범위도 넓다. 고해상도 영역에서는 약 16mm 시야에서 2µm 수준의 광학 해상도와 서브마이크론 높이 해상도를 제공할 수 있어 반도체 고장 분석과 플립칩 조립 검증에 적합하다.

 

중간 해상도 영역에서는 100mm 시야에서 67µm 수준의 광학 해상도로 PCB 납땜 검사와 정밀 가공 부품 공차 검사를 지원한다. 넓은 시야 영역에서는 1,400mm 시야에서 약 200µm 해상도로 자동차 차체 패널, 세라믹 타일, 대형 식품 컨베이어 라인 검사에 활용할 수 있다.

 

한편 구조화된 광선을 투사하고 측면에 배치된 카메라로 그 기하학적 변형을 측정하는 레이저 삼각측량은 높이 전용 측정이 필요한 표면 프로파일링 분야에서 여전히 지배적인 방식이다. 그러나 단일 패스에서 2D와 3D 데이터를 동시에 확보해야 하는 경우에는 스테레오 라인스캔이 더 통합적인 해법을 제공한다.

 

AI 검사, 안정적 라인스캔 데이터가 성능 좌우


딥러닝이 생산 검사 파이프라인에 통합되면서 이미징 하드웨어에 대한 요구사항도 바뀌고 있다.

 

규칙 기반 머신비전 알고리즘은 체계적인 이미징 아티팩트에 비교적 관대하다. 알고리즘 설계자가 규칙을 만들 때 알려진 불균일성을 반영할 수 있기 때문이다. 그러나 학습된 신경망은 일반적으로 이러한 아티팩트에 덜 관대하다.

 

신경망은 훈련 데이터의 통계적 특성을 학습한다. 조명 구배, 분광 드리프트, 라인 간 게인 변동 같은 체계적 아티팩트가 이미지 분포의 특징으로 학습될 수 있다. 이후 실제 생산 이미징 시스템이 훈련 조건에서 벗어나면 결함 검출 성능은 진단하기 어려운 방식으로 저하될 수 있다.

 

이 때문에 잘 설계된 라인스캔 시스템의 특성이 더욱 중요해진다. 공간 균일성, 시간에 따른 방사 측정 일관성, 보정된 분광 응답, 높은 신호대잡음비는 AI 검사 성능의 기반이 된다. 안정적이고 잘 보정된 시스템에서 획득한 훈련 데이터는 실제 생산 조건에서도 안정적으로 일반화되는 모델을 만드는 데 유리하다.

 

스테레오 라인스캔 시스템에서 얻는 동시 2D 표면 외관 데이터와 3D 높이 데이터는 멀티모달 학습 데이터로 활용될 수 있다. 표면 외관과 형상이 함께 결함 판별에 중요한 경우, 이러한 데이터는 단일 모달 모델보다 훨씬 높은 성능을 낼 수 있다.

 

예를 들어 콜드 솔더 조인트와 브리지드 조인트는 2D 색상만으로는 구분이 어려울 수 있다. 그러나 3D 데이터에서는 높이 프로파일이 기하학적으로 다르기 때문에 더 명확하게 판별할 수 있다.

 

엣지 배포형 추론으로의 흐름도 고속 라인스캔 데이터와 잘 맞물린다. 32K 흑백 카메라가 100kHz로 동작하면 초당 3GB가 넘는 원시 픽셀 데이터가 생성된다. 최신 CoaXPress-12 인터페이스, 임베디드 FPGA 전처리, GPU 추론 노드를 결합하면 과거 중앙 서버 인프라가 필요했던 전체 해상도 라인스캔 AI 검사를 엣지 환경에서도 구현할 수 있다.

 

시스템 통합, 동기화·렌즈·인터페이스 선택이 관건


라인스캔 시스템 통합에서 엔코더 동기화는 기본 요소다. 엔코더 펄스당 라인 수와 실제 표면 속도가 맞지 않으면 컨베이어 축 방향으로 이미지가 압축되거나 늘어나는 기하학적 왜곡이 발생한다. 실제 속도를 알지 못하면 이러한 왜곡은 제대로 보정하기 어렵다.

 

치수 측정 애플리케이션에서는 텔레센트릭 렌즈가 선호된다. 텔레센트릭 렌즈는 깊은 시야의 가장자리에서 발생할 수 있는 원근에 따른 크기 변화를 제거하기 때문이다.

 

인터페이스 선택도 중요하다. CoaXPress-12는 신규 고해상도 설계에서 Camera Link를 상당 부분 대체하고 있다. 인터페이스는 데이터 처리량, 케이블 길이, 지연시간, 처리 하드웨어 생태계에 영향을 준다.

 

하드웨어 선택이 최종 확정되기 전에는 HALCON, MIL 또는 AI 중심 툴킷과의 소프트웨어 라이브러리 호환성도 검토해야 한다.

 

라인스캔, 연속 고속 검사에서 구조적 우위 유지


라인스캔 이미징의 머신비전 내 입지는 에어리어스캔 센서 성능 향상으로 근본적으로 위협받고 있지 않다. 연속적이고 고처리량이며 대형 포맷을 요구하는 검사에서 라인스캔이 갖는 장점은 센서 성능 수치가 아니라 획득 기하 구조에서 비롯되는 구조적 이점이기 때문이다.

 

달라진 것은 라인스캔 데이터로 수행할 수 있는 작업의 수준이다. 이제 라인스캔 데이터는 실시간 3D 포인트 클라우드 생성, 동시 다중분광 데이터 획득, 규칙 기반 시스템으로는 충분히 활용하기 어려웠던 데이터 스트림에서 신경망 분류기가 결함 정보를 추출하는 단계로 발전하고 있다.

 

결국 이미징 시스템은 후단에서 얼마나 많은 지능을 추출할 수 있는지를 결정하는 상위 제약 조건이 되고 있다. 고속 생산라인에서 더 많은 데이터를 더 균일하게, 더 빠르게, 더 정확하게 확보하는 능력이 현대 머신비전 경쟁력의 출발점이 되고 있는 셈이다.

 

헬로티 김진희 기자 |









배너




배너

배너


배너


주요파트너/추천기업